石油、天然气工业砂岩CT扫描图像分割及孔渗关系

焦语婷; 胡望水; 石桓山; 柴华; 徐雅婷

doi:10.12404/j.issn.1671-1815.2502109

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (8) :3248-3256 DOI: 10.12404/j.issn.1671-1815.2502109

石油、天然气工业

石油、天然气工业砂岩CT扫描图像分割及孔渗关系

焦语婷 ¹ ,
胡望水 ¹^,^* ,
石桓山 ¹ ,
柴华 ² ,
徐雅婷 ¹

作者信息 +

Sandstone CT Scan Image Segmentation and Pore Permeability Relationship

Author information +

文章历史 +

摘要

针对计算机断层成像(computed tomography,CT)扫描三维数字岩心构建中的图像分割技术优化问题,采用Avizo软件平台系统比对基于阈值与形态学的图像分割技术特性,明确其适用场景。基于大庆油田姚一段葡萄花油层砂岩样品微观孔隙分析表明:等效直径<30 μm的微孔频数占比达90%,但孔隙体积贡献率不足20%;等效直径>30 μm的孔隙虽频数占比仅10%,其体积贡献超过75%,证实其为优势储集空间。基于格子玻尔兹曼法的渗流模拟揭示:渗透率的主控因素依次为迂曲度、配位数及喉道半径,而分形维数仅表征孔隙结构复杂程度,与渗透率无显著相关性。建立了水平方向绝对渗透率与迂曲度的非线性拟合曲线,并采用25 mm柱塞样验证。研究成果为数字岩心图像处理技术优选及储层渗流规律预测提供理论依据。

Abstract

To tackle the optimization challenge of image segmentation in three-dimensional digital core construction via computed tomography (CT) scanning, systematic comparisons of threshold-based and morphological image segmentation features were conducted using the Avizo software platform. Their applicable contexts were clarified accordingly.Microscopic pore analysis of sandstone samples from the Putaohua oil layer (Yaoyi Member, Daqing Oilfield) demonstrates that micropores with an equivalent diameter <30 μm constitute 90% of the total pore frequency but contribute less than 20% to pore volume. In contrast, pores with an equivalent diameter>30 μm, though representing merely 10% of the frequency, account for over 75% of the volume—confirming them as the predominant reservoir space.Seepage modeling based on the lattice Boltzmann method indicates that the primary controlling factors of permeability are tortuosity, coordination number, and throat radius in descending order. The fractal dimension only quantifies pore structure complexity and bears no notable correlation with permeability.A nonlinear fitting curve between absolute horizontal permeability and tortuosity was developed, with validation carried out using 25 mm core plugs. These findings offer a theoretical foundation for the selection of digital core image processing technologies and the prediction of reservoir seepage behaviors.

Graphical abstract

关键词

计算机断层成像(CT)扫描 / 砂岩 / 图像分割 / 孔隙结构 / 孔渗关系 / 迂曲度

Key words

computed tomography (CT) scan / sandstone / image segmentation / pore structure / pore permeability relationship / tortuosity

引用本文

引用格式 ▾

焦语婷, 胡望水, 石桓山, 柴华, 徐雅婷. 石油、天然气工业砂岩CT扫描图像分割及孔渗关系[J]. 科学技术与工程, 2026, 26(8): 3248-3256 DOI:10.12404/j.issn.1671-1815.2502109

JIAO Yu-ting, HU Wang-shui, SHI Huan-shan, CHAI Hua, XU Ya-ting. Sandstone CT Scan Image Segmentation and Pore Permeability Relationship[J]. Science Technology and Engineering, 2026, 26(8): 3248-3256 DOI:10.12404/j.issn.1671-1815.2502109

登录浏览全文

4963

注册一个新账户忘记密码

在科技发展日新月异的背景下,传统岩心分析技术已难以适应现代科研需求,促使数字岩心技术应运而生。依托计算机断层成像(computed tomography,CT)扫描构建三维数字岩心体系,凭借其多维空间解析优势,可实现岩样孔喉网络的高精度数字化重建,为微观孔隙级岩石研究提供技术支撑^[1-2]。

砂岩储层普遍存在亚毫米级孔隙系统,叠加其显著的非均质性和错综复杂的孔隙网络特征,对储集层的物性参数、吸附动力学及渗流特性产生决定性影响。因此,建立精准的孔隙结构表征模型已成为油气储层识别、综合评价及有效开发的核心技术基础。

