本發(fā)明涉及石油測錄井儲層評價，特別涉及一種變質(zhì)巖面孔率分析評價方法、裝置、設備及介質(zhì)。

背景技術：

1、目前，主要是采用灰度圖閾值截斷和邊緣檢測的方式，提取巖石掃描電鏡照片的孔隙度像素來實現(xiàn)孔隙識別和孔隙占比計算。對于裂縫的識別目前的方法主要是基于通過對巖心鑄體薄片投射不同顏色的光源使裂縫顏色和基質(zhì)顏色差異化更加明顯，從而實現(xiàn)裂縫的占比的計算，耗時較長且薄片制樣更易破損失真。現(xiàn)有技術主要的局限性包括：（1）當采用巖屑制樣時，由于顆粒大小不一，存在大量的顆粒間隔空間，能夠干擾對孔隙的識別；（2）現(xiàn)有裂縫提取方法基于光學顯微鏡，其定量計算困難且耗時，同時作為樣品的鑄體薄片更容易被破壞失真，從而造成需要耗費大量的時間和人力，并且在處理大量樣本時效率較低。

2、由上可見，如何提高變質(zhì)巖面孔率分析評價的準確性和效率，降低變質(zhì)巖面孔率分析評價的復雜度是本領域有待解決的問題。

技術實現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種變質(zhì)巖面孔率分析評價方法、裝置、設備及介質(zhì)，能夠提高變質(zhì)巖面孔率分析評價的準確性和效率，降低變質(zhì)巖面孔率分析評價的復雜度。其具體方案如下：

2、第一方面，本技術公開了一種變質(zhì)巖面孔率分析評價方法，包括：

3、篩選變質(zhì)巖的巖屑樣本，對所述巖屑樣本進行預處理，以得到預處理后的所述巖屑樣本，掃描預處理后的所述巖屑樣本，以得到巖屑樣本圖像；

4、對所述巖屑樣本圖像中的礦物和背景顏色邊緣進行識別檢測及巖屑間隙圖像分割，以得到巖屑顆粒，確定所述巖屑顆粒的顆?？偯娣e；

5、采用閾值分割法對所述巖屑顆粒進行閾值截斷，以計算所述巖屑顆粒中的孔隙面積，采用最大似然法識別所述巖屑顆粒中的裂縫，以計算所述巖屑顆粒中的裂縫面積，利用所述孔隙面積和所述裂縫面積計算孔隙和裂縫面積；

6、基于所述顆?？偯娣e和所述孔隙和裂縫面積計算所述變質(zhì)巖的面孔率，獲取與所述面孔率對應的成像測井裂縫解釋結(jié)果，分析及評價所述成像測井裂縫解釋結(jié)果和所述面孔率，以得到分析評價結(jié)果。

7、可選的，所述篩選變質(zhì)巖的巖屑樣本，對所述巖屑樣本進行預處理，以得到預處理后的所述巖屑樣本，包括：

8、獲取變質(zhì)巖的初始巖屑樣本，對所述初始巖屑樣本進行過濾及篩選，以得到過濾及篩選后的所述巖屑樣本；

9、利用巖石切割機對所述巖屑樣本進行切割處理，并進行剖光和打磨處理，以得到預處理后的所述巖屑樣本。

10、可選的，所述掃描預處理后的所述巖屑樣本，以得到巖屑樣本圖像，包括：

11、利用掃描電子顯微鏡并設置掃描參數(shù)對預處理后的所述巖屑樣本進行初步掃描，以篩選掃描區(qū)域，根據(jù)所述掃描區(qū)域?qū)︻A處理后的所述巖屑樣本進行高分辨率掃描，以得到巖屑樣本圖像。

12、可選的，所述對所述巖屑樣本圖像中的礦物和背景顏色邊緣進行識別檢測及巖屑間隙圖像分割，以得到巖屑顆粒，包括：

13、采用邊緣檢測算法對所述巖屑樣本圖像中的礦物和背景顏色邊緣進行識別檢測，并將所述巖屑樣本圖像中的像素進行拼接，以得到像素邊緣線條；

14、根據(jù)所述像素邊緣線條對所述巖屑樣本圖像進行分解填充及巖屑間隙圖像分割，以得到巖屑顆粒。

15、可選的，所述采用邊緣檢測算法對所述巖屑樣本圖像中的礦物和背景顏色邊緣進行識別檢測，并將所述巖屑樣本圖像中的像素進行拼接，以得到像素邊緣線條，包括：

16、采用邊緣檢測算法對所述巖屑樣本圖像進行高斯模糊處理，利用索貝爾算子計算處理后的所述巖屑樣本圖像的梯度，并保留處理后的所述巖屑樣本圖像中的每個像素點的沿著梯度方向的局部極大值，以識別檢測礦物和背景顏色邊緣，并將所述巖屑樣本圖像中的像素進行拼接，以得到像素邊緣線條。

