一种岩石ct图像目标分割方法

一种岩石ct图像目标分割方法
【专利摘要】本发明公开了一种岩石CT图像分割方法，主要分为5个步骤：(1)对岩石CT图像进行自适应阈值分割，所谓自适应阈值分割是根据CT图像中相邻图像相关性，在分割过程中自动调节分割阈值；(2)对分割结果进行视觉判断，判断是否满意，是否需要进一步修复；(3)如果需要修复，则对分割结果自动判别分割优劣，进行自动区域生长修复；(4)对自动修复结果再此进行人眼判断，判断是否有个别感兴趣的目标需要进一步手工修复；(5)如果需要进一步手工修复，则进行手工选取特定目标的自动修复。通过本发明分割岩石CT图像的效率很高，整个过程中几乎没有人为参与，对大规模的CT图像分割效果很好。
【专利说明】一种岩石CT图像目标分割方法

【技术领域】
[0001] 本发明设计一种CT图像分割方法，尤其涉及一种岩石CT图像目标分割方法，属于 CT图像分割【技术领域】。 技术背景
[0002] 在石油地质分析过程中，CT成像技术（ComputedTomography,电子计算机X射线 断层扫描技术）得到越来越广泛的应用，为了分析演示孔隙和颗粒结构，得到连通性、渗透 率和形状因子等微观信息，通常采用对岩石进行CT扫描得到二维序列图，再根据二维序列 图进行相应目标（孔隙和颗粒）分割提取，然后重建岩石的三维立体模型的方法。二维图 像分割结果的好坏，直接关系到重建之后三维模型的真实程度。
[0003] 图像分割是目标识别和特征提取的基础，是近年来计算机视觉研究的热点之一。 图像分割技术发展到现在，产生了很多从经典到前沿的分割方法。主要分为以下几种：阈值 分割，基于区域的分割，基于边缘的分割，基于特定数学理论的分割（包括数学形态学，模 糊理论，神经网络等）。其中经典的分割技术当属阈值分割。根据特定的阈值来判断目标像 素，从而得到感兴趣的目标。而根据阈值的选取的个数不同，阈值分割又分为单阈值，双阈 值，多阈值等分割方法。
[0004] 双阈值分割方法简单有效，速度较快。在岩石图像中，感兴趣的目标往往是孔隙和 颗粒，其边缘比较模糊，需要通过预览手动调节合适的阈值来进行目标分割。但对于作为三 维重建的岩石CT图像，图像的数量巨大，手动对每一张图像设定合适阈值进行分割的工作 量非常大。针对这一问题，目前的一种解决方案是选择其中一幅图像，设定合适的阈值，其 他所有图像都根据这个阈值进行分割，或者将CT图像分几个小组，每个小组选择一个合适 的阈值进行分割。另一种解决方案是针对每一幅图像使用合适的分割方法，每一幅图像独 立分割。第一种解决方案中分组分割是在分割效果和效率中间取一个平衡点。这种方法一 方面平衡点的寻找需要多次的试探，工作量本身就很大，另一方面如果CT图像亮度变化比 较剧烈，这种解决方案可能需要对每一幅图进行单独分割，工作量不会得到有效的降低。第 二种解决方案理论上是最好的方法，整个过程几乎不需要进行人为干预。但是分割技术发 展到现在，还没有一种分割方法对亮度不均匀的所有CT图像都能根据人的视觉判断进行 理想的分割。况且如果分割方法过度复杂，对于大规模的CT图像进行处理的效率将会很 低。而且在图像分割过程中，经常会有对分割结果进行局部手工修复的需求。并且期望手 工修复的时候可以尽量降低工作量。因为当规模较大的时候，对每一幅图像进行手工修复 的工作量是巨大的。然而对所有图像采用同一种固定修复方法，又很难达到预期的修复效 果。针对这种需求，目前的研究情况还没有提出一种可以对岩石CT图像进行自适应，高效 的分割和修复方法。本发明针对这种问题和需求提出并实现了一种可以根据人眼视觉判 断，进行的自适应，并且高效的分割方法，并且利用序列图的相关性提出并实现了一种自适 应的修复方法。可以在不加大工作量的前提下，进而对分割效果进一步提高。


