一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法

摘要

本发明公开了一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法，包括以下步骤：步骤S1、基于同一砂岩样品或碳酸盐岩样品的制备多组铸体薄片，并建立用于识别同一砂岩样品或碳酸盐岩样品的孔隙全单元的孔隙关键画像链。本发明利用差异度高的多组铸体薄片进行融合掌握砂岩样品或碳酸盐岩样品中的全局孔隙特征，基于全局孔隙特征定量分析而得的孔隙配位数精度高，并且能够针对砂岩储层样品以及碳酸盐岩储层样品中的孔隙配位数进行输出，相比于CT法，处理非常便捷同时消耗的人力物力较低，同时能够处理常规砂岩与碳酸盐岩储层以及孔隙度较低半径较小的非常规砂岩储层及碳酸盐岩储层，适用范围广。

权利要求

1.一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法，其特征在于，包括以下步骤：步骤S1、基于同一砂岩样品或碳酸盐岩样品制备多组铸体薄片，并建立用于识别同一砂岩样品或碳酸盐岩样品的孔隙全单元的孔隙关键画像链，多组所述铸体薄片由同一砂岩样品或碳酸盐岩样品沿同向连续提取并具有同一标定基线，建立所述孔隙关键画像链的具体方法包括：步骤S101、电子显微镜对多组所述铸体薄片进行扫描获得多组铸体薄片SEM图像，并对多组铸体薄片SEM图像进行差异分类获得多个黏度低SEM图像簇；

步骤S102、在多个所述SEM图像簇中分别选取簇中心的铸体薄片SEM图像构成孔隙关键画像链；

其中：

对多组所述铸体薄片SEM图像进行差异分类并选取簇中心的铸体薄片SEM图像的具体方法包括：依次计算各组所述铸体薄片SEM图像的直方图差异度，并将直方图差异度低于规定阈值的所有所述铸体薄片SEM图像归为一簇以使得各个SEM图像簇间的差异度高，所述直方图差异度的计算公式：其中，X为各组铸体薄片SEM图像，xi，xj为第i，j组铸体薄片SEM图像的直方图，p(xi,xj)是xi和xj的联合概率分布函数，而p(xi)和p(xj)分别是xi和xj的边缘概率分布函数；

依次计算各个SEM图像簇的直方图均值，并选取与所述直方图均值的欧式最小的所述铸体薄片SEM图像作为SEM图像簇的簇中心；

步骤S2、基于孔隙关键画像链识别同一砂岩样品或碳酸盐岩样品的孔隙全单元，并量化所述孔隙全单元获得一组孔隙配位数据链；

步骤S3、融合所有孔隙配位数据链获得孔隙全配位数据阵列，并基于孔隙全配位数据阵列定量获得同一砂岩样品或碳酸盐岩样品的孔隙配位数。

2.根据权利要求1所述的一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法，其特征在于：所述步骤S2中，识别孔隙全单元的具体方法包括：步骤S201、孔隙关键画像链上所有铸体薄片SEM图像进行选择性的二值图像转化生成铸体薄片二值图像；

步骤S202、铸体薄片二值图像进行孔隙边缘识别，基于所述孔隙边缘依次对每个所述铸体薄片二值图像进行孔隙单元划分；

步骤S203、汇总每个所述铸体薄片二值图像中的孔隙单元构成孔隙全单元。

3.根据权利要求2所述的一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法，其特征在于：所述选择性的二值图像转化包括二值转化所述铸体薄片SEM图像中的各类颜色和像素，所述步骤S201中还包括对铸体薄片二值图像进行降噪处理，所述降噪处理的具体方法包括：方法一：将连接像素点低于规定阈值的像素单元进行删除，并对删除的像素单元进行重赋值；

