基于OpenCV图像处理的支撑剂颗粒圆度和球度检测方法.pdf

第 19 卷 第 1 期2024 年 1 月Vol.19 No.1Jan.2024中 国 科 技 论 文CHINA SCIENCEPAPER基于OpenCV图像处理的支撑剂颗粒圆度和球度检测方法曹磊1，2，纪国法1，2，彭超3，陈海建4（1.非常规油气省部共建协同创新中心（长江大学），武汉 430100；2.油气钻采工程湖北省重点实验室（长江大学），武汉 430100；3.中石油煤层气有限责任公司勘探开发建设分公司，西安 710082；4.中国石油长庆油田西安长庆化工集团有限公司，西安 710299）摘 要：为提升检测效率和检测精度，提出了基于OpenCV图像处理的支撑剂颗粒圆度和球度检测方法。该方法使用OpenCV算法，综合考虑图像的背景颜色和图像中颗粒的多样性等各种因素的影响，优化处理算法，提高检测有效性和图像处理效率。在检测过程中，新出现的影响因素还可对算法进行优化，具有很好的可调节性。将检测数据与标准模板相比较，结果证明该检测方法具有可行性和有效性，为支撑剂颗粒的圆度和球度检测提供了新路径。关键词：支撑剂；图像处理；圆度；球度；OpenCV中图分类号：TD771 文献标志码：A文章编号：2095-2783（2024）01-0085-07开放科学（资源服务）标识码（OSID）：Particle roundness and sphericity detection method of proppant based on OpenCV image processingCAO Lei1，2，JI Guofa1，2，PENG Chao3，CHEN Haijian4（1.Cooperative Innovation Center of Unconventional Oil and Gas（Yangtze University），Ministry of Education&Hubei Province，Wuhan 430100，China；2.Key Laboratory of Drilling and Production Engineering for Oil and Gas （Yangtze University），Wuhan 430100，China；3.Exploration，Development and Construction Branch，China National Petroleum Corporation Coalbed Methane Limited Liability Company，Xi an 710082，China；4.Xi an Changqing Petrochemical Corporation Co.，Ltd.，Xi an 710299，China）Abstract：Oil fracturing proppants are often used in hydraulic fracturing modification processes to increase oil and gas production，and roundness and sphericity are two important indicators commonly employed for assessing their performance.The existing proppant roundness and sphericity characterization recommended in the industry standard can only be achieved with the help of Krumbien template or sloss template，in which accurate results cannot be obtained.In order to improve the detection efficiency and detection accuracy，a proppant particle roundness and sphericity detection method based on OpenCV image processing is proposed.The OpenCV algorithm is employed to optimize the processing algorithm by comprehensively considering the influence of various factors such as the background color of the image and the diversity of the particles in the image，so as to improve the effectiveness of the detection and the efficiency of image processing.In the detection process，the algorithm can be optimized to adapt the emergence of new influencing factors，indicating a good adjustability.Comparation of the data of the detection results with the standard template proves that the detection method is feasible and effective，provides a new path for detecting the roundness and sphericity of the proppant particles.Keywords：proppant；image processing；roundness；sphericity；OpenCV支撑剂在石油和天然气开采领域中起着关键作用，支撑剂是小球体，具有足够的强度，承受高封闭应力以保持裂缝的开放，使碳氢化合物可以顺利地流入井筒1。