基于CT扫描图像的页岩储层非均质性研究

徐祖新

（中国石油勘探开发研究院，北京100083）

基于CT扫描图像的页岩储层非均质性研究

徐祖新

（中国石油勘探开发研究院，北京100083）

为了研究页岩储层的非均质性，利用数字图像处理技术对页岩CT扫描图像进行分析，研究页岩矿物组分的分布特征，并讨论矿物组分的含量与分形维数之间的关系。研究结果表明：在页岩CT扫描图像上显示矿物组分的密度大于有机质和微孔隙的密度，因此页岩矿物组分很容易被识别出来。同时，页岩矿物组分的分布具有分形特征，表现出一定的自相似性，矿物组分的分形维数可以有效地反映矿物组分的非均质性。因此，基于灰度CT扫描图像的页岩非均质性研究是页岩储层评价的有效补充，可以更好地指导页岩脆性评价。

页岩气；矿物组分；CT扫描；分形特征；ImageJ软件

0 引言

随着世界能源需求的加剧，页岩气作为非常规油气的接替资源日益受到重视。页岩气综合地质评价通常包括：有机质丰度、热成熟度、矿物组分、物性和含气量等［1-4］。页岩矿物组分的变化影响页岩的力学性质和气体的吸附能力，因此，矿物组分是页岩气评价中的一项重要内容。在页岩岩石力学实验中，不同荷载状态下，矿物分布处更易出现应力集中现象［5］，同时页岩的可压裂性取决于页岩中脆性矿物的含量［6］，脆性矿物含量越高，其可压裂性就越强，也就越利于增产。另外，页岩气主要以吸附状态赋存，黏土矿物具有较多的微孔隙和较大的比表面积，对页岩有较强的吸附能力。因此，矿物组分含量及其分布特征对页岩储层评价具有重要意义。但是，目前对页岩储层矿物组分的研究大都集中在矿物含量、脆性评价及其对页岩气吸附的影响上，而对页岩矿物组分分形特征的研究较少。

CT扫描的原理是基于X射线与物质的相互作用。与常规实验方法相比，CT扫描具有成像直观、分辨率高、对样品无损伤的优点。Raynaud等［7-8］利用CT扫描获得均质石膏、花岗岩、砂岩和白云岩的CT扫描图像，研究了岩石的内部结构及组分；Karacan等［9］利用CT扫描研究了气体在煤的微孔隙中的吸附与运移作用。但是，页岩储层非均质性强，矿物含量相同的页岩储层，其内部矿物分布特征存在差异。Mandelbrot创建的分形几何理论为描述物质分布的不规则性提供了一种科学的研究手段。国内许多学者将分形理论引入到岩石学的研究中，提出了分形岩石学的研究思路［10-11］。为此，可将CT扫描和分形理论应用到页岩矿物组分的分布和分形维数研究中。

ImageJ软件是根据Java语言研发的一款图像分析软件，它功能强大，使用简单，推出之后很快受到各类专业人员的亲睐。ImageJ软件广泛应用在医学影像诊断领域［12-13］，而在地质学领域则主要用于研究岩石的孔隙结构。例如：Curtis等［14］应用ImageJ软件分析了不同热成熟度下页岩的孔隙率；Keller等［15］提出了基于ImageJ软件的图像处理方法，并对北美Opalinus页岩孔隙图像进行了二值化处理，进而观察图像中的页岩孔隙。但是，目前利用ImageJ软件来研究页岩储层的矿物组分特征的报道较少。

基于上述原因，笔者首先利用CT扫描技术获取页岩内部的密度分布形态，研究页岩的非均质性分布特征，然后利用ImageJ软件处理和分析CT扫描图像，应用分形几何理论研究页岩中矿物组分的分布特征，进而分析矿物组分含量与分形维数之间的关系。