【发明内容】

[0005] 本发明的目的就是为了满足上述需求而提出并实现一种具有实用性的，高效的岩 石CT图像目标分割方法。
[0006] 本发明提供的岩石CT图像目标分割方法，是基于以下思想提出的：岩石CT图像 具有规模大，灰度对比度低、纹理单一、噪声较多、且结构不规则等特征。由于CT扫描技术 的原因，通常会还会造成CT图像前后亮度不均匀，亮度差别较大。岩石内部结构比较复杂， 直接进行分割难度较大。但是CT图像有一个很重要的特征，就是相邻CT图的特征信息基 本保持一致，包括亮度，结构，统计特性等。而且同一地质环境下的CT图像，孔隙和颗粒在 岩石中的分布有很大相关性，特征变化缓慢。合理利用这些特性可以解决很多目前比较难 以解决的问题。而且大规模图像处理过程中，图像处理的效果和效率，以及人所参与的工作 量，是判断整个图像处理方法优劣的重要指标。均衡这些指标也正是图像处理方法研究的 关键所在。图像分割作为图像处理中的代表应用技术不可能避开这些指标。在效果方面，优 秀的图像分割技术要保证能将所有感兴趣的目标分割出来，并且非感兴趣目标要被抑制。 由于CT图像虽然具有很大相关性，但是图像之间亮度有一定差别，采用固定阈值分割的时 候，无法保证每一幅CT图像都达到预期的分割效果。而根据相关性信息，自动调节分割阈 值，可以达到预期的分割效果。但即便阈值自动调节，分割效果得到很大改善，还会难免有 少量图像达不到人眼视觉判断的分割效果，存在一定的欠分割现象。所谓欠分割就是没有 分割彻底，较大的目标只被分割出少量区域。以当前的分割结果，自动进行区域生长，将目 标区域进一步修复完善，便可以达到较理想的分割效果。在效率方面，工作量（包括人和计 算机资源）要在可接受范围内尽可能降低。自动阈值调节和自适应区域生长就是在改善分 割效果的同时兼顾效率的方法。即便在最终对个别目标进行人工修复的过程中，针对相关 目标自适应进行区域生长修复也是将效率作为重要指标。只需对一幅图像中的目标进行手 工修复，其他CT图中的目标将自动进行判别修复。综合要求分割方法简单有效，分割方法 不能太复杂，需尽量使整个过程中没有人参与或者人参与成份很少。
[0007] 本发明提供岩石CT图像目标分割方法，包括以下步骤：
[0008] 步骤1:对岩石CT图像进行自动调节阈值分割，把感兴趣的目标提取出来；
[0009] 步骤2:对步骤1目标提取的结果进行人眼视觉判断，分割效果是否达到要求，如 果未达到要求，需要进一步对分割结果修复，进行步骤3,否则分割结束；
[0010] 步骤3 :对步骤1分割结果进行自动区域生长修复，使提取的目标更加完善；
[0011] 步骤4 :对步骤3目标修复的结果进行人眼视觉判断，目标修复效果是否达到要 求，如果没有达到要求，需要进一步对分割修复的结果进行手工修复，进行步骤5,否则分割 结束；
[0012] 步骤5 :对步骤3分割修复结果进行手工选取特定目标自动修复，以修复的结果作 为最终提取的目标。
[0013] 在本发明上述技术方案中，所述步骤1对岩石CT图像进行自动调节阈值分割，优 先采用由下述方法进行分割：
[0014] (1)选定CT图像中的第一幅图像，通过双阈值二值化方法，手动调阈值，根据人眼 视觉对感兴趣目标区域的判断，选定合适的阈值（thythu),其中灰度值在Iith1,thj范围 内的像素点属于分割区域，使当前图像的分割效果较为理想。