方法二：将连接像素点高于规定阈值的像素单元进行膨胀，并对膨胀的像素单元进行重连接。

4.根据权利要求3所述的一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法，其特征在于：所述步骤S2中，量化所述孔隙全单元获得一组孔隙配位数据链的具体方法包括：基于所述孔隙单元定量量化每个所述铸体薄片二值图像的孔隙配位数据阵列；

将所有的所述孔隙配位数据阵列以所述孔隙关键画像链的径向深度进行链接构成孔隙配位数据链。

5.根据权利要求4所述的一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法，其特征在于，所述步骤S3，融合所有孔隙配位数据链获得孔隙全配位数据阵列的具体方法包括：对所述孔隙配位数据链沿径向深度进行逐层融合获得孔隙全配位数据阵列；

依据所述孔隙全配位数据阵列生成孔隙全配位图像，并基于孔隙全配位图像生成孔隙配位数直方图。

6.根据权利要求5所述的一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法，其特征在于，基于所述孔隙配位数直方图定量计算同一砂岩样品或碳酸盐岩样品的孔隙配位数。

7.根据权利要求6所述的一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法，其特征在于，对所述孔隙配位数据链沿径向深度进行逐层融合获得孔隙全配位数据阵列的具体方法包括：将所述孔隙配位数据链上的所有孔隙配位数据阵列沿标定基线重合的方向进行调整使得所有孔隙配位数据阵列垂直排列；

将所有孔隙配位数据阵列进行逐次垂直叠加生成孔隙全配位数据阵列。

8.根据权利要求7所述的一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法，其特征在于，所述标定基线的绘制方法包括：以同一砂岩样品或碳酸盐岩样品的横截面和纵截面的交线的投影点作为标定基线的标定中点，并分别以横截面和纵截面的投影线作为标定基线的标定横向基线和标定纵向基线。

说明书

一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法

技术领域

[0001] 本发明涉及孔隙分析技术领域，具体涉及一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法。

背景技术

[0002] 孔隙结构是指岩石内的孔隙和喉道的空间结构，包括类型、大小、分布、相互连通关系、孔隙的几何形状和微观非均质特征等，是反映储层微观非均质的重要参数。储层中的孔隙配位数指的是连接每一个孔隙的喉道数量，通常以统计结果的平均数来表示。孔隙配位数反映孔隙连通性的重要参数。它不仅控制了石油的运移和储集，而且对储层的产油能力、驱油效率以及最终采收率都有着较大影响。

[0003] 目前而言，孔隙配位数的定量研究主要集中于3D‑CT图像计算岩芯样品中的孔隙与吼道分布以及孔喉半径。3D‑CT图像方法测试的结果较为精确，但费时，耗材，使用成本非常高。对常规砂岩与碳酸盐岩储层样品的铸体薄片中孔隙不适用。此外，3D‑CT图像对于致密砂岩以及溶蚀孔类型的碳酸盐岩样品的孔隙配位数难度大，并且现有技术中利用铸体薄片进行孔隙配位数定量分析，仅选取单一铸体薄片进行定量分析，单一铸体薄片只包含了局部孔隙特征，从而建立在局部孔隙特征的孔隙配位数分析，则具有精度低的缺陷。

发明内容

[0004] 本发明的目的在于提供一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法，以解决现有技术中计算储层孔隙配位数费时，成本非常高，且适用范围局限，精度低的技术问题。

[0005] 为解决上述技术问题，本发明具体提供下述技术方案：

[0006] 一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法，包括以下步骤：

[0007] 步骤S1、基于同一砂岩样品或碳酸盐岩样品制备多组铸体薄片，并建立用于识别同一砂岩样品或碳酸盐岩样品的孔隙全单元的孔隙关键画像链；

[0008] 步骤S2、基于孔隙关键画像链识别同一砂岩样品或碳酸盐岩样品的孔隙全单元，并量化所述孔隙全单元获得一组孔隙配位数据链；

[0009] 步骤S3、融合所有孔隙配位数据链获得孔隙全配位数据阵列，并基于孔隙全配位数据阵列定量获得同一砂岩样品或碳酸盐岩样品的孔隙配位数。

[0010] 作为本发明的一种优选方案，所述步骤S1，多组所述铸体薄片由同一砂岩样品或碳酸盐岩样品沿同向连续提取并具有同一标定基线，建立所述孔隙关键画像链的具体方法包括：

