陆相煤系泥岩微观组构及其力学特性关联性研究第3章文档格式.docx

陆相煤系泥岩微观组构及其力学特性关联性研究第3章文档格式.docx

《陆相煤系泥岩微观组构及其力学特性关联性研究第3章文档格式.docx》由会员分享，可在线阅读，更多相关《陆相煤系泥岩微观组构及其力学特性关联性研究第3章文档格式.docx（24页珍藏版）》请在冰豆网上搜索。

本章关于微结构定量方法的研究主要借鉴于粘性土微结构定量研究方法。

目前关于土的微观结构定义，目前还有许多争议。

施斌等人将土的微观结构解释为：

土中各组分在空间上的存在形式、结构特征又受各组分的成分、定量比例及相互的作用力控制。

王清等将土的结构定义为：

结构单元体（单粒、颗粒聚合体）和孔隙的大小、形状、排列及它们之间的接触和连结关系的总称。

总体而言，土体的微观结构主要由颗粒形态（大小、形状、表面起伏情况）、颗粒排列形式（主要以定向性为主）、孔隙大小和分布情况以及颗粒之间的接触关系（包括颗粒间连通性和接触带微观形貌）等四部分组成，这四方面共同影响力土体的工程地质性质。

本章拟利用此方法分析陆相泥岩的微观结构参数。

扫描电子显微镜（SEM）分析是当前研究物体微观结构的形貌的一种有效分析手段，相对于光学显微镜来说，扫描电子显微镜具有景深长、分辨率高等优点，呈现的图像富有立体感易于分析，因此成为目前研究岩石微结构的一种最常用、最普遍的方法。

由于岩石微结构较为复杂，微结构参量在提取的过程中往往会因颗粒或孔隙的边界较为模糊使得岩石微结构定量化研究有一定的难度，尤其是孔隙和颗粒之间接触带微观参数提取更为复杂。

近二十年来，随着计算机技术的不断发展，微结构定量研究手段也变得更为丰富，目前，大部分的数字图像处理技术都基于二值化图像进行处理，常用于微观结构参量提取的数字图像技术主要包括以下几种：

（1）DIPIX数字图像处理系统，该系统最开始应用于遥感图像处理，施斌教授对其进行二次开发，用于提取土结构的一些定量信息如土体孔隙度、土体孔隙比、结构单元体的形状系数等；

（2）Videolab系统是莫斯科大学研发的。

它可以将获取的SEM图像直接输入并进行图像分析，减少因图像拍摄、填充、边缘检测等带来的人为误差，因而该系统在定量描述粘性土微结构信息方面尤其是在微观结构单元体定向性的定量研究方面能够取得显著效果。

施斌等人采用Videolab图像处理软件定量化研究了江苏粘性土的定向性，提出了描述定向特征的4个表示方法——各向异性率、概率熵、矿物定向频率分布函数以及团粒定向频率分布函数等；

（3）显微结构图片定量分析系统，该系统是我国首个用于定量研究土体微观结构图像的处理软件。

除了上述三种方法之外，许多学者针对图像处理技术进行自行研发或者利用专业图像处理软件研究扫描电子显微镜下的微观结构，如河海大学所自行研发的GeoImage、专业的图像处理软件ImageJ、Image-ProPlus等，通过采用这些软件定量化提取扫描图像的微结构参数，取得了良好的效果。

1.2SEM图像微观信息提取方法（MicroInformationExtractionMethodofSEMImage）

Matlab软件是一种高级计算机语言，广泛应用在算法开发、数据可视化、数据分析、数值计算等方面。

Matlab图像处理自带许多支持图像处理的函数，通过几何操作、线性滤波、图像增强、图像二值化操作以及几何形态特征参数提取，从而完成对SEM图像进行微结构参数的定量化研究，其在图像分析方面具有以下几种优点：

