齐瑞燕,吴进波,石 磊
(1.长江大学 地球物理与石油资源学院,湖北武汉 430100;2.中海石油(中国)有限公司湛江分公司,广东湛江 524000;3.中海石油深海开发有限公司,广东深圳 518000)
现存的关于图像分割的方法数目繁多,包括阈值分割法、区域分割法以及基于小波变换等特定理论的分割方法[1-3],其中阈值分割法具有自身特有的优点,即简单实用且可以自适应获取最佳阈值,因此常被用在图像信息识别处理中。而阈值分割法最关键、最重要的一步就是确定图像的阈值,图像的阈值可以指定为单阈值也可以指定为多阈值,阈值确定方法可以通过人工指定,但其效率太低;可以通过最大类间方差法(Otsu)确定,此方法适合于双峰情况自动求取阈值,近几年也有许多学者基于Otsu 方法进行改造研究;另外,也可以通过迭代法来确定分割阈值[2-4]。
文中首先介绍了最小均方误差法和直方图法的阈值分割原理,以及阈值确定的3 种方法,然后采用迭代阈值分割算法,根据电成像测井图中裂缝、骨架、孔隙等不同部分灰度值存在差异的原理,通过迭代法指定了两个初始阈值,经过迭代计算后,最终确定了最佳分割阈值,进而对电成像测井图中不同的成分进行识别及提取。
阈值分割的原理,通常来说,就是设定一个阈值T或者两个阈值T1、T2,甚至是多个阈值T1、T2、T3等,将一幅图像像素的灰度直方图分成两个类或者3 个类,甚至是多个类[5]。这时,当该图像中某些像素的灰度值大小在同一个类范围内时,就认为这些像素属于图像中同一个物体;当该图像中另一些像素的灰度值大小在另一个类范围内时,就认为这些像素属于图像中另一个物体。故在图像分割过程中,如果能够实现对数据量的压缩进而简化图像分析处理的步骤,就会节省大量时间,而这正是阈值分割法具有的最大特点。
基于图像灰度直方图的阈值分割,是最简单、最容易理解的一种分割,它的原理是将一幅图像分为两个类,因此只需要确定一个分割阈值,这个分割阈值就是直方图中所有取值范围内的最小灰度值,也即两个峰值之间的谷底[3]。假设一幅图像f()x,y的背景区域和目标区域的灰度值分布都是比较均匀的,此时可选择图像中两个峰值之间的最小值作为分割阈值[3]。分割后的图像可定义为:
由基本数学知识可知,得到的g(x,y)公式是一个二值函数的表达式,它是函数f(x,y)经过阈值运算后得到的,得到的结果只有0 和1 两个数值,也就是把图像中各个不同的像素归为了两类,然后可根据需要自行将这两类像素分别用其他颜色填充,即可将图像中不同的物体分割开来。
过程如下:
1)将彩色图灰度化;
2)确定直方图,根据直方图选取阈值;
3)根据阈值进行图像分割;
4)将不同像素物体用不同的颜色填充。
最小均方误差法是利用一个分割阈值T将图像中物体的像素值分为两个类。通常分割阈值T可以采用最小均方误差法求出,但其中一个问题是,此方法需要进行大量复杂的运算才能得到均方误差最小的参数,故文中采用基于直方图法的原理对图像进行阈值分割。
直方图双峰法[6],也称为mode 法。当图像比较简单,其灰度直方图具有较为典型的双峰特性时,即图像中只有背景和目标两个对象[6],且在灰度直方图上各自形成一个最大灰度值,并且这两个最大灰度值之间具有明显的最小灰度值(谷底点)时,此时可选取最小灰度值(谷底点)作为分割阈值T,运用分割阈值T即可将图像分割开。
最大类间方差法[7-10],也称为大津法。此方法确定阈值的思想是根据图像的灰度直方图,分割阈值T是由目标对象和背景对象之间的类间方差最大来动态确定的,对于具有双峰情况的图像,此方法可以自动地求取分割阈值T[7-10]。实现方法具体为:假定一幅图像只包含一个目标物体和图像背景两个对象,其中目标物体的像素总个数与整幅图像的像素个数之比为t1,且目标物体的像素灰度平均值为a1;图像背景的像素总个数与该图像所有像素个数的比值为t2(其中t2+t1=1),且图像背景的像素灰度平均值为a2,那么该图像所有像素灰度平均值为[10]:
类间方差定义为:
将灰度划分为1-N级,令T在[0,N-1]范围内变化,以步长1 依次增长取值,当T增长到某一个数值时,类间方差g能够取到所有取值中的最大值,这时T值便是此图像的最佳分割阈值。
迭代法的基本思想是观察整幅图像像素灰度值的分布情况,选取一个近似阈值作为初始阈值,一般情况选择整个图像的灰度均值作为初始阈值[11],然后通过分割图像和修改阈值的迭代过程获得适合的最佳阈值,通过迭代法确定出最佳阈值,也即可以自适应地根据图像数据自动地选择阈值[11-14]。