支撑剂在水力压裂过程中支撑裂缝，阻止地层在被压裂后再次闭合。由高纯度二氧化硅颗粒组成的沙子，是水力压裂过程中使用的最佳天然颗粒2。非常规储层需要通过压裂来提高石油和天然气资源的采收率。水力压裂是石油和天然气工业收稿日期：2023-05-10基金项目：国家自然科学基金资助项目（51804042）；油气资源勘探技术教育部重点实验室（长江大学）青年创新团队项目（PI2021-04）；非常规油气省部共建创新中心（长江大学）开放基金资助项目（UOG2022-38）第一作者：曹磊（2000），男，硕士研究生，主要研究方向为非常规油气储层改造、油气开采等通信作者：纪国法，副教授，主要研究方向为非常规油气储层改造、水合物开采与防治、油气开采等，第 19 卷 中 国 科 技 论 文中广泛采用的一种技术，用于产生包括一级和二级裂缝在内的裂缝。这些微推进剂可以提高初级裂缝和未触及的微裂缝的导水率，从而提高油气采收率3。目前检测支撑剂颗粒球度和圆度的方法是 水力压裂和砾石充填作业用支撑剂性能测试方法（SY/T 51082014），方法中使用放大倍数为 1040的显微镜或同等仪器来观察支撑剂，通过将观察的支撑剂颗粒与方法中提供的图示模板对比来评估颗粒的圆度和球度。由于图示模板中的样本数量较少和人为因素的影响，在评估的过程中会产生误差。裴润有等4提出了一种检测支撑剂颗粒圆度和球度的方法，利用计算机图像处理技术，对显微镜采集的支撑剂颗粒图像进行自动处理，测量图像中的每个支撑剂颗粒的圆度和球度，在一定程度上降低了测量过程中的人为主观因素影响，提高了工作效率。Resentini等5提出了一种基于图像分析的数学方法，通过对Krumbein的圆度图中说明的所有颗粒进行傅里叶分析，根据最佳的线性关系，提供了一个用于颗粒圆度视觉测定的工具。Maroof等6通过从X射线计算机断层扫描图像中提取的每个粒子的精确三维模型，提出了一种基于圆周和内切球体的新的球度比率检测方法。Lyu等7提出了一种基于图像处理方法的支撑剂球度和圆度测量方法。上述方法在提高支撑剂颗粒圆度和球度检测效率的同时，存在着一些不足：第一，先前研究者提出的方法中图像处理算法不够成熟，算法能力相对较弱，面对各种复杂因素时，无法准确处理图像、获得准确的数据，导致处理的图像数据不能达到预期效果；第二，处理的图像较大时，会降低操作速度，导致花费大量时间等待图像处理结果；第三，数据为手工测量，可能会由于一些因素导致数据处理不当，无法获得有效数据。本文综合考虑这些问题，提出基于 OpenCV 图像处理的支撑剂颗粒圆度和球度检测方法。该方法考虑到图像处理过程中的各种影响因素，可提供更多的参数和选项，对算法和处理过程进行更细化的控制8-16。在进行图像处理时，可根据实际情况优化算法，考虑必要影响因素并进行分析，在一定程度上提高图像处理的效果，使支撑剂颗粒的圆度和球度检测更加准确。同时，可提高算法的处理速度，加快图像处理。1圆度和球度计算方法1.1球度计算方法根据 水力压裂和砾石充填作业用支撑剂性能测试方法（SY/T 51082014），支撑剂的球度是指颗粒接近球形的程度，定义的支撑剂球度公式为Sp=dndc。（1）式中：Sp为球度；dn为颗粒等值体积的球体直径；dc为颗粒外接球体的直径。由于不规则颗粒的表面积和体积不易测量，故球度常以实用球度（Wadell球度，Sw）来代替。由定量体视学基本公式得实用球度为Sw=DRc。（2）式中：D为与颗粒投影面积相等的圆的直径；Rc为颗粒投影的最小外接圆的直径。对支撑剂颗粒图像进行处理后，可测出颗粒的最小外接圆的半径（r）、周长（L）、最小外接圆的圆心以及每个支撑剂颗粒的面积（S），但不能直接测出D和Rc的数据，需要进行以下公式换算，用此方法测量的数据求出D和Rc。假设与颗粒投影面积相等的圆的半径为R，则通过等式R2=S2，2R=D。可以求出D=2S2。（3）对于Rc，颗粒的最小外接圆的半径（r）可测量，得出Rc=2r。（4）于是，结合式（2）式（4）可以得出以下公式：Sw=S2 r。（5）1.2圆度计算方法圆度是指颗粒表面的圆形程度，根据Kuo等17的定义，圆度=4S L2。（6）图像处理方法流程如图1所示。当颗粒被投射出时，圆度和球度可以用来衡量它们接近圆形的程度。圆度和球度的值越大，说明颗粒的投影越接近于圆形。两者的区别在于，球度更注重整体形状的评价，而圆度更注重评估颗粒投影轮廓的弯曲程度。2图像处理与数据获取2.1图像处理图像处理前，需获得支撑剂颗粒的图像。实验中随机选取一些合格的40/70目支撑剂，放入白色容器中，使用电子显微镜观察。将支撑剂颗粒放入白色容器中的目的是使它们在显微镜下更加明显，便于图像的后续处理。待每个支撑剂颗粒可以被清楚观察后，截取并处理图像。处理图像时，需使用86曹磊，等：基于OpenCV图像处理的支撑剂颗粒圆度和球度检测方法第 1 期OpenCV中的算法对图像进行灰度化、二值化、腐蚀膨胀及边缘检测处理。图像灰度化处理可避免条纹失真18-21。二值化处理能方便进一步的图像处理，简化图像22-24。腐蚀可将图像的边缘腐蚀，将目标边缘的“毛刺”去除25-26。膨胀可扩大图像的边缘，对目标的边缘或内部的坑进行填充27，边缘检测算法可以获得颗粒的轮廓、最小外接圆及计算所需的数据28-34。图像经过一系列的处理，使后续测量的相关数据更加准确。第一步将获取的图像进行灰度化、二值化、腐蚀和膨胀，经算法处理后，再对支撑剂颗粒图像进行进一步的处理。支撑剂颗粒原始图和图像处理分别如图2和图3所示。2.2数据获取初步处理图像后，需进一步处理以获得支撑剂颗粒的最小外接圆和轮廓。