当前砂岩孔隙结构表征仍以物性测试技术为主导,典型代表包括高压压汞注入技术与核磁共振波谱分析法。高压压汞可以精确测定储集层孔喉中值半径、极限连通孔径、喉道分布均质度及形态系数等关键参数,但存在亚微米级孔隙盲区,且无法实现孔隙-喉道系统得形态学辨识,测试过程会对岩心样本造成不可逆的损伤^[3]。后者虽能同步获取有效孔隙度、渗流传导率及残余水赋存状态等动态参数^[4],但需要依赖复杂的反演算法及专业解释,设备配置与操作门槛制约了其普适性。值得关注的是,X射线断层扫描技术通过非侵入式三维无损重构,不仅实现了岩样多维度拓扑分析的可重复性,更构建了孔隙-基质空间耦合的精细化数字表征。刘向君等^[5]基于微CT扫描技术建立了砂岩的三维数字岩心并模拟了流体在真实孔隙空间的流动过程,通过计算获得了绝对渗透率。沈珊等^[6]通过X射线CT三维成像技术进行了致密砂岩储层微观孔隙结构表征,总结了其研究区超低渗的5个决定性因素。杨智峰等^[7]基于CT扫描对鄂尔多斯盆地西南部长6-长8段研究了致密砂岩储层微观孔隙特征。

基于此,研究样品取自大庆油田姚一段葡萄花油层直井取心段(深度1 096~1 105 m),为典型河流-三角洲相砂岩。共采集4块(样品1~4)岩样进行CT扫描实验获取样品高分辨率三维图像,通过不同图像分割技术对其孔隙度进行分割,结合物性报告验证其相关性。选取最优分割法构建孔隙网络模型,运用最大球算法和格子玻尔兹曼法获取其孔喉结构与绝对渗透率并分析孔渗关系。研究成果为深入理解复杂油藏的微观孔隙结构及其对渗流特性的影响提供了重要依据,对于优化油田开发策略和提高采收率具有实际指导意义。

1 CT扫描

CT是利用微焦点射线源发射的锥束X射线穿透样品后投影到探测器上,同时让样品和射线源及探测器进行360°的相对旋转,采集上千帧角度的数据,然后利用计算机断层扫描成像重构方法进行3D重构,从而得到样品内外结构的高分辨率3D数据及影像^[8],如图1所示。设备采用天津三英精密仪器股份有限公司生产的nano Voxel-3000微米CT扫描仪(图2),最大分辨率 0.5 μm,本次实验采用 2.5 μm 体素,扫描参数:电压 120 kV,电流 100 μA,曝光时间500 ms/帧,扫描角度 360°,步长 0.1°,对葡萄花油层的四块直径约5 mm的岩心样本进行扫描,每个岩心样本能获得1 400张二维切片(图3),通过重构软件将这些二维切片组合在一起得到基于砂岩的三维数据体(图4)。

2 CT图像处理

2.1 图像滤波

岩心图像滤波预处理的核心目标式在维持原始灰度特征的前提下优化影像信噪比,消除CT扫描过程产生的扫描噪声级成像伪影。当前技术体系中中值滤波、均值滤波、高斯滤波3种滤波方式最为常用。中值滤波作为非线性平滑方式,采用滑动窗口拓扑重构策略,通过领域像素灰度值的中位数代替原始信号值,在保留边缘锐度的同时实现异常值抑制^[9]。均值滤波也称为线性滤波,其基本原理是用均值代替原图像中的各个像素值,即针对像素目标(x,y),构建离散采样矩阵覆盖其几何领域,矩阵内所有采样点执行算术平均运算,再把该均值赋予当前像素点(x,y),作为处理后图像在该点上的灰度g(x,y)。高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到^[10]。其本质是建立像素强度值与领域空间关联度的概率密度函数映射关系。耿冲等^[11]对不同分辨率岩石CT图像的优化处理进行了分析,发现中值滤波与非局部均值滤波对去除噪声和保护边界信息有较好效果。