[0015](2)计算图像的直方图Htl(X)，根据Htl(X)记录用于分割的下阈值点（tK，Htl (thD) 和与其相邻的左右各5个点组成下阈值匹配模版T1。同样记录用于分割的上阈值点（thu， HtlUhu)和与其相邻的左右各5个点组成上阈值匹配模版Tu，T1和Tu的中心点分别为（thy H0(thL))和Uhu,H^thu))。
[0016] (3)计算当前图像的直方图H(x)，使用TjPTu在H(x)上进行匹配。计算T1在 H(X)上对应位置差值绝对值τ，找到使τ最小的中心点thli，将thh用于当前图像分割 的下阈值点。使用同样的方法找到Tu最匹配的中心点thUi，将也+用于当前图像分割的上 阈值点。
[0017] (4)对当前图像使用（thli，thiO阈值进行分割，并用IMi更新，用thw更新 ，用H(X)更新Htl(X)。
[0018](5)重复步骤（2)，（3)，（4)，直到所有图像分割完毕。
[0019] 在本发明上述技术方案中，所述步骤3对分割后的岩石CT图像进行自动区域生长 修复，优先采用由下述方法进行修复：
[0020] (1)根据人眼视觉判断，选择一幅分割比较理想的图片（通常直接取第一幅）。计 算分割区域的覆盖率S^，以δ^作为分割优劣的标准。
[0021](2)计算CT图中每一幅图已分割的覆盖率δ，以及和当前图像覆盖率和δ。的比 值ω，根据ω将当前图像的分割程度归类到A1,A2,A3,Α4。
[0022] (3)对CT图像进行扫描，通过区域生长方法对已分割区域进行识别，得到已分割 目标区域的像素点集Ω，并计算目标区域Ω的平均灰度值Ψ。
[0023] (4)计算判别像素点的8领域灰度均值和Ψ的差值Λ以及8领域灰度值与当前像 素点灰度的平均差值ε。将Λ和ε作为区域生长的判别准则，并根据A1,A2,A3,A4不同类 别自动设定特定的Λ和ε判别值，对目标区域进行区域生长。
[0024] (5)在Ω的基础上根据步骤（4)中的判别规则对目标区域进行改进的区域生长方 法修复，使目标区域分割更加完整。
[0025] (6)重复步骤⑷和（5)直到图像中所有目标都修复完毕。
[0026] 在本发明上述技术方案中，所述步骤5对分割修复结果进行手工选取特定目标自 动修复，优先采用由下述方法进行自动修复：
[0027] (1)对CT图中个别分割不理想的目标进行手工修复，得到修复区域的点集Φ。
[0028](2)将Φ所有像素点作为种子点，计算Φ区域的加权平均灰度值Φ。判别领域像 素点Ρ，计算P的8领域灰度均值与Φ的差值Λ。并计算P的8领域灰度值Ai与当前像 素点的灰度值λ4的平均差值ε。这两个值在一定范围内的像素点将归并到当前区域中。 最终的到区域Α。
[0029] (3)计算区域A的面积Stl和像素加权平均值g(l，并运用拉普拉斯变换在图形层上 提取A的边缘D。
[0030] (4)将区域像素点集A投影到下一幅相邻图像，通过对应位置图像灰度值的比较， 进行像素点取舍，得到投影点集B。
[0031] (5)以点集B代替Φ作为种子点，重复步骤（3)。
[0032](6)将当前区域生长完成的区域C与A做比较，将C中存在而在A中不存在的像素 点集标记为区域F。
[0033] (7)计算边缘D的总线长dQ，以及区域F与边缘D的交线线长Cl1，并计算Cl1和dQ的 比值μd，根据μ〇判断F是从中C删除还是保留。
[0034] (8)计算区域C的面积s和其在原始图像的加权平均灰度值g。计算s与Stl进行 比值μs，以及g和g(!的差值绝对值μg。用μs和μg的取值作为方法的终止条件。
[0035](9)用C更新A,s更新sQ的值，保持gQ不变，重复步骤（3)，（4)，（5)，（6)，（7)， ⑶。