1 样品与实验

本次研究的样品采自中扬子地区的野外露头，共计5块陡山沱组页岩样品（样品编号为N1～N5）。

首先，对5块陡山沱组页岩样品进行黏土矿物及全岩X射线衍射分析，所用的仪器为D8Discovery型X射线衍射仪，检测依据为SY/T 5163—2010。页岩样品的黏土及矿物组分含量如表1所列。

表1 页岩样品X衍射全岩分析数据Table1 X-ray diffraction analysis of shale samples %

然后，采用高分辨率实时成像系统得到页岩CT扫描图像，即16位CT扫描二维切片图像，层片间距为0.5 mm。

最后，利用ImageJ软件分析页岩CT扫描图像，自动计算矿物组分的分形维数，研究页岩矿物组分的分形特征。

2 实验结果与分析

2.1 页岩CT扫描灰度图像

应用CT扫描技术来研究页岩结构组分及孔隙结构的基本原理是：利用X射线穿透页岩样品，收集由于页岩中物质的吸收而衰减了的射线强度，其值可用CT数表示，CT数的大小可反映页岩体结构内部各组分的详细信息［16］。

在CT扫描灰度图像中，不同密度的岩石具有不同的CT值，可表现为不同的灰度值。一幅岩石CT扫描图像，其灰度共有256个级别，其中0为最暗（全黑），255为最亮（全白）。不同的颜色区间代表了不同的物质类型。

图1为页岩CT扫描灰度图像，图中黑色点表示物质密度较低，白色点表示物质密度较高，由黑到白表示物质密度由低到高的变化。页岩矿物组分的密度最大时，在图像中显示为白色或灰白色；孔隙和页岩有机质的密度较小时，在图像中显示为黑色或深灰色。N1页岩样品比N3页岩样品中的浅色多，代表其中矿物组分含量高。由表1可看出：N1页岩样品的矿物组分的体积分数为64%，N3页岩样品矿物组分的体积分数为57%。另外，在N1和N3页岩样品中，矿物组分的平面分布不均匀，N1页岩样品在边缘处矿物发育，而N3页岩样品的矿物主要发育在中心部位。矿物组分的平面展布特征及对后期水力压裂设计具有一定的影响，在矿物集中处容易产生裂缝。矿物组分含量越高，分布越均匀，对后期的水力压裂越有利。

图1 页岩样品CT扫描灰度图像Fig.1 Micro CT images of shale samples

2.2 页岩CT扫描灰度图像的伪彩色增强

人眼对灰度微弱递变的分辨能力远比颜色变化要低，因此可以通过增加颜色类别来提高人眼对图像的视觉分辨力。将一幅灰度图像映射为一幅彩色图像的增强方式称为伪彩色增强，对页岩CT扫描灰度图像所进行的彩色增强即伪彩色增强。

利用数字图像处理技术将图1中页岩CT扫描灰度图像转化为伪彩色增强图像（图2）。对图1和图2进行比较可以看出：伪彩色增强后的页岩CT扫描图像其分辨率比灰度图显著提高，微孔隙和微裂缝分布在蓝色区域内，矿物组分分布在黄色及红色区域内。

图2 页岩样品CT扫描图像的伪彩色增强Fig.2 Pseudo color enhancement from micro CT images of shale samples

2.3 基于CT扫描图像处理的页岩矿物组分含量分析

为了对页岩矿物含量进行分析，需要对页岩CT扫描图像进行分割，其中阈值分割是一种简单而有效的方法［17］。阈值分割的原理是根据CT扫描图像中灰度值的差异，选取合适的阀值T，突出有用的部分，再对其进行分析。基于ImageJ软件的页岩矿物组分含量分析主要包括以下2个步骤：①将页岩CT扫描图像导入ImageJ软件中，并通过选取灰度阈值T的方法实现页岩中矿物组分的识别。原始CT扫描图像［图3（a）］处理之后如图3（b）所示，图3（b）中页岩矿物组分为图像中绿色区域，相对于原始CT扫描图像来说，矿物含量的平面分布特征更加明显，可以清楚地观察到矿物的富集程度。②通过ImageJ软件中的Analyze—Analyze Particles等命令自动获取CT扫描图像中页岩矿物组分的面积分数（图4），其中每块页岩样品随机选取20个二维切片（N1样品切片编号为0～20，N2样品切片编号为21～40，N3样品切片编号为41～60，N4样品切片编号为61～80，N5样品切片编号为81～100）。N1和N5页岩样品矿物含量高，矿物组分的面积分数大，而N2，N3和N4页岩样品矿物含量低，矿物组分面积分数小。