通过对比两种滤波方式,考虑到数据图像效果耗费时长,决定采用中值滤波方式更为合适。砂岩孔隙基本为纳米-微米级,非局部均值滤波在使图像变得更加平滑的同时也去掉了一部分小孔隙。主要采取中值滤波方式对4块砂岩岩心样本进行预处理,如图5所示。

2.2 图像分割

图像处理采用软件Avizo 2021.1版本(Thermo Fisher Scientific公司),其核心功能包括:①三维图像重构模块支持CT切片的高精度拼接;②分割工具包集成阈值分割、形态学运算等算法,可实现孔隙与骨架的自动化区分;③定量分析模块,可直接计算孔隙率、孔喉尺寸等参数,误差<2%^[12-14]。

2.2.1 阈值分割

孔隙提取最重要的部分就是对图像数据进行图像分割,只有建立准确的孔隙数据体才能构建出可靠的孔隙三维模型。阈值分割法使基于图像分割技术,将有灰度差异的原始图像以灰度差的临界值为界,将其分为若干类^[15]。简单来说就是将图像按照灰度等级进行像素点集合划分,每一个被划分出的子集对应区域的区域属性一致,相邻区域属性不一致。在数字岩心中,基于阈值分割的方法主要有交互式阈值分割、顶帽法分割、分水岭分割。

(1)交互式阈值分割。交互式分割作为一种基于用户交互的半自动化图像处理方法,其核心原理是通过设定灰度阈值区间[α, β]实现目标区域的二元化提取。具体而言,该技术依据原始图像各像素的灰度分布特征,通过人工调节阈值参数α和β构建选择区间,将落入该区间的像素标记为前景目标(赋值为1),区间外的像素归为背景区域(赋值为0)。表1为该方法分割后计算得出的孔隙率。

(2)顶帽法分割。顶帽法分割与交互式阈值分割大同小异,都是基于灰度值进行分割,只不过顶帽法分割对识别较小元素如小孔隙及微裂缝有明显优势。顶帽法分割主要分为两部分,暗部分割主要是识别原始图层中灰度值较小的部分,亮部分割是识别原始图层中灰度值较大的孔隙。通过该方法对4个样品进行分割,发现该方法对体素为2.5 μm的砂岩分割效果不好,并不能识别孔隙图层。接下来通过调整立方体闭运算条件下的内核大小进行层层累加,分析后发现该种方法不仅会过度分割孔隙与岩石骨架的边缘,也不能完全识别孔隙图层。图6为顶帽法分割的体素为9.8 μm的25 mm柱塞样,与本次实验的4个样品来自同一区块的油层。分割后发现对孔隙图层的识别较为准确,但会有一部分岩石骨架也被识别进孔隙图层了,因此认为该方法不适合作为单一孔隙分割技术,但可以作为分割的辅助手段用来弥补分辨率较差造成的微孔隙识别不清或微裂缝的提取^[16]。

(3)分水岭分割。分水岭算法是一种基于计算地形学原理的图像分割方法。该算法将数字图像建模为拓扑地貌结构,其中像素灰度值表征地形高程—高灰度值区域(明亮区)对应于地形学中的峰脊,而低灰度值区域(暗区)则被建模为汇水盆地^[17]。在此理论框架下,每个局部灰度极小值区域构成独立的集水盆地,相邻集水盆地之间的几何边界即被定义为分水岭。算法的核心实施流程表现为动态水位模拟过程:从各局部极小值区域(初始集水盆地)开始,逐步提升虚拟水位(对应增大灰度阈值)^[18]。随着水位上升,相邻集水盆地的汇水区域不断扩展,直至不同盆地的洪水前沿相遇形成接触边界。这些最终形成的接触界面即为算法输出的分水岭线,其本质是图像中不同特征区域的最优分割边界。值得注意的是,该方法对噪声和局部灰度波动较为敏感,需结合梯度计算或图像平滑预处理方能获得稳健的分割效果。

基于分水岭分割对4个样品进行孔隙图层的提取后,发现该方法可以将图层分为较精细的区域,且适用程度高。但易过度分割,将图像中的噪点或细小纹理单独化成一个区域。表2为分水岭分割方法计算得出孔隙率。

由于本次实验样品运用顶帽法分割法经过多次实验分割后效果并不理想,不对该方法有后续研究。通过表1、表2可知,分水岭分割法分割出的孔隙率均大于阈值分割法分割出的孔隙率,考虑到两种方法均对参数敏感性要求较高,将在后文与样本的气测孔隙率进行相关性分析。