17、可選的，所述采用閾值分割法對所述巖屑顆粒進行閾值截斷，以計算所述巖屑顆粒中的孔隙面積，采用最大似然法識別所述巖屑顆粒中的裂縫，以計算所述巖屑顆粒中的裂縫面積，包括：

18、采用閾值分割法并利用固定灰度值作為閾值，對所述巖屑顆粒進行閾值截斷，以計算所述巖屑顆粒中的孔隙面積；

19、利用預設的先驗樣本并采用最大似然法計算所述巖屑顆粒中的裂縫概率，基于所述裂縫概率識別所述巖屑顆粒中的裂縫，以計算裂縫面積。

20、可選的，所述的變質(zhì)巖面孔率分析評價方法，還包括：

21、獲取預設的python代碼中subprocess工具包的內(nèi)置函數(shù)；

22、利用所述內(nèi)置函數(shù)實現(xiàn)多線程并行獲取巖屑樣本圖像以及面孔率分析評價的流程。

23、第二方面，本技術公開了一種變質(zhì)巖面孔率分析評價裝置，包括：

24、樣本處理模塊，用于篩選變質(zhì)巖的巖屑樣本，對所述巖屑樣本進行預處理，以得到預處理后的所述巖屑樣本，掃描預處理后的所述巖屑樣本，以得到巖屑樣本圖像；

25、識別及分割模塊，用于對所述巖屑樣本圖像中的礦物和背景顏色邊緣進行識別檢測及巖屑間隙圖像分割，以得到巖屑顆粒，確定所述巖屑顆粒的顆?？偯娣e；

26、孔隙及裂縫計算模塊，用于采用閾值分割法對所述巖屑顆粒進行閾值截斷，以計算所述巖屑顆粒中的孔隙面積，采用最大似然法識別所述巖屑顆粒中的裂縫，以計算所述巖屑顆粒中的裂縫面積，利用所述孔隙面積和所述裂縫面積計算孔隙和裂縫面積；

27、分析評價模塊，用于基于所述顆?？偯娣e和所述孔隙和裂縫面積計算所述變質(zhì)巖的面孔率，獲取與所述面孔率對應的成像測井裂縫解釋結(jié)果，分析及評價所述成像測井裂縫解釋結(jié)果和所述面孔率，以得到分析評價結(jié)果。

28、第三方面，本技術公開了一種電子設備，包括：

29、存儲器，用于保存計算機程序；

30、處理器，用于執(zhí)行所述計算機程序，以實現(xiàn)前述的變質(zhì)巖面孔率分析評價方法。

31、第四方面，本技術公開了一種計算機存儲介質(zhì)，用于保存計算機程序；其中，所述計算機程序被處理器執(zhí)行時實現(xiàn)前述公開的變質(zhì)巖面孔率分析評價方法的步驟。

32、可見，本技術提供了一種變質(zhì)巖面孔率分析評價方法，包括篩選變質(zhì)巖的巖屑樣本，對所述巖屑樣本進行預處理，以得到預處理后的所述巖屑樣本，掃描預處理后的所述巖屑樣本，以得到巖屑樣本圖像；對所述巖屑樣本圖像中的礦物和背景顏色邊緣進行識別檢測及巖屑間隙圖像分割，以得到巖屑顆粒，確定所述巖屑顆粒的顆粒總面積；采用閾值分割法對所述巖屑顆粒進行閾值截斷，以計算所述巖屑顆粒中的孔隙面積，采用最大似然法識別所述巖屑顆粒中的裂縫，以計算所述巖屑顆粒中的裂縫面積，利用所述孔隙面積和所述裂縫面積計算孔隙和裂縫面積；基于所述顆?？偯娣e和所述孔隙和裂縫面積計算所述變質(zhì)巖的面孔率，獲取與所述面孔率對應的成像測井裂縫解釋結(jié)果，分析及評價所述成像測井裂縫解釋結(jié)果和所述面孔率，以得到分析評價結(jié)果。本技術通過對巖屑樣本圖像中的礦物和背景顏色邊緣進行識別檢測及巖屑間隙圖像分割，能夠有效聚焦研究目標范圍，解決了巖屑顆粒樣品識別孔隙過程中，基底的灰度值對識別結(jié)果的干擾問題，采用閾值分割法和最大似然法分別對巖屑顆粒進行閾值截斷和裂縫識別，能夠解決現(xiàn)有的識別裂縫需要依靠光學顯微鏡對鑄體薄片識別的耗時問題，以及對掃面電鏡照片識別大型孔隙和裂縫的難題，基于顆粒總面積和孔隙和裂縫面積計算變質(zhì)巖的面孔率，分析及評價面孔率和對應的成像測井裂縫解釋結(jié)果，得到分析評價結(jié)果，能夠提高變質(zhì)巖面孔率分析評價的準確性和效率，降低變質(zhì)巖面孔率分析評價的復雜度，從而降低人力消耗，提高巖石學研究和地質(zhì)工程應用的效率和可靠性。