（1）在矩阵和数组运算方面强大而高效的运算功能；

（2）语法规则简单，容易熟悉和掌握；

（3）库函数丰富，语言简洁，程序书写自由；

（4）提供了各种强大的内嵌图像处理函数；

（5）集成了各种变换函数，使源程序简洁明了、容易实现。

1.2.1陆相泥岩微结构定量研究基本思路

本文拟采用Matlab图像处理工具完成对陆相泥岩的微结构参量的定量化研究。

本文利用Matlab处理陆相煤系泥岩微观结构图像（SEM图像）的基本思路如图：

（1）扫描电镜所得的图片包含着许多系统自带信息，这些信息并不是我们所需要研究的，使用imcrop函数对图像图像处理范围的选择，通过拉动鼠标框选一个合适范围，框选范围的大小会随着鼠标不断拉动而变化，单击鼠标左键即选中了处理范围；

（2）Matlab图像处理主要是针对灰度图像而言，因此需要用rgb2gray函数将所得的SEM图像转换为灰度图像；

（3）将转换后的SEM图像使用medfilt2函数进行中值滤波除噪，除去扫描电镜使用过程中所产生的噪声；

（4）针对滤波后的扫描电镜图像使用Matlab自带的imhist函数建立灰度直方图，从图中可以看出灰度图像的灰度值主要分布在0~255之间，根据灰度直方图选取最佳的阈值进行图像的二值化处理。

（5）根据选取的阈值，通过Matlab自带的库函数im2bw将灰度图像转化为二值图像，完成图像的二值化操作；

（6）Matlab处理数字图像时是将白色区域作为目标区域。

图微观结构的二值图像的黑色区域代表孔隙，而白色部分则代表颗粒，因此应该根据所研究对象的不同，适时的通过“~”来实现图像的反色再进行研究。

（7）Matlab提供了功能强大的函数regionprops，通过它可以提取颗粒（或孔隙）的总面积、总周长、等效圆的直径（简称为等效直径）、欧拉数、长短轴长及长轴与水平方向的夹角（方向角）等参数。

还有其它一些辅助函数如bwlabel、ismember等都在数字图像处理中有广泛的应用。

Matlab图像处理的技术路线如图3-1所示。

图3-1Matlab处理微观结构图像的技术路线图

Figure3-1TechnologyroadmapofprocessingmicrostructureimagebyMatlab

1.2.2陆相泥岩微结构图像处理影响因素分析

随着扫描电镜技术的不断发展和计算机数字图像处理技术的不断强大，SEM图像所携带的信息也就变得更为全面，但是如何对这些信息进行有效的提取，这是相当关键的，不管对SEM图像是进行定性还是定量分析，这其中人为因素和客观因素都对其产生不可忽视的影响，例如样品制备、区域选择、阈值大小，电镜倍数等等。

因此本文在对普通的陆相泥岩SEM图像进行定量分析之前，先分析下影响泥岩微结构图像处理的影响因素，为后文定量分析打下坚实的基础。

（1）阈值因素

Matlab图像处理过程中，阈值的选取至关重要，它是陆相泥岩微观结构图像分析和结构参数提取的关键步骤。

扫描电镜成像的过程中，由于亮度的不均导致SEM微观图像的灰度值各不相同，为了便于后续图像微观参量的提取，需对图像进行合理的分割，因此阈值选取是否合适将决定微观参数值是否符合实际情况。

阈值选取越大，则图像中更多的像素点被认为是孔隙，而且在扫描电镜进行扫描的过程中，样品表面的粗糙度不同将导致部分泥岩颗粒表现为灰色，有的甚至很接近孔隙的颜色，因而若阈值选取过大将会导致这部分的颗粒被误认为孔隙，人为的增加了孔隙率，导致定量过程中出现较大的误差。

（2）倍数因素

扫描电镜（SEM）的放大倍数对于我们定量化研究泥岩微结构参数具有重要意义。

在扫描电镜扫描分析中，放大倍数越大则观察到颗粒或者孔隙也就也清晰，但是这很有可能会忽视甚至是掩盖泥岩真实的结构特征，使得我们所得到的信息只能够反映泥岩的局部特征，甚至得到的参数会和泥岩的实际参数迥然不同，那么是不是放大倍数越小越好呢？