2.2.2 开闭合运算

开运算与闭运算是数学形态学中基于膨胀和腐蚀的复合操作,其核心作用在于优化二值掩模的拓扑结构^[19]。此类形态学工具可精准剔除误判区域(如伪影或背景干扰),使目标特征(如孔隙、颗粒等)的边界完整性与空间分布更贴近真实结构。为提升分割精度,通常在全局阈值分割后需结合多尺度形态学操作。

(1)开闭合运算。开运算(Opening)是先腐蚀后膨胀的运算,用于平滑边界并移除细小结构。闭运算(Closing)是先膨胀后腐蚀的运算,用于填充孔隙内部小孔或连接邻近孔隙^[20]。

(2)膨胀与腐蚀运算。膨胀(Dilation)能扩展孔隙边界,填充小间隙。腐蚀(Erosion)能收缩孔隙边界,去除孤立噪声点。

基于形态学的图像分割主要对比以二值掩模和阈值分割为基础的开运算和闭运算。二值掩模生成的二值化图像存在分辨率较低导致的像素点灰度值识别不清,一部分微孔隙未被识别到孔隙图层里,生成的孔隙率结果偏小。阈值分割生成的孔隙图层较为贴近真实岩心孔隙空间位置,结合开闭运算,能很好地处理孔隙与岩石骨架之间的边缘。结合实验比对结果分析,开运算不适用于孔隙结构较小或发育微孔、微裂缝的岩心样本,在平滑边界的同时去除了一部分细小结构,闭运算对于孔隙结构复杂的样本有较好的效果。图7为4种方法分割计算出的孔隙率,表3为4个岩心样品的气测孔隙率(CoreLab CMS-300测定)。

通过对比Avizo不同分割方法分割出的孔隙与气测孔隙进行皮尔逊相关性分析发现,交互式阈值分割的孔隙率相关性最强,其次为阈值分割结合闭运算的孔隙率,开运算的孔隙率相关性最差(图8)。由此得出对于高分辨率强非均质性岩心更适用交互式阈值分割或阈值分割加闭运算,能够更好地保留复杂孔隙边界;对于地分辨率弱非均质性岩心,优选阈值分割加开运算或分水岭算法,能够有效抑制噪声干扰;顶帽法对亚像素级裂缝结构具有特异性识别能力。

3 微观孔渗分析

3.1 孔隙网络模型建立

采用阈值分割法分割出的孔隙图层运用最大球法建立球棒模型(图9)。

3.2 孔喉形态定量表征

由孔隙网络模型得到4个样品的孔喉形态特征,如表4所示。将该数据统计分析后发现,样品4各项数据均优于其他3个样品。样品1和样品2孔喉结构较为相似,样品3各项数据表现最差。4个样品配位数均大于20,说明该岩石样本的连通性较好。图10为4个样本的孔隙孔径频率分布图及体积贡献分布图,4个样本的孔隙等效直径集中分布在2.5~20 μm,样品1、样品3和样品4集中于2.5~10 μm,样品2集中于10~20 μm,分别占各自孔隙总数的42.61%、36.75%、49.97%、42.33%,但对应体积贡献却最小。相反大于30 μm的孔隙数量虽然占比较少,但体积贡献占总孔隙体积的75%以上。

3.3 渗流数值模拟

运用格子玻尔兹曼法以孔隙结构为基础对4个样品在不同方向(X、Y、Z)的速度流线场分布,如表5所示。为流体流动模拟设定边界条件,设置输入压力为0.13 MPa,输出压力为0,流体黏度为0.001 Pa·s,边界固定无滑动。流线场分布在一定程度上受控于微观孔隙结构,大而有效连通的孔喉结构可以为流体渗流提供宽而连续的渗流路径,喉道细小的小孔喉系统连通性差,只能作为储集空间而不是有效渗流通道。