[0011] 步骤S101、电子显微镜对多组所述铸体薄片进行扫描获得多组铸体薄片SEM图像，并对多组铸体薄片SEM图像进行差异分类获得多个黏度低SEM图像簇；

[0012] 步骤S102、在多个所述SEM图像簇中分别选取簇中心的铸体薄片SEM图像构成孔隙关键画像链。

[0013] 作为本发明的一种优选方案，对多组所述铸体薄片SEM图像进行差异分类并选取簇中心的铸体薄片SEM图像的具体方法包括：

[0014] 依次计算各组所述铸体薄片SEM图像的直方图差异度，并将直方图差异度低于规定阈值的所有所述铸体薄片SEM图像归为一簇以使得各个SEM图像簇间的差异度高，所述直方图差异度的计算公式：

[0015]

[0016] 其中，X为各组铸体薄片SEM图像，xi，xj为第i，j组铸体薄片SEM图像的直方图，p(xi,xj)是xi和xj的联合概率分布函数，而p(xi)和p(xj)分别是xi和xj的边缘概率分布函数；

[0017] 依次计算各个SEM图像簇的直方图均值，并选取与所述直方图均值的欧式最小的所述铸体薄片SEM图像作为SEM图像簇的簇中心。

[0018] 作为本发明的一种优选方案，所述步骤S2中，识别孔隙全单元的具体方法包括：

[0019] 步骤S201、孔隙关键画像链上所有铸体薄片SEM图像进行选择性的二值图像转化生成铸体薄片二值图像；

[0020] 步骤S202、铸体薄片二值图像进行孔隙边缘识别，基于所述孔隙边缘依次对每个所述铸体薄片二值图像进行孔隙单元划分；

[0021] 步骤S203、汇总每个所述铸体薄片二值图像中的孔隙单元构成孔隙全单元。

[0022] 作为本发明的一种优选方案，所述选择性的二值图像转化包括二值转化所述铸体薄片SEM图像中的各类颜色和像素，所述步骤S201中还包括对铸体薄片二值图像进行降噪处理，所述降噪处理的具体方法包括：