[0036] 在所述对岩石CT图像进行自动调节阈值分割的方法步骤（1)中，通过人眼的判断 来决定分割阈值范围[thpthj。保证分割效果较佳。
[0037] 在所述对岩石CT图像进行自动调节阈值分割的方法步骤（2)中，计算图像的直方 图Htl(X),计算公式为：
[0038]IfAx)=:-(1) N
[0039] 其中N(X)为灰度级X在图像中的像素点数，Xe[0, 255]。N为图像总共像素点 数。根据Htl(X)记录用于分割的下阈值点（thyHJthJ)和与其相邻的左右各5个点组成 下阈值匹配模版!\。同样记录用于分割的上阈值点（ttvHjthu)和与其相邻的左右各5个 点组成上阈值匹配模版Tu，T1和Tu的中心点分别为（thyHtl (thj)和（thu，HJthu))。
[0040] 在所述对岩石CT图像进行自动调节阈值分割的方法步骤（3)中，使用公式（1)计 算当前图像的直方图H(x)，使用1\和1；在H(X)上进行匹配，匹配方式是在H(X)上定位到 [thf5,thj5]区间，使1\中心点在[thf5,thj5]内从中间到两边交替移动，每移动一个 位置都会有一个与T1相对应的模版，其中心点为thli，范围区间为[thli-5,thli+5]。计算 T1在H(X)上对应位置差值绝对值和τ，计算公式为： τ=X\H(th) -^0(th〇)| (2)
[0041] ./=-5 th^-thL +,I
[0042] 找到使τ最小的中心点thli，将丨叫用于当前图像分割的下阈值点。使用同样 的方法找到Tu最匹配的中心点thUi，将thUi用于当前图像分割的上阈值点。
[0043] 在所述对岩石CT图像进行自动调节阈值分割的方法步骤（4)中，对当前图像使用 (1:1111，1:111〇阈值进行分割，并用1:111 1更新1:111；，用1:11111更新1:111]，用!1(1)更新!1 (|(1)。
[0044] 在所述对岩石CT图像进行自动调节阈值分割的方法步骤（5)中，步骤（2)，（3)， (4)，可以完成根据上一幅图像来完成当前图像的分割，重复步骤（2)，（3)，（4)，可以完成所 有CT图的分割。
[0045] 在所述对分割后的岩石CT图像进行自动区域生长修复的方法步骤（1)中，根据人 视觉判断，选择一幅分割较理想的图片（通常直接取第一幅），设图像长和宽分别为w和h， 已分割出来的区域像素点数为1。计算分割区域的覆盖率S^，计算公式如下：
[0046] δ=-(3) wXη
[0047] 以δ^作为分割优劣的标准。如果\比较小表明分割区域较少，如果\比较大 代表分割区域较大。一定程度上可以表征当前图像的分割情况。
[0048] 在所述对分割后的岩石CT图像进行自动区域生长修复的方法步骤（2)中，计算CT 图中每一幅图已分割的覆盖率S和当前图像覆盖率和\的比值计ω，算公式如下：
[0049] (〇= -(4) 5O
[0050] 根据ω将当前图像的分割程度归类到A1,A2,A3,A4。具体分类情况如表1-1:
[0051] 表1-1根据ω将图像归类情况
[0052]

【权利要求】
1. 一种岩石CT图像目标分割方法，其特征在于：包括以下步骤： 步骤1 :对岩石CT图像进行自动调节阈值分割，把感兴趣的目标提取出来； 步骤2 :对步骤1目标提取的结果通过人眼视觉进行判断，判断分割效果是否达到要 求，如果未达到要求，需要进一步对分割结果修复，进行步骤3,否则分割结束； 步骤3 :对步骤1分割结果进行自动区域生长修复，使提取的目标更加完善； 步骤4 :对步骤3目标修复的结果通过人眼视觉进行判断，判断目标修复效果是否达到 要求，如果没有达到要求，需要进一步对分割修复的结果进行手工修复，进行步骤5,否则分 割结束； 步骤5 :对步骤3分割修复结果进行手工选取特定目标自动修复，以修复的结果作为最 终提取的目标。