4块砂岩样本的压力场模拟结果如表6所示。在准稳态流体动力学中,多孔介质内的液相迁移遵循低速运移机制。各等势面上异相流体接触面(包括液-液相界面及液-固相界面)均处于静力学平衡状态。此时毛管压力成为主导运移动力^[21-22]。理论模型显示,三维孔隙网络中的驱替前锋应呈现均质化推进特征,然而受储层微观非均质制约,实际运移模式表现为非连续跃进式发展,尤其是在宽尺度喉道及高连通性孔域呈现优势渗流通道。驱替作用持续进行时,注入相在宏观孔隙系统中逐渐建立连续相态,而微纳米低渗喉道聚集区则表现出显著的非波及特征。

3.4 孔渗关系分析

4块砂岩样本的3个方向的绝对渗透率如表7所示。分形维数(D)用于量化孔隙结构的复杂性和空间分布特征。通过盒记数法可知4块砂岩孔隙的分形维数分别为:2.513 14、2.461、2.443 76、2.468 94,表明砂岩孔隙结构具有中等偏高的复杂程度,孔隙表面不规则且分布较不均匀。

对孔隙半径、喉道半径、孔喉比、配位数、迂曲度5个参数进行皮尔逊相关性分析,并将5组参数以3个方向的绝对渗透率为基础按照相关系数从大到小进行排列:迂曲度(负相关),配位数(正相关),平均吼道半径(正相关),平均孔隙半径(正相关)平均孔喉比(正相关),如图11所示(相关系数取绝对值)。高迂曲度伴随着低渗透率,如Z方向的配位数相关系数虽然高达0.77,但其迂曲度相关系数为-0.78,平均吼道半径相关系数为0.21。对上述数据进行综合分析,对于砂岩来说,迂曲度影响最大,其次为配位数和吼道半径。高吼道半径+低迂曲度+高配位数是理想组合,可显著提升渗透率。样品1的孔喉各向异性数据差于其他样品,但Z方向绝对渗透率却显著更高,可能是因为Z方向优势喉道网络定向排列,形成局部高效流动通道且整体平均值掩盖了Z方向的局部优势特征。

选取的4块砂岩样品均来自直井取心段。油田开发过程中,直井的渗流能力评估通常以水平方向渗透率为核心指标,而砂岩储层绝对渗透率的主控因素被证实为孔隙网络迂曲度。图12、图13分别展示了X方向与Y方向绝对渗透率随迂曲度变化的非线性拟合曲线,模型预测值与实测数据的相关系数(R²)达0.939 7~0.941 3,印证了迂曲度对渗透率的主导控制作用。为进一步验证模型普适性,选取同一油层段4个直径为25 mm、分辨率为9.8 μm的柱塞样开展独立实验。经过统计学分析,X方向绝对渗透率实测值与预测值相关系数为0.96,Y方向绝对渗透率实测值与预测值相关系数为0.72。实验数据显示,X方向渗透率预测模型表现出高度统计显著性,证实了基于迂曲度参数表征孔隙结构具有较好的适用性。而Y方向中等程度相关性则按时除迂曲度外,还需考虑其他微观结构参数对渗流各向异性影响。结果表明,迂曲度可作为砂岩储层渗透率各向异性的有效预测指标,但完整描述三维渗流特征需构建多参数协同作用。

4 结论

(1)通过系统比对基于 CT 的不同图像分割方法与气测数据的相关性,明确:阈值分割因分辨率限制存在微孔隙丢失,建议通过像素边缘矫正优化;分水岭分割易过度分割,可引入形态学约束改善;顶帽分割受有机质和分辨率影响易产生假孔隙,适用于辅助提取微裂缝;开闭运算需结合阈值分割使用,其中闭运算更适用于孔隙结构复杂且含微小特征的样本。

(2)砂岩样品的孔隙分析表明,等效直径<30 μm 的孔隙频数占比达90%但体积贡献不足20%,等效直径>30 μm 的孔隙频数占比仅10%却贡献75%以上体积,通过量化孔隙 “频数-体积贡献” 的非线性关系,证实>30 μm的孔隙为优势储集空间。

(3)基于格子玻尔兹曼法渗流模拟与孔喉结构分析,明确砂岩渗透率的主控因素为迂曲度、配位数及喉道半径(喉道尺度大且迂曲度低时渗流效率最优),分形维数仅反映孔隙复杂性而非核心控制参数。建立的迂曲度与水平方向渗透率的非线性拟合曲线经同一区块 25 mm 柱塞样验证,证实迂曲度可作为砂岩储层渗透率各向异性的有效预测指标。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	陈秀娟, 刘之的, 刘宇羲, 等. 致密储层孔隙结构研究综述[J]. 物探与化探, 2022, 46(1): 22-31.