[0023] 方法一：将连接像素点低于规定阈值的像素单元进行删除，并对删除的像素单元进行重赋值；

[0024] 方法二：将连接像素点高于规定阈值的像素单元进行膨胀，并对膨胀的像素单元进行重连接。

[0025] 作为本发明的一种优选方案，所述步骤S2中，量化所述孔隙全单元获得一组孔隙配位数据链的具体方法包括：

[0026] 基于所述孔隙单元定量量化每个所述铸体薄片二值图像的孔隙配位数据阵列；

[0027] 将所有的所述孔隙配位数据阵列以所述孔隙关键画像链的径向深度进行链接构成孔隙配位数据链。

[0028] 作为本发明的一种优选方案，所述步骤S3，所述融合所有孔隙配位数据链获得孔隙全配位数据阵列的具体方法包括：

[0029] 对所述孔隙配位数据链沿径向深度进行逐层融合获得孔隙全配位数据阵列；

[0030] 依据所述孔隙全配位数据阵列生成孔隙全配位图像，并基于孔隙全配位图像生成孔隙配位数直方图。

[0031] 作为本发明的一种优选方案，基于所述孔隙配位数直方图定量计算同一砂岩样品或碳酸盐岩样品的孔隙配位数。

[0032] 作为本发明的一种优选方案，对所述孔隙配位数据链沿径向深度进行逐层融合获得孔隙全配位数据阵列的具体方法包括：

[0033] 将所述孔隙配位数据链上的所有孔隙配位数据阵列沿标定基线重合的方向进行调整使得所有孔隙配位数据阵列垂直排列；

[0034] 将所有孔隙配位数据阵列进行逐次垂直叠加生成孔隙全配位数据阵列。

[0035] 作为本发明的一种优选方案，所述标定基线的绘制方法包括：

[0036] 以同一砂岩样品或碳酸盐岩样品的横截面和纵截面的交线的投影点作为标定基线的标定中点，并分别以横截面和纵截面的投影线作为标定基线的标定横向基线和标定纵向基线。

[0037] 本发明与现有技术相比较具有如下有益效果：

[0038] 本发明利用差异度高的多组铸体薄片进行融合掌握砂岩样品或碳酸盐岩样品中的全局孔隙特征，基于全局孔隙特征定量分析而得的孔隙配位数精度高，并且能够针对砂岩储层样品以及碳酸盐岩储层样品中的孔隙配位数进行输出，相比于CT法，处理非常便捷同时消耗的人力物力较低，同时能够处理常规砂岩与碳酸盐岩储层以及孔隙度较低半径较小的非常规砂岩储层及碳酸盐岩储层，适用范围广。

附图说明

[0039] 为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

[0040] 图1为本发明实施例提供的定量分析方法流程图；

[0041] 图2为本发明实施例提供的砂岩储层与碳酸盐岩储层中孔隙配位数定量分析框图；

[0042] 图3为本发明实施例提供的砂岩样品和碳酸盐岩样品单组铸体薄片的定量分析方法流程示意图；

[0043] 图4为本发明实施例提供的砂岩样品的多组铸体薄片的定量分析方法流程示意图；

[0044] 图5为本发明实施例提供的致密砂岩样品，以及原生粒间孔、晶间孔为储集空间的碳酸盐岩样品的多组铸体薄片的定量分析方法流程示意图。

具体实施方式

[0045] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0046] 如图1和2所示，本发明提供了一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法，包括以下步骤：

[0047] 步骤S1、基于同一砂岩样品或碳酸盐岩样品制备多组铸体薄片，并建立用于识别同一砂岩样品或碳酸盐岩样品的孔隙全单元的孔隙关键画像链；

[0048] 所述步骤S1，多组所述铸体薄片由同一砂岩样品或碳酸盐岩样品沿同向连续提取并具有同一标定基线，建立所述孔隙关键画像链的具体方法包括：

[0049] 将多组铸体薄片进行差异度划分，并选取差异度大的铸体薄片分别定量分析孔隙配位数据，并将差异大的孔隙配位数据进行融合可最大程度获取同一砂岩样品或碳酸盐岩样品的完整孔隙结构特征，同时基于完整孔隙结构特征可最大程度的掌握到完整的孔隙配位数据，提高定量精度，而且同一砂岩样品或碳酸盐岩样品同向连续提取的多组铸体薄片中存在相似度高的铸体薄片，则相似度高的铸体薄片具有相似的孔隙结构特征，相互融合并不能起到补充孔隙结构特征的作用，反而过多的相似孔隙结构特征会造成大量冗余计算，因此需要选取出多组铸体薄片中差异度大的铸体薄片进行融合，以充分补充孔隙结构特征，具体如下：

[0050] 步骤S101、电子显微镜对多组所述铸体薄片进行扫描获得多组铸体薄片SEM图像，并对多组铸体薄片SEM图像进行差异分类获得多个黏度低SEM图像簇；

[0051] 步骤S102、在多个所述SEM图像簇中分别选取簇中心的铸体薄片SEM图像构成孔隙关键画像链。

[0052] 对多组所述铸体薄片SEM图像进行差异分类并选取簇中心的铸体薄片SEM图像的具体方法包括：

[0053] 依次计算各组所述铸体薄片SEM图像的直方图差异度，并将直方图差异度低于规定阈值的所有所述铸体薄片SEM图像归为一簇以使得各个SEM图像簇间的差异度高，所述直方图差异度的计算公式：