这也不对，放大倍数越小那么颗粒或者孔隙也将会越不明显，颗粒与孔隙之间的边界也就越难鉴别，使得土的微观结构形貌特征难以分辨，加大了分析难度。

因此合适的放大倍数对于泥岩微结构参数的定量化提取具有至关重要的意义。

放大倍数的合理选取应该依据具体情况进行确定，一般说来,若平均粒径较大、颗粒排列较为松散，应该选取较小的放大倍数，对于颗粒排列紧密、平均粒径较小，可以采用较大的放大倍数。

在陆相煤系泥岩沉积过程中，由于受到上覆岩层挤压，粘土矿物逐渐胶结形成泥岩，因此泥岩中的颗粒排列紧密、粒径较小，需选取较大放大倍数的SEM图像进行图像处理。

（3）处理区域大小因素

由于泥岩颗粒和孔隙形态特征和排列情况具有很大的随机性，如若选取较小的分析区域，视域中可能只看到几个颗粒或者孔隙，随着分析区域的增大即放大倍数变小，视域中所能够看到的颗粒或者孔隙数目随之增大，此时泥岩由于颗粒或孔隙的随机性所造成的误差也就随之降低下来了。

对泥岩进行SEM分析区域选择时，应遵循以下几个原则：

a.选取泥岩中孔隙、颗粒分布均匀的点，避免出现大的孔隙或者颗粒；

b.选择具有泥岩典型特征的区域，尽可能增大分析区域，同时为确保分析结果更为准确，对分析结果取平均值。

1.2.3微结构图像预处理

依据Matlab处理微观结构图像的基本思路，将所采集到的陆相泥岩样（园子沟矿、曹村矿、姚桥矿和桃园矿）微观结构参数进行提取。

（1）像素长度与实际长度换算

Matlab数字图像处理过程中所默认的长度和面积等都是指在像素条件下的，而我们在实际运用过程所使用的长度单位为μm，因此需结合图像分辨率以及放大倍数将像素意义下的长度转换为我们实际所需要的，如下式所示，不同分辨率和放大倍数的转换因子见表3-1。

（3-1）

（3-2）

式中，

为微米单位下的长度，Lx为像素意义下的长度，C为长度转换因子，图片分辨率为每英寸显示的像素数，1英寸=2.54×

104微米，当需要转换面积时转换因子取C2即：

（3-3）

表3-1不同分辨率和放大倍数的转换因子

Table3-1Conversionfactorsofdifferentresolutionandmagnification

图片分辨率

放大倍数

转化因子C

40

3000

0.21

4000

0.16

5000

0.13

6000

0.11

72

0.09

（2）图像预处理过程

针对扫描电镜图像进行预判断微观结构图片是否为灰度图片，再将非灰度图片（假设为RGB图像）通过rgb2gray函数将其转换为灰度图片。

有些图片无法通过肉眼观察判断是否为灰度，而利用Matlab可以查看到每一个像素点所对应的灰度值或亮度值，进而可以判断图像的属性。

（a）RGB图像

（b）灰度图像

图3-2RGB图像转换为灰度图像

Figure3-2ConvertingfromRGBimagetograyimage

图3-2展示的是SEM图像作为RGB图像通过rgb2gray函数向灰度图像转换的结果，可以看出转换后的灰度图像与原RGB图像几乎完全一样，但只有灰度图像才具有灰度直方图。

通过imhist函数操作调取灰度图像的灰度直方图，选择合理的分割阈值，进行图像的二值化操作。

下面以某一典型图片作为示例，阐述阈值选取对图像二值化的影响。

图3-3灰度图像的灰度直方图

Figure3-3Graylevelhistogramofgrayscaleimage

图3-3绘制了灰度图像3-2（b）的灰度直方图即图3-2（b）