使用Canny算法对支撑剂颗粒进行边缘检测，该算法具有不容易受到噪声干扰及定位精确等优点35-40。处理完成后，可以识别图像中支撑剂颗粒的轮廓和最小外接圆，并将其在图像中进行标示，便于直接观察。支撑剂颗粒轮廓和最小外接圆分别如图4和图5所示。图4中蓝线为支撑剂颗粒的轮廓线，同时根据算法求取轮廓的周长以及该轮廓所包含的面积。图5中蓝线为支撑剂颗粒的最小外接圆，同时可求取最小外接圆的半径，通过式（5）和式（6）计算支撑剂颗粒的球度和圆度。图1图像处理方法流程Fig.1Flow chart of image processing algorithm图2支撑剂颗粒原始图Fig.2Original picture of proppant particles图3支撑剂颗粒图像处理Fig.3Image processing diagram of proppant particles图4支撑剂颗粒的轮廓Fig.4Profile of proppant particles图5支撑剂颗粒的最小外接圆Fig.5Minimum circumscribed circle of proppant particles87第 19 卷 中 国 科 技 论 文2.3圆度和球度测定基于上述算法，使用Qt Designer和Python设计了一个具有自动一键求取支撑剂颗粒的圆度和球度功能的软件，支撑剂颗粒圆度和球度的测定界面如图6所示。3实验结果与分析3.1圆度实验结果为了验证所提方法的准确性和有效性，使用升级版Krumbein（1941）图验证提出的圆度测量方法。升级版Krumbein（1941）图如图7所示，图中标示了每颗支撑剂的圆度。使用所提方法测量支撑剂颗粒的圆度，图像处理结果和得出的圆度数据分别如图8和表1所示。基于圆度测量数据绘制的曲线如图9所示，平均圆度直方图如图10所示。图6圆度和球度的测定界面Fig.6Interface for the determination of roundness and sphericity图7升级版 Krumbein（1941）图Fig.7Upgraded Krumbein（1941）chart图8图像处理结果Fig.8Image processing results表1每个支撑剂颗粒的圆度测量值Table 1Roundness measurements for each proppant particle支撑剂123456第1组0.112 30.142 10.132 20.161 10.112 10.132 2第2组0.221 30.232 10.241 90.297 10.251 30.213 2第3组0.387 10.401 30.331 40.346 40.321 70.398 2第4组0.412 20.448 60.421 90.401 10.471 80.488 1第5组0.589 10.523 10.576 40.624 10.549 80.519 4第6组0.629 60.651 30.632 10.587 40.685 70.663 9第7组0.773 10.738 80.724 60.613 00.786 20.734 1第8组0.849 20.802 30.831 10.885 50.850 00.903 9第9组0.903 20.890 00.921 30.913 20.932 10.928 7图9圆度测量值曲线Fig.9Curves of roundness 图10圆度测量平均值Fig.10Roundness average88曹磊，等：基于OpenCV图像处理的支撑剂颗粒圆度和球度检测方法第 1 期分析表1、图9及图10的数据，得出本文提出的圆度测量方法测量的支撑剂颗粒的圆度在图7所示的标准范围内，图10中每组支撑剂颗粒的圆度变化趋势与图7中一致，进一步证明本文提出的圆度测量方法是可行和有效的。3.2球度实验结果为了验证本文提出的支撑剂颗粒球度测量方法的有效性，使用 水力压裂和砾石充填作业用支撑剂性能测试方法（SY/T 51082014）中的标准模板进行测量验证，标准模板如图11所示。对标准模板图像处理结果如图12所示，测量数据见表2，其中以纵坐标0.3定为第1行。基于球度测量数据绘制的曲线如图13所示，平均球度直方图如图14所示。通过分析实验结果发现，表2和图13中的球度值与标准模板中20张图所示的球度值有显著差异，但球度值趋势与模板中相同，只需根据模板中给出的值将公式中得出的球度数值划分为阈值范围。3.3实际使用验证根据 水力压裂和砾石充填作业用支撑剂性能测试方法（SY/T 51082014），支撑剂的圆度和球度应达到0.7及以上方能在实际现场中使用。因此，实验选取实际使用的标准支撑剂颗粒测量圆度和球度。实际工程中使用的标准支撑剂颗粒如图15（a）所示，将其置于电子显微镜下进行观察，如图15（b）所示。选择2组支撑剂颗粒进行拍摄，每组各20个撑剂颗粒，如图15（c）和图15（d）所示。将颗粒图像进行处理，处理过程如图15（e）图15（j）所示。最后，使用本文提出的圆度和球度测量方法，测量2组支撑剂颗粒的圆度和球度值，根据圆度和球度的测量数据绘制曲线，如图16所示。3.4实验结果分析由图16数据可以得出结论，每组实验的支撑剂颗粒的平均圆度和球度均大于0.800，符合 水力压裂和砾石充填作业用支撑剂性能测试方法（SY/T 51082014）中实际工程使用的标准支撑剂颗粒圆度和球度要求，证明了测试结果的准确性，并且验证了测试数据的精确性。证明该方法在实际应用中对测量支撑剂的圆度和球度有效，对支撑剂的选择具有重要意义。3.5误差分析在上述实验中，处理过程中的以下因素可能会对结果产生影响。