基于HSV颜色模型的新型岩石石油含量占比计算应用＊

广州软件学院 李慧斯 李映瑶 姚月敏 魏文锋

颜色模型目前在烟叶级别分类、医药卫生技术、农产品检验、人脸检测等不同领域有其运用价值。该文对收集到的岩石石油样本图像进行预处理，利用HSV颜色模型提取图像中符合特征的部分，设计计算样本岩石数据的含油量占比的算法。通过对比不同颜色模型的特点，选定适合本文研究的HSV颜色模型作为取值基准，再利用岩石含油部分呈现黄色、绿色发光的特征，对岩石样本图像黄绿发光部分进行特征提取，二值化处理后对其进行遍历判断像素值，最后计算出黄绿发光部分在其岩石样本图像中的占比，得出最终的岩石石油含量百分比，完成算法设计，为岩石石油含油勘探提供参考。

1 国内外研究成果

1981年中国能源局发布了中国石油行业石油含油级别的标准划分（SY 5364—89）[1]，规定了荧光检测的方法属于本国对岩石含油的一套标准。2013年，程媛媛、管继腾等发表了《基于毛管模型的含油储层岩石激发极化特性》[2]，基于储层岩石联毛管，构建了一种新型的毛管模型，促进石油物理勘测效率。2016年，中国石油天然气股份有限公司对岩石含油量测定方法及配套装置申请了国家专利[3]，参考油岩矿石物样本的三维荧光光谱强度原理并将其利用到发明中[4]。虽然我国在岩石含油量方面的研究已经被石油勘探行业所使用，但是由于我国引入国外的技术时间较晚，所以与外国石油勘探技术相比仍有一定的差距。颜色模型目前在不同领域的都具有一定的运用价值，但在岩石石油含油量计算领域比较少应用。为此，该文就颜色模型应用于岩石石油含量计算进行研究。

2 数据采集与预处理

2.1 数据采集

本研究对多个岩石样本网站进行比较，考虑数据的可靠性、真实性等问题，确定将第九届泰迪杯全国大学生数据挖掘竞赛B题的岩石岩心（含油）图片数据作为本研究的数据源。样本数据格式有两种，分别是BMP及JPG。其中，BMP格式的图片大小为4096×3000 DPI，此类照片没有明显的背景，对实验的影响较小；JPG格式的图片大小为2048×2448 DPI，此类照片有明显的蓝黑色背景，且发光部分相对不明显，对岩石含油量占比计算的影响较大，因此数据预处理部分将针对此部分图像进行图像分割等一系列操作。

2.2 样本数据预处理

通过上述数据观察对JPG格式的样本数据进行处理，首先对样本进行降噪处理，模糊图像中岩石的细节特征，接着对样本图像进行4×4的图像切割，最后对切割好的样本以岩石占75%为准则（即将岩石占图像少于75%的4×4样本剔除）进行样本图像清洗，得到最终的研究岩本数据。

2.3 图像降噪

所收集到的岩石图片数据属于高分辨率图像，图像内包含了较多的纹理信息，对实验成本造成浪费，所以决定用高斯滤波器对样本图片进行处理。高斯滤波器是一种线性平滑滤波，其功能是消除高斯噪音，经常被用于图像处理噪点抑制噪波点[5]。经过高斯滤波器处理后，数据图像内存在的细节信息模糊。

2.4 数据清洗

样本数据为JPG格式图像，由一些碎石组成，存在蓝黑色背景，所以对该类图片进行图像分割使得样本数据干扰性减少，还可以增加有效样本数据本身的信息量。对原有数据图像进行分割是在不损害原有岩石岩性的基础之上，让数据增大，避免图像遭到破坏。利用OpenCV对样本图像进行分割，提高算法的准确率。

对数据图像进行4×4的图像分割后，每一张岩石样本数据平均切割为16张样本，使得每张图片可以达到统一的宽高，有利于建立实用性更强的算法。在不损害岩石整体特征的基础上，去除脏数据。为尽可能地确保数据地有效性，本实验选择将样本数据中黑蓝色背景占整张图片75%的图像进行去除。

3 算法设计与实现

算法的设计首先对比了两种颜色模型，最终选取HSV颜色模型作为本实验的标准模型，接着根据HSV标准颜色取值范围经过调参确定了本实验的黄绿发光部分HSV取值范围，然后对样本进行RGB色彩空间的转换并对其进行遍历最后计算出岩石含油占比。

3.1 颜色模型选择

颜色模型即在某个以三维向量表示的色彩空间中某一可见光的子集，通常情况下，没有一种颜色模型是能够表示所有可见光的[6]。常见的颜色模型有NTSC、HSV、RGB、HSK YcbCr、CIECMY/CMYK等[6]。

岩石样本数据是在紫外线照射下拍摄的，岩石含油部分在此条件照射下具有发光的特征，呈现绿色荧光及黄色荧光的部分即岩石含油部分。

首先RGB颜色模型是一种依赖于成像仪器的颜色模型，不同的设备对同种颜色的RGB值呈现效果不同，其次同一部设备在不同的时间条件下呈现的RGB值也不相同。最后，RGB颜色模型的范围从（0,0,0）白色到（255,255,255）黑色，但是黄色及绿色发光部分的取值，并不能呈现出一个准确的范围，不适合用来提取图片中黄绿发光部分。而HSV颜色模型，该模型是由色调、饱和度、明度作为参数，相较于其他颜色模型，与人眼对颜色呈现的标准较符合，因此，HSV颜色模型可以更好的反映人类对颜色的感知[7]，因此本实验选择HSV颜色模型作为衡量岩石发荧光部分的标准。

