文摘

许多不规则的随机存在孔隙结构在岩土材料有决定性影响渗透率和其他宏观性质。的分析和表征材料的微孔结构和渗透性对岩土工程具有重要意义。在这项研究中,数字图像具有不同的放大是用来检查的孔隙结构和渗透性砂岩样品。图像处理方法用于获得二进制图像,然后,孔隙大小分布方法用于计算孔隙大小分布。因此,基于Hagen-Poiseuille公式,得到材料的渗透率的预测价值和比较它与价值来自水星入侵porosimetry (MIP)。发现不同的显微图像不同的放大率和孔隙大小的各种统计方法有特定影响孔隙结构的特征和渗透率的预测。不同的放大的孔隙度是不一样的,和获得的结果在更高的放大与MIP更一致的结果。与放大倍数的增加,我们可以观察到更大尺寸的孔。的影响运行CPSD(连续孔隙大小分布)在孔隙大小的统计数据优于DPSD(离散孔隙大小分布)。在渗透率预测,更高的放大图像的预测结果更接近仪器测试值,和价值运行CPSD DPSD比这更重要的。 In future research, an appropriate method should be selected to obtain a reasonable prediction of the permeability of the target material.

1。介绍

表征的砂岩储层,孔隙度、孔隙大小分布,渗透率储层参数评价至关重要。砂岩样品通常包含许多不规则,大小可变的,随机分布的,相互关联的毛孔,成为主要积累的地方和烃流体渗流通道。孔隙度决定了存储容量的碳氢化合物,而孔隙大小分布和磁导率直接影响到运输能力的碳氢化合物(1- - - - - -4]。因此,宏观透气性实验通常可以获得气体传输模式但不能揭示其传输机制(5- - - - - -8]。另一方面,微观分析可以观察到孔隙和裂隙的发展在示例中,它提供了一个直接的基础研究岩体的渗流演化机制。因此,微观孔隙结构分析和渗透率可以帮助揭示在砂岩油气储层的分布和微观传输机制(9,10]。

研究微观孔隙结构的主要方法,在现有的工作分为两类。第一类方法使用物理测量评价孔隙喉道半径分布,连接,和孔隙结构参数,它包括MIP、氮吸附、核磁共振(NMR) (8,11,12]。第二类方法使用精密仪器获取数字图像包含样品的微观形态,如计算机断层扫描(CT)、扫描电子显微镜(SEM)、透射电子显微镜(TEM) (13,14]。第一类方法广泛应用于现有的研究。不过,它有一些缺点:试样的孔隙大小分布特点是MIP可以好,但较高的压力会影响样品的孔隙结构本身,从而影响孔隙结构的特征。氮吸附只能描述孔的半径小于100纳米。核磁共振是一种非破坏性技术,模拟了标本,宽表明孔隙大小,但其准确性取决于校准实验。这些孔隙结构表征方法都有一个共同的缺点。他们不允许视觉观察孔隙结构的岩石样本(1,15]。

第二类,如CT、SEM, TEM,样品的孔隙结构可以直接观察到。样品的三维孔隙结构可以看到使用计算机断层扫描,但是很难描述纳米尺度上的毛孔。TEM适用于测量样品的形态,但测试需要一个相对薄块允许通过电子。扫描电镜可以描述不同尺度的毛孔,从纳米级到毫米的规模。此外,先前的研究发现特定的孔隙结构特性差异(孔隙度、孔隙大小分布等)的特点是SEM图像不同尺度(2,3,13]。因此,不同的放大的扫描电镜图像进行这项研究调查和量化的孔隙结构相同的样本。

本文的下一节被组织为一个追问:SEM图像首先被获得在不同的放大,从不同的尺度研究。然后,选择一个合理的阈值基于相关阈值确定算法binarise图像分割。然后计算孔隙大小分布基于离散和连续的孔隙大小分布算法。最后,渗透率预测是基于Hagen-Poiseuille方程和前面的孔隙大小分布信息。同时,数字图像计算的结果进行比较的实验(如汞压力实验和透气性试验)来验证相关算法的适应性和准确性。