[0054]

[0055] 其中，X为各组铸体薄片SEM图像，xi，xj为第i，j组铸体薄片SEM图像的直方图，p(xi,xj)是xi和xj的联合概率分布函数，而p(xi)和p(xj)分别是xi和xj的边缘概率分布函数；

[0056] 依次计算各个SEM图像簇的直方图均值，并选取与所述直方图均值的欧式最小的所述铸体薄片SEM图像作为SEM图像簇的簇中心。

[0057] 步骤S1可以从多组铸体薄片中删选出包含互补的孔隙特征结构的铸体薄片以融合，提高定量分析准确度的同时，还可降低冗余计算，提高效率。

[0058] 步骤S2、基于孔隙关键画像链识别同一砂岩样品或碳酸盐岩样品的孔隙全单元，并量化所述孔隙全单元获得一组孔隙配位数据链；

[0059] 所述步骤S2中，识别孔隙全单元的具体方法包括：

[0060] 步骤S201、孔隙关键画像链上所有铸体薄片SEM图像进行选择性的二值图像转化生成铸体薄片二值图像；

[0061] 本实施例选用MATLAB内置应用程序Image Segmenter进行对储层铸体图像进行转化。不同于依靠代码转化的不可观察性以及依靠绘图软件的不精准性。应用程序“Image Segmenter”能够通过识别图像中的各类颜色以及像素进行转化，做到精准与精确。

[0062] 步骤S202、铸体薄片二值图像进行孔隙边缘识别，基于所述孔隙边缘依次对每个所述铸体薄片二值图像进行孔隙单元划分；

[0063] 应用函数bwperim及bwarea对铸体薄片二值图像的孔隙边缘进行识别，并对[0064] P＝bwperim(A)；

[0065] [X,Y]＝bwboundaries(BW,'P')；

[0066] 函数bwperim则是查找整个矩阵的边缘，在对边缘检测完毕后进行计算。bwboundaries是一个函数，可以用来获取二值图中对象的轮廓，包括外部轮廓与内部边缘。
[X,Y]代表孔隙坐标值。

[0067] 在获取孔隙边缘后，对上面系统所识别出的各个联通的像素单元或者矩阵进行识别与计算。

[0068]

[0069] 函数bwlabel用于寻找x，y坐标值的一个矩阵函数。首先返回一个和图像大小相同的E矩阵，包含了标记了BW中每个连通区域的类别标签，X，Y分别为孔隙边缘的坐标轴。

[0070] 步骤S203、汇总每个所述铸体薄片二值图像中的孔隙单元构成孔隙全单元。

[0071] 所述选择性的二值图像转化包括二值转化所述铸体薄片SEM图像中的各类颜色和像素，所述步骤S201中还包括对铸体薄片二值图像进行降噪处理，所述降噪处理的具体方法包括：

[0072] 方法一：将连接像素点低于规定阈值的像素单元进行删除，并对删除的像素单元进行重赋值；

[0073] 方法二：将连接像素点高于规定阈值的像素单元进行膨胀，并对膨胀的像素单元进行重连接。

[0074] 具体的，在获取含有孔隙结构特征的铸体薄片二值图像之后，岩芯内粘土矿物，包裹体，油气以及拍摄暗角的影响会导致图像中噪点的产生以及一些孔隙内部的空间未被识别出来。为更加精确地获取孔隙配位键，应用函数imerode对存在的噪点进行消除，应用函数imdilate对本应该联通的孔隙进行连接。

[0075] B＝imerode(B,ones(2))；

[0076] C＝B；C(:,1:end‑1)＝C(:,2:end)；

[0077] End；

[0078] 函数imerode为Matlab实现图像腐蚀的技术。用法为:其中B是待处理的铸体薄片二值图像，ones(2)是像素单元。2代表连接像素点小于2的像素单元，2为规定阈值。也就是连接像素点小于2的像素点均会被消除。C代表对消除的像素点进行重新赋值。