图3 N3页岩样品原始图像和处理后图像对比图Fig.3 Comparison between the original image and the processed image of N3 shale sample

2.4 页岩矿物组分的分形特征与分形维数计算

分形是指局部与整体在形态、功能和信息方面具有相似性的集合，这种自相似性仅在一定的尺度范围和一定的层次中才能表现出来。分形维数的定义方式有多种［18］，包括计盒维数（CBD）、Hausdorff维数（DH）、相似维数（DS）、容量维数（DC）、谱维数和Lyapunov维数（Dl）等。由于计盒维数（CBD）在数学计算上比较简单，物理含义也比较直观，因此得到了广泛应用。

运用分形几何学的理论，定量求解分形体空间分布的分形维数值，就能有效地表征几何体的形态［18］。页岩作为一种多孔介质，其矿物组分具有良好的分形特征，利用分形维数可以定量描述矿物组分的复杂程度和非均质性［19-20］。

使用ImageJ软件中的Analyze—Tools—Fractal Box Count等命令得到页岩样品的分形维数，采用计盒维数来表征页岩矿物组分的分形维数，结果如图5所示。

图5 页岩样品矿物组分的分形维数Fig.5 Fractal dimension of mineral components in shale samples

通过图4和图5可以看出：N1和N5的页岩样品矿物含量高，矿物组分的面积分数大，矿物组分的分形维数也大；N2，N3和N4页岩样品矿物含量低，矿物组分的面积分数小，矿物组分的分形维数也小。由此可知，随着矿物组分含量的增加，页岩矿物组分的分形维数变大。N2和N3页岩样品矿物含量虽然相近，但是它们的分形维数并不完全相同。根据表1可知：N2样品的矿物类型较多，矿物组分的结构复杂，而N3样品的矿物类型少，矿物组分的结构简单。因此，页岩矿物组分的结构越复杂，其分形维数也越大。

3 结论

（1）在页岩CT扫描灰度图像中，矿物组分的密度最大，在图像中显示为白色或灰白色；孔隙和页岩有机质的密度较小，在图像中显示为黑色或深灰色。CT扫描灰度图像经过伪彩色增强后，可以更清楚地研究矿物组分。因此，利用CT扫描图像可以观察页岩中矿物组分的分布特征。

（2）页岩矿物组分含量越高，矿物组分的分形维数就越大。在矿物组分含量相近的情况下，矿物组分结构越复杂，其分形维数也越大。利用分形维数可以更好地刻画页岩中矿物组分的特点，特别是在矿物含量接近时，能有效表征页岩矿物组分的非均质性，为水力压裂提供参考。

［1］聂海宽，唐玄，边瑞康．页岩气成藏控制因素及中国南方页岩气发育有利区预测［J］．石油学报，2009，30（4）：484-491．

［2］Bowker K A.Barnett Shale gas production，Fort Worth Basinissues anddiscussion［J］．AAPUBulletin，2007，91（4）：523-533.

［3］Burnaman M D，Xia Wenwu，Shelton J.Shale gas play screening and evaluation criteria［J］．China Petroleum Exploration，2009，14（3）：51-64.

［4］Jarvie D M，Hill R J，Ruble T E，et al.Unconventional shale gas systems：The Mississippian Barnett Shale of north central Texas as one model for thermogenic shale gas assessment［J］．AAPU Bulletin，2007，91（4）：475-499.

［5］李庆辉，陈勉，金衍，等.页岩脆性的室内评价方法及改进［J］．岩石力学与工程学报，2012，31（8）：1680-1685.