1）图像处理过程中的噪声和干扰会影响测量结图11SY/T 51082014模板Fig.11Template of SY/T 51082014图12模板图像处理结果Fig.12Processing results of template image表2模板图像的球度值Table 2Sphericity value of template image列数12345行数10.587 40.613 00.632 90.576 30.695 420.632 10.724 60.730 10.739 90.722 530.783 10.738 80.792 00.771 30.798 340.809 10.838 20.858 10.809 20.838 2图13球度曲线Fig.13Curves of sphericity图14球度平均值Fig.14Average sphericity value89第 19 卷 中 国 科 技 论 文果的准确性，特别是圆形和球形等曲线形状，对噪声和干扰更为敏感。因此，在进行形状检测之前，需要对图像进行预处理和滤波，以降低噪声和干扰的影响。2）对于球度测量，方法中使用最小外接圆的半径来代表球的半径。虽然最小外接圆是包含给定轮廓的最小圆，但它不一定是圆的最佳近似值，因此其测量也可能有误差。可以使用拟合技术来改进圆的半径测量，将给定轮廓拟合为更精确的圆形，从而获得更准确的圆半径。3）由于图像分辨率有限，对于一些具有小圆的形状，最小外接圆的半径可能受到像素级误差的影响，从而影响圆度和球度计算的准确性。可以引入子像素级的精确测量，通过使用像素内部的插值技术，提高测量的精确度，从而减少因像素级误差引起的影响。4结 论1）基于OpenCV图像处理的支撑剂颗粒圆度和球度检测方法，对图像进行灰度化、二值化、腐蚀膨胀、边缘检测等处理，快速准确获取图像中支撑剂颗粒的最小外接圆面积、半径及周长等数据，并计算出支撑剂颗粒的圆度和球度，为支撑剂颗粒的圆度和球度检测提供了一种新的方法。2）所提方法提供了更多的参数和选择，可以根据实际检测情况，考虑图像背景颜色和图像中颗粒多样性等因素的影响，优化相关算法，提高图像处理的速度和准确性，可广泛用于复杂情况下的支撑剂颗粒圆度和球度检测。3）通过优化算法来加快进程，可快速处理大量的图像数据，在一定程度上提高了数据采集的效率，简化了支撑剂颗粒圆度和球度数据的获取过程，避免了人工数据计算的误差，提高了数据获取的效率。（由于印刷关系，查阅本文电子版请登录：http: FENG Y C，MA C Y，DENG J G，et al.A comprehensive review of ultralow-weight proppant technology J.Petroleum Science，2021，18：807-826.2 WAHAB G M A，IBRAHIM G E D A，ABDEL WAHAB A A M.Geological and engineering appraisal of hydraulic frac sand in some Egyptian localities as a proppant of oil well drilling J.Heliyon，2022，8（8）：e10233.3 ASLANNEZHAD M，KALANTARIASL A，YOU Z J，et al.Micro-proppant placement in hydraulic and natural fracture stimulation in unconventional reservoirs：a review J.Energy Reports，2021，7：8997-9022.4 裴润有，解彩丽，胡科先，等.压裂支撑剂圆度球度测定方法研究 J.电子测量技术，2015，38（1）：21-24，46.PEI R Y，XIE C L，HU K X，et al.Research on measurement of sphericity and roundness of proppant J.Electronic Measurement Technology，2015，38（1）：21-24，46.（in Chinese）5 RESENTINI A，AND S，GARZANTI E.Quantifying roundness of detrital minerals by image analysis：sediment transport，shape effects，and provenance implications J.Journal of Sedimentary Research，2018，88（2）：276-289.6 MAROOF M A，MAHBOUBI A，NOORZAD A，et al.A new approach to particle shape classification of granular materials J.Transportation Geotechnics，2020，22：100296.7 LYU X R，LIU F Y，REN P，et al.An image processing approach to measuring the sphericity and roundness of fracturing proppantsJ.IEEE Access，2019，7：16078-16087.8 ZHANG H Y，LI C，LI L L，et al.Uncovering the 图15算法处理过程Fig.15Algorithm processing图16圆度和球度曲线Fig.16Study curves of roundness and sphericity90曹磊，等：基于OpenCV图像处理的支撑剂颗粒圆度和球度检测方法第 1 期optimal structural characteristics of flocs for microalgae flotation using Python-OpenCVJ.Journal of Cleaner Production，2023，385：135748.9 