2. 根据权利要求1所述的岩石CT图像目标分割方法，其特征在于，步骤1所述的对岩 石CT图像进行自动调节阈值分割，采取下述方法进行： (1) 选定CT图像中的一幅图像，作为分割开始的基准图像，通过双阈值二值化分割方 法，根据人眼视觉对感兴趣目标区域的判断，手动选定阈值区间[thp thj，其中灰度值在 [thy thj范围内的像素点属于分割区域； (2) 计算基准图像的直方图Hq(x)，根据Htl(X)记录用于分割的下阈值点（thpHciUt k)) 和与其相邻的左右各5个点组成下阈值匹配模版T1，同样记录用于分割的上阈值点Uh u, HtlUhu)和与其相邻的左右各5个点组成上阈值匹配模版Tu，T 1和Tu的中心点分别为（thy H0(thL))和 Uhu, H0Uhu)); (3) 计算当前图像的直方图H(x)，使用1\和1；在H(X)上进行匹配，计算1\在!1〇〇上 对应位置差值绝对值τ，找到使τ最小的中心点thli，将thh用于当前图像分割的下阈值 点，使用同样的方法找到T u最匹配的中心点thUi，将thUi用于当前图像分割的上阈值点； (4) 对当前图像使用（thli，thiO阈值进行分割，并用IMi更新，用thw更新thu, 用 H (X)更新 Hci (X); (5) 重复步骤（2)，（3)，（4)，直到所有图像分割完毕。
3. 根据权利要求1所述的岩石CT图像目标分割方法，其特征在于，步骤3所述对自动 调节阈值分割结果进行自动区域生长修复，采取下述方法进行： (1) 根据人眼视觉判断，选择一幅分割较理想的图像作为基准图像，计算其分割区域的 覆盖率δ ^，以δ^作为分割优劣的标准； (2) 计算CT图中每一幅图已分割的覆盖率δ，以及δ和\的比值ω，根据ω将当 前图像的分割程度归类到A1, A2, A3, A4 ; (3) 对CT图像进行扫描，通过区域生长方法对已分割区域进行识别，得到已分割目标 区域的像素点集Ω，并计算Ω的平均灰度值Ψ ; (4) 计算判别像素点的8领域灰度均值和Ψ的差值Λ以及8领域灰度值与当前像素点 灰度的平均差值ε，将Λ和ε作为区域生长的判别准则，并根据A 1, A2, A3, A4不同类别自 动设定特定的Λ和ε判别值，对目标区域进行区域生长； (5) 在Ω的基础上根据步骤（4)中的判别规则对目标区域进行改进的区域生长方法修 复，使目标区域分割更加完整； (6) 重复步骤（4)和（5)直到图像中所有目标都修复完毕。
4. 根据权利要求1所述的岩石CT图像目标分割方法，其特征在于，步骤5所述对分割 结果进行手工选取特定目标自动修复，采取下述方法进行： (1) 对CT图中分割不理想的目标进行手工修复，得到修复区域的点集Φ ; (2) 将Φ所有像素点作为种子点，计算Φ区域的加权平均灰度值Φ，判别领域像素点 P，计算P的8领域灰度均值与Φ的差值Λ。