[0079] B’＝imdilate(B’,ones(5))；

[0080] C’＝B’；C’(:,1:end‑1)＝C’(:,2:end)；

[0081] D＝B’；D(1:end‑1,:)＝D(2’:end,:)；

[0082] End；

[0083] 函数imdilate为Matlab对对图像实现膨胀操作的技术。同imerode理论类似，B’为待处理的铸体薄片二值图像，ones(5)为像素单元。5代表连接像素点小于5的像素单元，5为规定阈值。也就是当连接像素点小于5的像素单元会进行膨胀并重新连接。一定注意的是必须要先完成像素降噪，再进行图像重建。否则会适得其反，增加图像中噪点的数量。

[0084] 所述步骤S2中，量化所述孔隙全单元获得一组孔隙配位数据链的具体方法包括：

[0085] 基于所述孔隙单元定量量化每个所述铸体薄片二值图像的孔隙配位数据阵列；

[0086] 在获取了每个所述铸体薄片二值图像的孔隙单元之后，应用函数Network＝zeros()对分割的孔隙单元进行配位数计算，Network函数为连接图像中像素节点的函数，输出每个所述铸体薄片二值图像的孔隙配位数据阵列。

[0087] Network＝zeros(max(B(:)))；

[0088] for I＝1:size(E,1)

[0089] Network(E(I,1),E(I,2))＝1；

[0090] Network(E(I,2),E(I,1))＝1；

[0091] End；

[0092] 将所有的所述孔隙配位数据阵列以所述孔隙关键画像链的径向深度进行链接构成孔隙配位数据链。

[0093] 步骤S3、融合所有孔隙配位数据链获得孔隙全配位数据阵列，并基于孔隙全配位数据阵列定量获得同一砂岩样品或碳酸盐岩样品的孔隙配位数。

[0094] 所述步骤S3，所述融合所有孔隙配位数据链获得孔隙全配位数据阵列的具体方法包括：

[0095] 对所述孔隙配位数据链沿径向深度进行逐层融合获得孔隙全配位数据阵列；

[0096] 依据所述孔隙全配位数据阵列生成孔隙全配位图像，并基于孔隙全配位图像生成孔隙配位数直方图。

[0097] 基于所述孔隙配位数直方图定量计算同一砂岩样品或碳酸盐岩样品的孔隙配位数。

[0098] 应用函数imhist(即输出直方图的函数)和函数mean(计算平均值的函数)对孔隙配位数直方图以及平均孔喉配位数进行输出。

[0099] 对所述孔隙配位数据链沿径向深度进行逐层融合获得孔隙全配位数据阵列的具体方法包括：

[0100] 将所述孔隙配位数据链上的所有孔隙配位数据阵列沿标定基线重合的方向进行调整使得所有孔隙配位数据阵列垂直排列；

[0101] 将所有孔隙配位数据阵列进行逐次垂直叠加生成孔隙全配位数据阵列。

[0102] 所述标定基线的绘制方法包括：

[0103] 以同一砂岩样品或碳酸盐岩样品的横截面和纵截面的交线的投影点作为标定基线的标定中点，并分别以横截面和纵截面的投影线作为标定基线的标定横向基线和标定纵向基线。

[0104] 绘制标定基线用于在融合过程中保持数据的位置对应，以符合同一砂岩样品或碳酸盐岩样品的原有同向真实结构，避免错位融合导致孔隙结构特征数量骤增或骤减，造成定量分析结果出错。