PAHLEVI R A，SETIAJI B.Analysis of application haar cascade classifier and local binary pattern histogram algorithm in recognizing faces with real-time grayscale images using OpenCVJ.Jurnal Teknik Informatika（Jutif），2023，4（1）：179-186.10SHARMA U，GOEL T，SINGH J.Real-time image processing using deep learning with OpenCV and Python J.Journal of Pharmaceutical Negative Results，2023：1905-1908.11LIU Y P，WANG W，ZENG W L.Face and gesture recognition system based on OpenCVC The Third International Seminar on Artificial Intelligence，Networking，and Information Technology（AINIT 2022）.New York：SPIE，2023：227-230.12MISHRA S，VERMA M V，AKHTAR N，et al.An intelligent motion detection using OpenCVJ.International Journal of Scientific Research in Science，Engineering and Technology，2022，9：51-63.13ELSAYED A A，YOUSEF W A.Matlab vs.OpenCV：a comparative study of different machine learning algorithms EB/OL.2023-05-05.https：arxiv.org/abs/1905.01213.pdf.14BANSAL M，PRINCE，YADAV R，et al.Palmistry using machine learning and OpenCV C 2020 Fourth International Conference on Inventive Systems and Control（ICISC）.New York：IEEE，2020：536-539.15REVATHI A，MODI N A.Comparative analysis of text extraction from color images using tesseract and OpenCV C The 8th International Conference on Computing for Sustainable Global Development（INDIACom）.New York：IEEE，2021：931-936.16BAI J S，LI Y C，LIN L，et al.Mobile terminal implementation of image filtering and edge detection based on OpenCVC 2020 IEEE International Conference on Advances in Electrical Engineering and Computer Applications（AEECA）.New York：IEEE，2020：214-218.17KUO C Y，FREEMAN R B.Imaging indices for quantification of shape，angularity，and surface texture of aggregatesJ.Transportation Research Record：Journal of the Transportation Research Board，2000，1721（1）：57-65.18HAGARA M，STOJANOVI R，BAGALA T，et al.Grayscale image formats for edge detection and for its FPGA implementation J.Microprocessors and Microsystems，2020，75：103056.19SINGH A，SETHI G，KALRA G S.Spatially adaptive image denoising via enhanced noise detection method for grayscale and color imagesJ.IEEE Access，2020，8：112985-113002.20HU S Y.Research on data acquisition algorithms based on image processing and artificial intelligence J.International Journal of Pattern Recognition and Artificial Intelligence，2020，34（6）：2054016.21XIAO Y X，JIANG A W，LIU C H，et al.Single image colorization via modified cycleganC 2019 IEEE International Conference on Image Processing（ICIP）.New