并计算P的8领域灰度值λ i与当前像素点 的灰度值λ4的平均差值ε，这两个值在一定范围内的像素点将归并到当前区域中，最终的 到区域Α; (3) 计算区域A的面积Stl和像素加权平均值g(l，并运用拉普拉斯变换在图形层上提取 A的边缘D ; (4) 将像素点集A投影到下一幅相邻图像，通过对应位置图像灰度值的比较，进行像素 点取舍，得到投影点集B ;以点集B代替Φ作为种子点，重复步骤（2); (5) 将当前区域生长完成的区域C与A做比较，将C中存在而在A中不存在的像素点集 标记为区域F ; (6) 计算边缘D的总线长Cltl，以及区域F与边缘D的交线线长Cl1，计算Cl1和Cl tl的比值 μ d，根据μ d判断F是从中C删除还是保留； (7) 计算区域C的面积s和其加权平均灰度值g，计算s与Stl的比值μ s，以及g和g(l 的差值绝对值μ 8，用μ s和μ g的值作为方法的终止条件； (8) 用C更新A，S更新Stl的值，保持g(l不变，重复步骤（3)，（4)，（5)，（6)，（7)直到修 复完毕。
5. 根据权利要求2所述的岩石CT图像目标分割方法，其特征在于，在对岩石CT图像 进行自动调节阈值分割的步骤⑶中，计算当前图像的直方图H(x)，使用1\和1；在H(X) 上进行匹配，所述匹配方式为在H(X)上定位到[?\-5，?Κ+5]区间，使1\中心点在[thf5， t\+5]内从中间到两边交替移动，每移动一个位置都会有一个与T1相对应的模版，其中心 点为thli，范围区间为[thl「5, thV5]。
6. 根据权利要求2所述的岩石CT图像目标分割方法，其特征在于，在对岩石CT图像进 行自动调节阈值分割的步骤（3)中计算T 1在H(X)上对应位置差值绝对值和τ的计算公 式如下：
7. 根据权利要求3所述的岩石CT图像目标分割方法，其特征在于，在对自动调节阈值 分割结果进行自动区域生长修复的步骤（2)中，计算CT图中每一幅图已分割的覆盖率δ 以及S和Stl的比值ω，根据ω将当前图像的分割程度归类到A1, A2, A3, A4，具体分类情况 为当ω e (〇.〇,〇. 3]时，图像过度欠分割，属于A1类；当ω e (0.3,0.5]时，图像欠分割， 属于A2类；当ω e (0.5,0.8]时，图像轻微欠分割，属于A3类；当ω e (0.8,1.0]时，图 像分割效果较好，属于A4类。
8. 根据权利要求3所述的岩石CT图像目标分割方法，其特征在于，在对自动调节阈值 分割结果进行自动区域生长修复的步骤（4)中，计算判别像素点P的8领域灰度均值和Ψ 的差值Λ以及8领域灰度值与P灰度的平均差值ε，Λ和ε的计算公式如下：
其中λ 4为P的灰度值，λ i为P的8领域像素灰度值。设初始设定领域均值与加权均 值差值为Λ 〇和领域差值平均为％，根据A1, A2, A3, A4自动设定特定的Λ和ε判别值。
9. 根据权利要求4所述的岩石CT图像目标分割方法，其特征在于，在对分割结果进行 手工选取特定目标自动修复的步骤（2)中，计算Φ区域的加权平均灰度值Φ，计算判别领 域像素点P的8领域灰度均值与Φ的差值Λ，其中Λ的计算公式如下所示：
(4)其中Ai SP的8领域的灰 度值，14为当前像素点的灰度值，并计算P的8领域灰度值Ai与当前像素点的灰度值λ4 的平均差值ε，其中ε的计算公式如下所示：
以Λ彡m(me [0,50])和ε彡n(ne [0,50])作为区域生长的判别准则。
10. 根据权利要求4所述的岩石CT图像目标分割方法，其特征在于，在对分割结果进行 手工选取特定目标自动修复的步骤（6)中，边缘D的总线长Cl tl，区域F与边缘D的交线线长 Cl1SF n D的像素点集中像素点个数。计算Cl1和Cltl的比值，用判断F是从中C删 除还是保留，如果U dSf (fe [〇，1])，将F从C中删除，否则保留F。
【文档编号】G06T7/00GK104376556SQ201410607134
【公开日】2015年2月25日 申请日期:2014年10月31日 优先权日:2014年10月31日
【发明者】滕奇志, 徐永进, 何小海, 袁浩, 吴小强, 王正勇 申请人:四川大学