3.2 确定实验参数标准

石油在紫外线照射下具有发光特征，即荧光灯下拍摄的相片中绿色或黄色部分是含油的，可见黄色和绿色的HSV范围会决定后面提取的质量，所以将进行多次调整参数实验，将每次的效果和原本的荧光图进行对比，选取效果最好的一组参数。

通常情况下，首先，为了保证色彩空间的图像处理的有效性，样本图像都是在HSV色彩空间中处理的，其次，对于常见的颜色所对应的HSV极值分量需要拥有一个准确严谨的范围[7]。

根据HSV基础颜色分量范围，提取的黄色及绿色范围如表1所示。

表1 黄色绿色HSV值取值范围Tab.1 The HSV range of color yellow and green

接着根据上表取值范围，在范围内设定参数进行实验对比，并寻找最合适发光特征的参数范围。

图2 不同参数下效果的对比 2Fig.2 Comparison of result based on different parameters 2

如图1-图3所示，经过三次调参实验可知，第一组参数状态下存在非原数据发光部分，实验结果比实际情况的数值偏大；第二组参数状态下所识别的发光部分少于原数据的黄绿发光部分；第三组参数状态下所识别的发光部分与现实图中所存在的黄绿发光部分较符合，是最适合作为实验参数的一组。最后选择了如表2所示的HSV取值范围作为本次研究的基础。

图1 不同参数下效果的对比 1Fig.1 Comparison of result based on different parameters 1

图3 不同参数下效果对比 3Fig.3 Comparison of result based on different parameters 3

表2 黄绿色HSV取值范围Tab.2 The HSV range of color yellow and green

3.3 色彩空间转化

将实验标准以HSV色彩空间为标准，需要将所有的样本图片转化为HSV图像，样本图像的三维坐标，RGB颜色模型的参数是Red、Green、Blue，而HSV颜色模型的三维坐标则是（H，S，V）,首先将RGB颜色模型中的值转换到[0,1]之间，算法如式（1）所示。

然后再分别对H、S、V的值进行计算(公式如式（2）所示)，若最终计算的H＜0，则将该值加上360，最终得到色相。

3.4 遍历判断荧光图像素值

提取到的范围内的黄绿发光部分像素图，首先进行灰度处理，接着将图像进行二值化处理，使得样本内含信息量大大减少，最终以黑白图的形式进行展示，使得检验物体的轮廓更为鲜明，方便后期面积占比的计算。将图像中黄、绿色部分以白色呈现，其余部分以黑色呈现，方便计算样图像中黄、绿色发光部分（即岩石含油部分）的占比。

3.5 计算黑白像素的百分比含量

将遍历每张黑白的像素值，计算白色部分的像素值占整张图片像素值的占比(即黄色或绿色部分占总岩石面积的百分比)。

4 结果分析

使用HSV颜色模型作为衡量黄绿色发光部分的标准，对样本数据图像黄色及绿色部分进行提取，并将提取出来的部分进行二值化处理。对经过处理的二值图进行遍历提取出黄绿发光部分图像按照像素再次进行遍历，计算得出汽油部分占原图像（岩石）的像素点个数，设计出了一个合适计算岩石含有面积百分比含量的算法。

油气面积占比=油气部分像素点个数/原图像像素点个数

如表3所示为部分计算结果，平均的岩石含油面积占比为0.25%。

表3 岩石含油面积计算结果Tab.3 Calculation results of oil-bearing area of rock

5 结语

本研究主要围绕岩石石油含量的问题所展开，计算样本岩石含油面积百分比含量。将岩石在黑暗空间下，利用紫外线照射，岩石含石油部分呈现黄色及绿色发光的特征，通过HSV色彩空间对黄、绿两色的色相、饱和度、明度的取值范围界定。为更加准确地提取出黄绿发光的色彩，经过多次实验对比，在标准黄绿颜色的取值范围内缩小了色相、饱和度、明度的取值范围，即黄色发光部分数值范围为[26,43,46]至[34,255,255]；绿色发光部分数值范围为[35,100,100]至[77,255,255]。对样本中以RGB颜色模型为基准的图像进行转换，并将这部分图像以黑白图像的方式呈现，二值化处理后进行遍历判断像素值，计算黑白像素占比，得出最终的岩石石油含量，完成算法的设计。

引用

[1]SY 5364-1989,岩石含油级别的划分[S].

[2]程媛媛,关继腾,王殿生.基于毛管模型的含油储层岩石激发极化特性[J].石油地球物理勘探,2013,48(3):467-473+506+331.

[3]田华,刘可禹,鲁雪松,等.岩石含油量测定方法及装置:中国, CN201610791513.8[P].2020-11-06.

[4]王阳恩,徐大海,陈奇.基于激光诱导击穿光谱的岩石含油级别判断方法:中国,CN201610242042.5[P].2016-08-17.

[5]张文清,肖厚元,王众,等.基于双核高斯滤波的PSP图像去噪[J].电子测试,2022(1):39-42.

[6]姚敏.数字图像处理[M].北京:机械工业出版社,2017.

[7]王明迁,李丹阳,郝威凯,等.基于HSV颜色模型的图像识别技术研究[J].科技资讯,2020,18(35):1-2+8.