[2]	Chen Xiujuan, Liu Zhidi, Liu Yuxi, et al. Review on pore structure of tight reservoirs[J]. Geophysical and Geochemical Exploration, 2022, 46(1): 22-31.

[3]	刘培刚, 刘钰洋, 潘懋, 等. 基于砂岩三维数字岩心图像的图像处理与相划分研究[J]. 科学技术与工程, 2017, 17(6): 22-30.

[4]	Liu Peigang, Liu Yuyang, Pan Mao, et al. Image processing and phase division based on 3D digital core images of sandstone[J]. Science Technology and Engineering, 2017, 17(6): 22-30.

[5]	朱仰其, 张惠, 姚志刚, 等. 基于高压压汞实验致密砂岩储层分形特征及控制因素[J]. 科学技术与工程, 2024, 24(20): 8419-8428.

[6]	Zhu Yangqi, Zhang Hui, Yao Zhigang, et al. Fractal characteristics and controlling factors of tight sandstone reservoirs based on high-pressure mercury injection experiments[J]. Science Technology and Engineering, 2024, 24(20): 8419-8428.

[7]	王建红. 核磁共振测井技术发展综述[J]. 石化技术, 2023, 30(4): 141-143.

[8]	Wang Jianhong. Review on development of nuclear magnetic resonance logging technology[J]. Petrochemical Technology, 2023, 30(4): 141-143.

[9]	刘向君, 熊健, 梁利喜, 等. 基于微CT技术的致密砂岩孔隙结构特征及其对流体流动的影响[J]. 地球物理学进展, 2017, 32(3): 1019-1028.

[10]	Liu Xiangjun, Xiong Jian, Liang Lixi, et al. Pore structure characteristics of tight sandstone and their influence on fluid flow based on micro-CT technology[J]. Progress in Geophysics, 2017, 32(3): 1019-1028.

[11]	沈珊, 卢双舫, 唐明明, 等. 致密砂岩储层微观孔喉表征及渗流模拟[J]. 河南科学, 2016, 34(10): 1699-1705.

[12]	Shen Shan, Lu Shuangfang, Tang Mingming, et al. Microscopic pore-throat characterization and seepage simulation of tight sandstone reservoirs[J]. Henan Science, 2016, 34(10): 1699-1705.

[13]	杨智峰, 曾溅辉, 韩菲, 等. 鄂尔多斯盆地西南部长6-长8段致密砂岩储层微观孔隙特征[J]. 天然气地球科学, 2017, 28(6): 909-919.

[14]	Yang Zhifeng, Zeng Jianhui, Han Fei, et al. Microscopic pore characteristics of tight sandstone reservoirs in Chang 6-Chang 8 members of southwestern Ordos Basin[J]. Natural Gas Geoscience, 2017, 28(6): 909-919.

[15]	马志强, 左艳丽, 卢春华. 计算机断层扫描(CT)技术在矿物岩石细观结构观测中的应用[J]. 化工矿物与加工, 2019, 48(3): 4-8..

[16]	Ma Zhiqiang, Zuo Yanli, Lu Chunhua. Application of computed tomography (CT) technology in mesostructure observation of mineral rocks[J]. Industrial Minerals & Processing, 2019, 48(3): 4-8.

[17]	王旭, 赵冲. 井中地震数据中值滤波方法研究[J]. 云南化工, 2019, 46(9): 77-79.

[18]	Wang Xu, Zhao Chong. Median filtering method for borehole seismic data[J]. Yunnan Chemical Technology, 2019, 46(9): 77-79.

[19]	王文远. 基于图像信噪比选择优化高斯滤波尺度[J]. 电子与信息学报, 2009, 31(10): 2483-2487.

[20]	Wang Wenyuan. Optimal Gaussian filter scale selection based on image signal-to-noise ratio[J]. Journal of Electronics & Information Technology, 2009, 31(10): 2483-2487.

[21]	耿冲, 杨永飞, 高莹. 不同分辨率岩石CT图像的优化处理方法[J]. 科学技术与工程, 2014, 14(2): 1-4.