[0105] 如图3所示，以鄂尔多斯盆地上古生界砂岩储层砂岩(A)，塔里木盆地奥陶系碳酸盐岩储层样品(B)的孔隙配位数利用单组铸体薄片进行定量计算的具体过程如下。通过显微镜下观察，首先获取各类储层岩芯样品的铸体薄片图像，根据定量分析流程图，首先应用MATLAB软件中应用程序Image Segmenter对分别对砂岩与碳酸盐岩储层样品中孔隙结构特征进行二值转化，以及应用函数imerode对存在的噪点进行消除，应用函数imdilate对本应该联通的孔隙进行连接生成三组铸体薄片二值图像为图3中的(C)/(C’)。

[0106] 进一步，应用函数bwperim及bwarea对孔隙边缘进行识别，并对二值图像中所识别出的单元格进行划分，为图3中的(E)/(E’)。同时，以函数bwlabel和Network＝zeros()对图E中孔隙的进行分析，获取每个单元孔隙的配位分配为图3中的(F)/(F’),联通的图像为(G)/(G’)。

[0107] 最终，应用函数imhist(即输出直方图的函数)和函数mean(计算平均值的函数)对孔隙配位数直方图以及平均孔喉配位数进行输出图3中的(H)/(H’)。砂岩样品的平均孔隙配位数为1.2067个，碳酸盐岩的样品的平均孔隙配位数为0.6205个。

[0108] 如图4所示，本实施例以鄂尔多斯盆地上古生界砂岩储层砂岩(A)，利用多组铸体薄片进行定量计算的具体过程如下。通过显微镜下观察，首先获取砂岩储层岩芯样品的多组铸体薄片SEM图像，并选取其中差异度大的三组主题薄片SEM图像，即为图4中的A1、A2和A3，首先应用MATLAB软件中应用程序Image Segmenter对分别对砂岩样品中孔隙结构特征进行二值转化，以及应用函数imerode对存在的噪点进行消除，应用函数imdilate对本应该联通的孔隙进行连接生成三组铸体薄片二值图像为图4中的B1、B2和B3。

[0109] 进一步，应用函数bwperim及bwarea对孔隙边缘进行识别，并对三组铸体薄片二值图像中所识别出的单元格进行划分，为图4中的C1、C2和C3。同时，以函数bwlabel和Network＝zeros()对孔隙的进行分析，获取铸体薄片二值图像的孔隙单元的孔隙全配位数据阵列为图4中的D1、D2和D3,D1、D2和D3共同构成孔隙配位数据链，进行数据融合获得孔隙全配位数据阵列为图4中的E，孔隙全配位图像为图4中的F。

[0110] 最终，应用函数imhist(即输出直方图的函数)和函数mean(计算平均值的函数)对孔隙配位数直方图以及平均孔喉配位数进行输出图4中的G。砂岩样品的平均孔隙配位数为1.1105个，与单组铸体薄片相比数据更为精确。

[0111] 如图5所示，除了常规的砂岩储层，以及以铸膜孔为主要储集空间的碳酸盐岩样品为。该算法还可使用于孔隙度以及孔隙半径小队较低的致密砂岩储层，以原生粒间孔或者晶间孔为储集空间的碳酸盐岩样品。

[0112] 测定结果见图5，A、B、C分别为致密砂岩储层，以原生粒间孔、晶间孔为储集空间的碳酸盐岩样品。最终测定的孔隙配位数分布图为图5中M、N、O。对应的平均孔隙配位数为0.7382个，0.6667个，1.1105个。

[0113] 本发明利用差异度高的多组铸体薄片进行融合掌握砂岩样品或碳酸盐岩样品中的全局孔隙特征，基于全局孔隙特征定量分析而得的孔隙配位数精度高，并且能够针对砂岩储层样品以及碳酸盐岩储层样品中的孔隙配位数进行输出，相比于CT法，处理非常便捷同时消耗的人力物力较低，同时能够处理常规砂岩与碳酸盐岩储层以及孔隙度较低半径较小的非常规砂岩储层及碳酸盐岩储层，适用范围广。

[0114] 以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。