2。材料和方法

2.1。SEM图像扫描和图像信息

使用扫描电子显微镜Quantatm 250年推出了由中国矿业大学和技术从范公司在美国,砂岩由SEM扫描。超低的设备有一个优秀的稳定运行真空/低真空和样本信号收集的效果。完整的砂岩样品的密度 。压汞法测得的孔隙度为4.52%。砂岩的主要矿物成分包括石英、钾长石、斜长石、方解石、菱铁矿和粘土矿物(伊利石、高岭石、绿泥石、蒙脱石)。收集到的砂岩样品 片段(如图1)。SEM砂岩具有不同的放大的图像是通过扫描电子显微镜,600倍,1200倍,2000倍,分别。SEM图像的分辨率相对较高,并且更容易获得不同尺度的数字图像。虽然CT可以得到孔隙尺寸在纳米级,SEM可以获得毛孔细如微米。不同的图像的像素精度如表所示1。可以观察到放大倍数的增加,图像的像素精度越小,越小,孔隙结构观察。


图1
砂岩样品和扫描样本。
表1
解决不同的放大图像。
2.2。方法
2.2.1。方法计算孔隙度

二进制数字图像的分割后,毛孔的像素被分配的值为0,而其余矩阵赋值为1。的孔隙度 计算如下: 在哪里 代表孔隙率,%; 代表孔隙的面积; 代表图像的面积。

2.2.2。孔隙大小分布的特征

有两个主要算法确定孔隙大小分布(PSD)的一个示例使用数字图像:DPSD和运行CPSD。DPSD和运行CPSD之间的主要区别是,运行CPSD考虑孔隙几何形状时提取孔隙大小分布。的主要观点“连续PSD”在一个特定的孔隙半径 是确定孔隙体积的数量(3 d)或一个相当孔隙面积(2 d),这可能可以覆盖范围和圆的半径吗 分别在3 d和2 d。甚至一个孔隙无关的对象变得不仅单个值,而是具有其PSD,因为它是单独检查。相比之下,运行CPSD算法的原理类似于压汞的方法。DPSD,他们的体积和面积的大小决定随后的3 d和2 d的情况下,分别。相应的孔隙半径可能会决定每个毛孔对象从这样的体积或面积计算其size-equivalent球或圆的半径。的主要方法是将不规则的孔圈或球体使用面积相等的原则16]。进一步理解二进制原理,两个图像呈现在图2。

(一)原理的离散孔隙大小分布算法
(一)原理的离散孔隙大小分布算法
(b)连续孔隙大小分布算法的原理
(b)连续孔隙大小分布算法的原理
图2
比较DPSD之间的计算原则和运行CPSD相同的孔隙结构。
2.2.3。渗透率的计算

Hagen-Poiseuille法律是不理想的流体动力学的物理定律。它提出,当一个不可压缩牛顿流体经过长圆柱管与一个特定的部分在层流8,17),截面的速度分布 在哪里 从圆心的距离; 之间的压差是管子的两端,即表达了MPa; 是水动力粘度,表示在Pa•年代; 圆柱管的长度,这是表示在吗μm; 圆柱管的半径,这是表示在吗μ由积分方程(m。2)在整个截面的总容积流量流体通过管道的截面可以获得如下:

见图3,认为总流过样品的孔隙结构和总流过每个小孔隙是相等的,那么它可以获得: 在哪里 是总样品微观结构的瞬时流量,用毫米表示3/ s; 是每一个微小的孔隙的流量用毫米表示3/ s。从达西定律,流体的流动遵循达西定律: 在哪里 是渗透,表现在米2; 是液体的横截面积,用毫米表示2。


图3
多孔介质的毛细管束模型。

结合(3),(4)和(5),可以获得以下:

渗透率的表达可以进一步简化如下: 在哪里 孔隙半径,用毫米表示; 是半径 孔隙面积,用毫米表示的2。

根据方程(7)和简化内部孔隙的渗透率砂岩可以预测的数字图像。

3所示。结果和分析

3.1。灰度阈值选择

如图4数字图像,在这项研究中,采用不同的放大显示,SEM图像可以更直观地观察砂岩的孔隙结构。较暗的像素意味着砂岩的孔隙,而较轻的像素被视为矩阵。之前的定量描述孔隙结构,图像预处理需要后续分析奠定基础。亮度和对比度调整、图像去噪和图像增强是图像预处理的例子。一般来说,SEM图像,图像质量通常是更好的。图像去噪不产生重大影响后续图像的特征。亮度的变化并不会明显影响灰色分布曲线的形状(一个特定的范围内)。然而,对比有很大的差异影响灰色分布曲线的形状。通过以上方法,数字图像处理得到的图所示5。可以看出,孔隙和矩阵结构可以更好地识别和区分的图像预处理。


图4
SEM砂岩样品的不同尺度的图像。

图5
SEM图像预处理后。

分割阈值是最重要的部分孔隙结构的方法的数字图像。适合geomaterials阈值确定方法主要分为阈值确定算法和人工选择。不同的算法产生重大影响的阈值确定和后续的分割结果。因此,需要一个详细的比较分析达到一个更合适的阈值确定阈值。特别是,数字图像的阈值不同的放大21日23日和28日。二元分割后(2,3),二进制图像如图6,我们可以看到,实际上孔隙结构可以很容易地确定。


图6
SEM图像分割后。
3.2。孔隙结构特征与不同尺度的图像
3.2.1之上。孔隙度计算

根据阈值分割结果在前一节中,结合方程(1),孔隙度的图像具有不同的放大图所示7。与MIP的结果相比,可以看出,显气孔率的提取结果相对接近MIP的结果,特别是在放大2000倍。根据图7可以看出,砂岩的孔隙度从SEM数字图像中提取相对可靠的,尽管有一些差异。


图7
基于数字图像和MIP孔隙度计算结果。
3.2.2。孔隙大小分布计算

这项工作决定了微观孔隙大小的分布在不同的放大图像基于运行CPSD和DPSD技术中提到蒙克的研究。孔隙的大小来衡量MIP可以发现小于基于数字图像。2000 x图像的像素精度是0.145μ(连续)和0.08μ米(离散),而运行CPSD实验的孔隙大小范围是0.004 - -0.25μm。运行CPSD结果更接近比运行CPSD MIP的结果。三个放大图像的峰值孔隙大小是1.44μ0.72米(30.64%)μ0.43米(27.68%)和μm(21.33%),分别为。因此,大多数孔隙特征,可以基于数字图像技术在微米尺度。有趣的是,数字图像方法可以有效地描述大孔隙,而MIP完全忽略了这种规模的毛孔。因此,孔隙大小分布可以更好的代表在满刻度如果两个工具的总和。

数据8(一个)和8 (b)基于运行CPSD和DPSD显示计算结果。虽然两个计算方法完全不同,在600放大,大孔隙占更大比例的结果。相反,大多数的计算结果在放大2000小型毛孔。显然,随着放大倍数的增加,减少图像的视场在某种程度上,和获得的毛孔,所以毛孔的大小不同的比例改变一个特定的时间。比较了孔隙大小分布在同一图像获得的各种方法,它是发现大型毛孔占更大比例DPSD计算结果基于相同的形象。不过,运行CPSD计算结果主要是中小毛孔。因此,孔隙大小衡量DPSD太大。

(一)运行CPSD
(一)运行CPSD
(b) DPSD
(b) DPSD
图8
计算结果基于数字图像和MIP的孔隙大小分布。
3.3。渗透率预测基于具有不同尺度的图像