[22]	Geng Chong, Yang Yongfei, Gao Ying. Optimization methods for rock CT images with different resolutions[J]. Science Technology and Engineering, 2014, 14(2): 1-4.

[23]	徐雯硕, 梁利喜, 缑健儒, 等. 基于微CT扫描的砂砾岩孔隙结构表征[J]. 科学技术与工程, 2025, 25(3): 999-1007.

[24]	Xu Wenshuo, Liang Lixi, Gou Jianru, et al. Characterization of pore structure in conglomerate based on micro-CT scanning[J]. Science Technology and Engineering, 2025, 25(3): 999-1007.

[25]	王章飞, 方辉煌, 桑树勋, 等. 两淮煤田低渗煤层孔隙结构三维可视化表征及其连通性[J]. 科学技术与工程, 2024, 24(26): 11195-11207.

[26]	Wang Zhangfei, Fang Huihuang, Sang Shuxun, et al. Three-dimensional visualization characterization and connectivity analysis of pore structure in low-permeability coal seams from Lianghuai coalfield[J]. Science Technology and Engineering, 2024, 24(26): 11195-11207.

[27]	张沛. 基于图像检索技术的受载煤样裂隙演化规律[J]. 科学技术与工程, 2024, 24(13): 5344-5349.

[28]	Zhang Pei. Fractureevolution law of loaded coal samples based on image retrieval technology[J]. Science Technology and Engineering, 2024, 24(13): 5344-5349.

[29]	廉培庆, 高文彬, 汤翔, 等. 基于CT扫描图像的碳酸盐岩油藏孔隙分类方法[J]. 石油与天然气地质, 2020, 41(4): 852-861.

[30]	Lian Peiqing, Gao Wenbin, Tang Xiang, et al. Pore classification method for carbonate reservoirs based on CT scanning images[J]. Oil & Gas Geology, 2020, 41(4): 852-861.

[31]	吴丰, 陈学武, 赵辉, 等. 基于CT扫描与图像处理技术的岩心多尺度裂缝提取方法[J]. 石油实验地质, 2025, 47(4): 882-894.

[32]	Wu Feng, Chen Xuewu, Zhao Hui, et al. Multi-scale fracture extraction method for cores based on CT scanning and image processing technology[J]. Petroleum Geology & Experiment, 2025, 47(4): 882-894.

[33]	孟杰, 李长冬, 闫盛熠, 等. 基于μCT技术的白鹤滩库区致密砂岩孔-裂隙三维成像特征研究[J]. 地质科技通报, 2023, 42(1): 20-28.

[34]	Meng Jie, Li Changdong, Yan Shengyi, et al. Three-dimensional imaging characteristics of pores and fractures in tight sandstone of Baihetan Reservoir Area based on μCT technology[J]. Geological Science and Technology Bulletin, 2023, 42(1): 20-28.

[35]	刘俊丽. 数学形态学在数字图像处理中的应用[J]. 集成电路应用, 2022, 39(8): 75-77.

[36]	Liu Junli. Application of mathematical morphology in digital image processing[J]. Applications of IC, 2022, 39(8): 75-77.

[37]	章鼎. 数学形态学在图像处理与计算机视觉中的创新应用[J]. 信息记录材料, 2024, 25(6): 89-91.

[38]	Zhang Ding. Innovative applications of mathematical morphology in image processing and computer vision[J]. Information Recording Materials, 2024, 25(6): 89-91.

[39]	王帆, 吕继东, 申根荣, 等. 基于CLAHE和开闭运算的绿色苹果图像分割[J]. 计算机测量与控制, 2017, 25(2): 141-145.

[40]	Wang Fang, Lü Jidong, Shen Genrong, et al. Green apple image segmentation based on CLAHE and opening-closing operations[J]. Computer Measurement & Control, 2017, 25(2): 141-145.

[41]	Mohammadmoradi P, Kantzas A. Pore-scale permeability calculation using CFD and DSMC techniques[J]. Journal of Petroleum Science and Engineering, 2016, 146: 515-525.

[42]	王杨. 大庆杏树岗油田杏六区数字岩心及微观剩余油研究[D]. 青岛: 中国石油大学(华东), 2018.

[43]	Wang Yang. Study on digital core and microscopic residual oil in Xingliu area of Daqing Xingshugang Oilfield[D]. Qingdao: China University of Petroleum, 2018.