［6］蒋裕强，董大忠，漆麟，等．页岩气储层的基本特征及其评价［J］．天然气工业，2010，30（10）：7-12.

［7］Raynaud S，Fabre D，Mazerolle F，et al.Analysis of the internal structureofrocksandcharacterizationofmechanicaldeformation by a nondestructive method：X-ray tomodensitometry［J］．Tectonophysics，1989，159（1）：49-59.

［8］RaynaudS，Ngan-TillardD，DesruesJ，etal.Brittle-to-ductile transition in beaucaire marl from triaxial tests under the CT-scanner［J］．International Journal of Rock Mechanics&Mining Sciences，2008，45（5）：653-671.

［9］KaracanCO，OkandanE.Adsorptionandgastransportincoal microstructure：Investigation and evaluation by quantitative X-ray CT imaging［J］．Fuel，2001，80：509-520.

［10］谢和平.分形几何及其在岩土力学中的应用［J］．岩土工程学报，1992，14（1）：14-24.

［11］谢和平.分形-岩石力学导论［M］.北京：科学出版社,1996.

［12］王银改.ImageJ软件在检验医学图像分析处理中的应用［J］．中华检验医学杂志，2005，28（7）：747-748.

［13］王银改，王清改，翟素平.ImageJ软件辅助分析在网织红细胞计数中的应用［J］．临床检验杂志，2005，23（3）：210-211.

［14］Curtis M E，Cardott B J，Sondergeld C H，et al.Development of organicporosityintheWoodfordShalewithincreasing thermal maturity［J］．InternationalJournalofCoalGeology，2012，26（31）：26-30.

［15］KellerLM，SchuetzP，ErniR，etal.Characterizationof multi-scale microstructural features in Opalinus Clay［J］．Microporous and MesoporousMaterials，2013，83：84-90.

［16］杨更社，谢定义，张长庆，等.岩石损伤特性的CT识别［J］．岩石力学与工程学报，1996，15（1）：48-54.

［17］范留明，李宁，丁卫华.数字图像伪彩色增强方法在岩土CT图像分析中的应用［J］．岩石力学与工程学报，2004，23（13）：2257-2261.

［18］屈世显，张建华.分形与分维及在地球物理学中的应用［J］．西安石油大学学报：自然科学版，1991，6（2）：8-13.

［19］贺承祖，华明琪.储层孔隙结构的分形几何描述［J］．石油与天然气地质，1998，19（1）：15-23.

［20］马新仿，张士诚，郎兆新.储层岩石孔隙结构的分形研究［J］．中国矿业，2003，12（9）：46-48.

（本文编辑：杨琦）

Heterogeneity of shale reservoirs based on CT images

XU Zuxin
（PetroChina Research Institute of Petroleum Exploration&Development，Beijing 100083，China）

In order to study the heterogeneity of shale mineral components,this paper analyzed the CT scanning images of shale by using digital image processing techniques,studied the distribution characteristics of shale mineral components,and discussed the relationship between the content of mineral components and fractal dimension.The research results show that the density of shale mineral components on the CT image is much greater than that of organic matter and micro pore structure,so the mineral components are easy to identify.At the same time,the distribution of shale mineral components have fractal characteristics,showing a certain self-similarity,and the fractal dimension of mineral components can reflect the heterogeneity of mineral components.The study on shale heterogeneity based on CT images is an effective supplement of shale reservoir evaluation,and it can guide the evaluation of shale brittleness.

shale gas；mineral components；CTscanning；fractal characteristics；ImageJ software

TE122.24

A

1673-8926（2014）06-0046-04

2014-03-10；

2014-05-20

国土资源部科技专项“全国油气资源战略选区调查与评价”（编号：2009QYXQ15－07－05）资助

徐祖新（1988-），男，中国石油勘探开发研究院在读博士研究生，研究方向为非常规油气地质与评价。地址：（100083）北京市海淀区学院路20号910信箱中国石油勘探开发研究院地质所。E-mail：xuzuxin-20081234@163.com。