迭代法阈值分割的步骤常分为五步。第一步:求初始阈值T,一般情况下初始阈值是通过图中所有像素值求得的平均值;第二步:用初始阈值T将图像中的像素值分成两个类,其中对应像素灰度值小于T的部分命名为G1,像素灰度值大于T的部分命名为G2。第三步:求取所有G1类中的像素平均值命名为m1,所有G2类中的像素平均值命名为m2。第四步:确定新的分割阈值Temp∶Temp=(m1+m2)/2。第五步:求新的分割阈值Temp与初始阈值之间的差值,并判断该差值是否小于预先设定的范围,如果是,就可对图像进行阈值分割;如果不是,则循环第一步到第四步,直到得到的差值小于预先设定的范围[15-18]。
基于电成像测井图中相同成分之间颜色相差不大,不同成分之间颜色相差较大的原理,采用阈值分割法处理电成像测井图,将其分成3 部分,并把相同的成分用同一种颜色填充显示。实例分析部分使用两种方法确定阈值,并进行图像分割,一种方法是输出直方图,通过观察直方图进行人工设置阈值;另一种方法是使用迭代法进行阈值的确定,基于“一个阈值可以区分两种目标物,两个阈值可以区分3 个目标物,3 个阈值区分4 个目标物…”的原理,基于大量文献的阅读与所需程序的编写修改后,对于同一张图像的分割,设置了两个阈值,解决了如何将一幅图区分成3 部分,并进行填色显示的问题。先通过自己画的一幅简单几何图进行程序测试,测试成功后再对某地区A井的电成像测井图进行识别分割。
如图1 所示,共有4 张小图,按顺时针方向(即Matlab 处理顺序)分别是原图、灰度图、直方图以及阈值分割图。通过观察简单几何图对应的直方图,设置初始分割阈值分别为T1=100,T2=150。当图中某点的阈值小于T1时用黑色填充,也即长方形区域(目标区域1);当图中某点的阈值大于T2时用白色填充,也即背景区域(目标区域2);当图中某点的阈值介于T1=100 和T2=150 时用灰色填充,也即圆形区域(目标区域2)。仔细观察可以发现,大圆和小圆颜色相差不多,故可将3 个圆同时区分开来,并在最后的阈值分割图中将3 个圆用同一种颜色填充,长方形用同一种颜色填充,背景用另一种颜色填充,最后原图经阈值分割后得到的阈值分割图如图1(c)所示。
图1 简单几何图人工指定阈值处理过程
如图2 所示,对于某地区A 井电成像测井图,观察其对应的直方图后设置初始分割阈值分别为T1=66,T2=166,原理不变,即像素小于T1时用黑色填充,像素大于T2时用白色填充,介于T1和T2之间时用灰色填充,分割结果如图2(c)所示。
图2 某地区A井电成像测井图人工指定阈值处理过程
为了将测井资料电成像图分割为3 部分,在确定阈值时选取两个初始阈值,经过迭代法,最后确定最佳阈值。
利用迭代法求阈值的步骤如下:
1)分别取出最大灰度值Tmax和最小灰度值Tmin,再取其平均值T;
然后计算T值与最小灰度值Tmin的平均值作为T1,T值与最大灰度值Tmax的平均值作为T2;
3)当灰度值小于T1、灰度值介于T1和T2之间、灰度值大于T2时,分别确定这3 部分的灰度值及其总和,并分别计算其平均值。灰度值小于T1、介于T1和T2之间、大于T2时对应的灰度平均值分别为m1、m2、m3;
4)求出总的平均值Ttmp,也即新的阈值Ttmp:Ttmp=(m1+m2+m3)/3;
5)当T≠Ttmp时,令T=Ttmp,循环步骤2)到步骤4),直到当T=Ttmp时,循环结束,分别给这3部分填色即可。
图3 为迭代阈值法图像分割的流程图。
图3 迭代阈值法图像分割流程图
图4 为简单几何迭代阈值法分割图,其初始阈值T1=110、T2=128,经过迭代运算后,得到的最佳分割阈值分别为T1=46、T2=100。
图4 简单几何迭代阈值法分割图
图5 为某地区A 井电成像测井图迭代阈值法分割图,其初始阈值T1=64、T2=128,经过迭代运算后,得到的最佳分割阈值分别为T1=44、T2=128。
图5 某地区A井电成像测井图迭代阈值法分割图
可以发现,简单几何图中的3 个圆没有被区分出来,而是被背景颜色淹没。电成像测井图的分割效果与人工设置阈值分割效果相似,结果较为理想。
从地质意义角度分析,根据电成像分析原理:地层电阻率越高,流经地层的电流越小,经过标准化处理后,图像上显示的像元的灰度越浅,例如致密的地层、骨架、石灰岩或砾石等;地层电阻率越低,流经地层的电流越大,经过标准化处理后,图像上显示的像元的灰度越深,例如泥岩、充满流体或泥质的裂缝、溶洞等。
由图2 或图5 某地区A 井电成像测井图可以看出,形似正弦曲线的黑色部分可能是含有流体或泥质的裂缝,白色部分可能是致密的地层或一部分为骨架,而灰色部分可能是普通的砂层。
文中首先介绍了阈值分割原理及阈值确定方法,然后采用人工确定阈值和迭代法计算阈值两种阈值确定的方法,对简单几何图和电成像测井图进行图像分割处理,最后通过分析对比,得出结论:①对于比较简单的图像分割处理,可以采用双峰法求阈值的思想进行人工设置阈值;对于比较复杂的电成像图像分割处理,可以利用迭代法确定阈值进而对图像进行分割处理。②文中成功将图像分割为3 个目标区域,并用不同颜色进行填充。但仍然存在分割结果不是十分明显等缺点,还需进一步探索、研究。