基于获得的孔隙大小分布在前面的工作中,我们使用了Hagen-Poiseuille样品渗透率的计算方法。计算结果如图所示9。


图9
渗透率计算结果基于数字图像和实验室实验。

预测渗透率值被发现是减少随着放大倍数的增加:渗透率计算三个放大图像 (离散 ), ( ),和 ( ),分别。根据渗透率计算的原理,很明显,渗透率大小孔隙大小分布和孔隙度密切相关。此外,它可以发现,孔隙面积的比例领域的观点是更重要的,大部分都是大毛孔,小毛孔低于0.6μ人口仅占3%。因此,其渗透率预测更高的图像放大的时候是600。而2000年的比例上升到50%。与此同时,据图7孔隙度的图显示了一个显著的减少,还有一个类似的趋势在孔隙空间的体积单位面积上看,导致渗透率的下降。

DPSD相比,由运行CPSD渗透率预测的值小。尽管DPSD措施在大孔隙的比例略有增加,DPSD分类和大小毛孔基于二进制映像的连接组件。相比之下,运行CPSD对待像素,可以覆盖在一个移动的相同大小的圆圈,相同大小的孔。为了运行CPSD获得的孔隙大小和区域转换成的渗透率值Hagen-Poiseuille公式,我们使用方程(7),假设毛孔是圆形的。之后,他们用圆的半径,而不是相应的区域圆的半径来计算孔隙大小。具体来说,图的第一步3、大孔隙大小主要是集中在港口地区的中间,在等效面积的圆的半径大于最大内切圆的半径。然而,运行CPSD孔隙大小考虑最大内切圆半径,详细,由Muench和霍尔泽16]。这意味着相同的孔隙,DPSD相比,治疗由运行CPSD几个较小的孔隙大小。因此,运行CPSD测量会导致一个小渗透率预测基于Hagen-Poiseuille假设孔隙几何形状。

预测价值更高的测量值相比。两者的区别是1 - 2个数量级。孔隙空间的大小是很难感知和测量由于图像采集放大的局限性。此外,弯曲度的计算没有考虑孔隙网络渗透率的计算,也不是三维孔隙网络的复杂性。这些导致大差距预测渗透率值基于显微图像和设备测试。在未来,一些不同尺度的图像的叠加和融合可以获得一个精确的三维模型进行基于多尺度数字图像。此外,一些定量的表征实验上基于跨三维数字模型可能更接近实验测试结果。

4所示。结论

本文使用扫描电子显微镜来获得图像的砂岩样品不同的放大的微观结构。选择一个阈值分割方法分割图像。然后,大小不同的孔隙分布测量基于连续孔隙大小分布和离散孔隙大小分布的方法。最后,Hagen-Poiseuille渗透率计算方法选择基于数字图像来计算样品的渗透率。

放大的图像采集影响孔隙度和随后的计算。发现图像的放大明显影响孔隙结构的特征。随着放大倍数的增加,图像的视野变得更小,少和感知的毛孔。放大倍数越大,孔隙越多,和毛孔中观察到。大孔隙的比例减少,渗透率的预测价值略有减少。孔隙分布测量方法有明显影响孔隙大小统计和渗透率计算。由于不同孔隙大小两种算法的计算原理,计算渗透率低于基于运行CPSD DPSD,比实验结果。不同的是大约一到两个数量级。在未来,获得更准确的预测,建立三维数字模型。通常有两种方法可以得到一个三维数字模型。 One is to perform three-dimensional reconstruction through X-CT scanning. Another method is to use the simulated annealing method to reconstruct the SEM image in three dimensions. Additionally, the tortuosity of the pore network and the complexity of the 3D pore network should be considered.

数据可用性

部分或全部数据、模型或代码生成或使用期间的研究可从相应的作者的请求。

的利益冲突

作者宣称没有利益冲突。

确认

作者感谢中国国家自然科学基金委的支持(51809263和51809263号),深重点实验室开放基金的地球科学和工程、四川大学(批准号DESE201906),中央大学的基础研究基金(中国矿业大学和技术)(2019 zdpy13)。