York：IEEE，2019：3247-3251.22CALVO-ZARAGOZA J，GALLEGO A.A selectional auto-encoder approach for document image binarization J.Pattern Recognition，2019，86：37-47.23BERA S K，GHOSH S，BHOWMIK S，et al.A non-parametric binarization method based on ensemble of clustering algorithms J.Multimedia Tools and Applications，2021，80：7653-7673.24MUSTAFA W，YAZID H，JAAFAR M.An improved sauvola approach on document images binarizationJ.Journal of Telecommunication，Electronic and Computer Engineering，2018，10：43-50.25MATTHAIOU A，PAPALAMBROU G，SAMUELIDES M S.Corrosion detection with computer vision and deep learningM Developments in the Analysis and Design of Marine Structures.Trondheim：CRC Press，2021：289-296.26KHAYATAZAD M，de PUE L，de WAELE W.Detection of corrosion on steel structures using automated image processingJ.Developments in the Built Environment，2020，3：100022.27ZHANG K，ZUO W M，ZHANG L.FFDNet：toward a fast and flexible solution for CNN based image denoising J.IEEE Transactions on Image Processing，2018，27（9）：4608-4622.28KUMAWAT A，PANDA S.A robust edge detection algorithm based on feature-based image registration（FBIR）using improved canny with fuzzy logic（ICWFL）J.The Visual Computer，2022，38（11）：3681-3702.29ALMUFTI S M.Hybridizing ant colony optimization algorithm for optimizing edge-detector techniquesJ.Academic Journal of Nawroz University，2022，11（2）：135-145.30SHAH B K，KEDIA V，RAUT R，et al.Evaluation and comparative study of edge detection techniques J.IOSR Journal of Computer Engineering，2020，22（5）：6-15.31SU Z，LIU W Z，YU Z T，et al.Pixel difference networks for efficient edge detectionC 2021 IEEE/CVF International Conference on Computer Vision（ICCV）.New York：IEEE，2022：5097-5107.32GANDHI M，KAMDAR J，SHAH M.Preprocessing of non-symmetrical images for edge detection J.Augmented Human Research，2020，5：1-10.33AKBARI SEKEHRAVANI E，BABULAK E，MASOODI M.Implementing canny edge detection algorithm for noisy image J.Bulletin of Electrical Engineering and Informatics，2020，9（4）：1404-1410.34ZHENG Z，ZHA B T，YUAN H L，et al.Adaptive edge detection algorithm based on improved grey prediction model J.IEEE Access，2020，8：102165-102176.35LYNN N D，SOURAV A I，SANTOSO A J.Implementation of real-time edge detection using canny and sobel algorithms J.IOP Conference Series：Materials Science and Engineering，2021，1096（1）：012079.36WANG L T，GU X Y，LIU Z，et al.Automatic detection of asphalt pavement thickness：a method combining GPR images and improved Canny algorithmJ.Measurement，2022，196：111248.37WU F S，ZHU C G，XU J X，et al.Resear