孫曉峰 姚 笛 劉書杰 任美鵬 耿亞楠

1.東北石油大學(xué)石油工程學(xué)院 2.中海油研究總院

0 引言

井噴是開采油氣資源鉆井過程中，地層孔隙壓力高于井底壓力時(shí)，地層流體大量噴出地面的現(xiàn)象。井噴如果不能得到有效控制，就有可能演變成井噴失控事故，甚至?xí)斐删畧霰ㄆ鸹稹⑷藛T傷亡和巨大的財(cái)產(chǎn)損失。井噴失控事故一旦發(fā)生，需要根據(jù)井口壓力迅速制訂壓井搶險(xiǎn)方案，然而井口失控后隨時(shí)可能發(fā)生爆炸，導(dǎo)致救援人員無法靠近井口讀取壓力參數(shù)[1-3]。因此，筆者提出了一種基于圖像識別方法的井噴液柱高度實(shí)時(shí)測量方法，利用該方法對井噴圖像進(jìn)行程序化處理，可以在海上鉆井平臺井噴失控后實(shí)時(shí)連續(xù)測量井噴液柱高度，第一時(shí)間獲取井噴關(guān)鍵參數(shù)，為實(shí)現(xiàn)實(shí)時(shí)動態(tài)監(jiān)測海上鉆井平臺井口壓力變化提供理論指導(dǎo)。

圖1 井噴液柱高度測量系統(tǒng)結(jié)構(gòu)示意圖

1 井噴液柱高度測量系統(tǒng)的設(shè)計(jì)與測量原理

井噴液柱高度測量系統(tǒng)組成如圖1所示。在救援船上搭載高分辨率工業(yè)CCD相機(jī)，井噴失控事故發(fā)生后在救援船上使用CCD相機(jī)對井噴液柱拍攝進(jìn)行連續(xù)瞬態(tài)成像，隨后利用計(jì)算機(jī)對拍攝得到圖像進(jìn)行處理。若井噴失控事故現(xiàn)場情況復(fù)雜，難以直接在救援船上進(jìn)行拍攝，也可將高分辨率相機(jī)搭載到無人機(jī)上，遠(yuǎn)程操控?zé)o人機(jī)對井噴事故處進(jìn)行航拍，無人機(jī)拍攝下的照片可通過無線信號傳輸至陸地或救援船上的計(jì)算機(jī)上，再通過計(jì)算機(jī)對拍攝下來的井噴圖像進(jìn)行處理與識別。為減少拍攝誤差，每次對井噴液柱進(jìn)行拍攝時(shí)應(yīng)分別旋轉(zhuǎn)120°拍攝3張照片，最終計(jì)算得到的井噴液柱高度取三者的平均值。

井噴液柱實(shí)際高度的計(jì)算采用參照物法。參照物法的原理如圖2所示，首先在拍攝的照片中找出已知實(shí)際尺寸的參照物，如平臺、井架等。假設(shè)參照物高度為n m；井噴液柱高度為H m；井噴液柱在圖像中的像素高度為h m，參照物的像素高度為c m。定義k=n/c，k稱為成像比例系數(shù)[4]，代表單位像素的實(shí)際尺寸。將井噴液柱的像素高度乘上成像比例系數(shù)k，即可得到井噴液柱的實(shí)際高度：

圖2 參照物測高法原理示意圖

2 井噴液柱圖像處理

由于井噴圖像信息一般比較復(fù)雜，在對圖像進(jìn)行處理的過程中，往往會受到各種因素的干擾，難以直接對井噴液柱進(jìn)行分割識別。因此需要先對井噴圖像進(jìn)行預(yù)處理再進(jìn)行識別[5]。筆者采用圖像直方圖均衡化處理[6]與高頻強(qiáng)調(diào)濾波處理[7]對圖像進(jìn)行預(yù)處理。之后，采用改進(jìn)的Otsu算法[8]對處理后的圖像進(jìn)行二值化處理，分割出井噴液柱的輪廓。隨后利用數(shù)學(xué)形態(tài)學(xué)運(yùn)算[9]處理二值圖像中的邊界點(diǎn)與孔洞，最終繪制出圖像中的井噴液柱的輪廓并獲取其像素尺寸。得到井噴液柱的像素尺寸后即可根據(jù)參照物測高法計(jì)算出井噴液柱的實(shí)際高度。

2.1 井噴液柱圖像直方圖均衡化方法

對比度是指一幅圖像灰度反差的大小，對比度越大則圖像也越清晰，色彩越鮮明。筆者采用以累計(jì)分布函數(shù)為基礎(chǔ)的直方圖均衡化算法對井噴圖像進(jìn)行對比度增強(qiáng)處理[10]。由于常規(guī)彩色圖像大多采用RGB顏色標(biāo)準(zhǔn)[11]，對RGB彩色圖像直接進(jìn)行均衡化處理會改變圖像原本的色調(diào)，導(dǎo)致處理后的圖像彩色失真。而HSV顏色空間[12]中的V分量代表彩色圖像的明暗程度。對圖像的亮度分量V進(jìn)行調(diào)整可以保證在改善圖像視覺效果的同時(shí)不改變圖像的色調(diào)。因此為了避免產(chǎn)生圖像失真，筆者首先將圖像由RGB模型轉(zhuǎn)換為HSV模型，再對HSV模型中的V分量進(jìn)行直方圖均衡化處理，以增強(qiáng)圖像對比度。圖像從RGB顏色空間轉(zhuǎn)換至HSV顏色空間的公式，即

式中H表示圖像的色度；R、G、B分別代表圖像的紅、綠、藍(lán)三種顏色分量。

對圖像進(jìn)行轉(zhuǎn)換后即可從HSV空間中提取出圖像的亮度分量V，并對其進(jìn)行直方圖均衡化。以圖3為例闡述井噴圖像進(jìn)行V分量的直方圖均衡化處理。圖3-a與c分別為圖3-b與d的亮度分布直方圖。在直方圖圖3-a中，圖像的亮度主要集中在亮度級別為0.2～0.95的范圍之內(nèi)，且低亮度區(qū)間內(nèi)無像素分布，導(dǎo)致整體對比度不高。經(jīng)過均衡化處理后得到直方圖圖3-c，其中原直方圖中的低亮度區(qū)間得到了擴(kuò)展，且圖像的亮度分布在整個(gè)區(qū)間內(nèi)趨于均勻，圖像的整體對比度得到了提升。處理后的圖3-d與圖b對比可以看出，井噴液柱中密度較低的部分如油霧與水滴段的亮度得到了增加，而密度較高的流體主體部分亮度被降低了，可以明顯區(qū)分出二者的邊界，為后續(xù)的識別與分割處理排除了干擾。

圖3 V分量的直方圖處理前、后的井噴圖像圖

2.2 井噴液柱圖像高頻強(qiáng)調(diào)濾波處理

經(jīng)過直方圖均衡化處理后，井噴圖像的清晰度得到了增強(qiáng)，很大程度上改善了圖像對比度不高、可識別性較差的問題。不過為了便于對圖像進(jìn)行后續(xù)的分割處理，還需要對井噴圖像進(jìn)行高頻強(qiáng)調(diào)濾波處理[13]。

首先利用高通濾波器削減圖像中的低頻分量，同時(shí)保持高頻的相對不變來對圖像進(jìn)行銳化處理。隨后為高通濾波器乘以一個(gè)常數(shù)，再加上一個(gè)偏移量，以對圖像進(jìn)行補(bǔ)償。這種方法被稱為高頻強(qiáng)調(diào)濾波[14]。高頻強(qiáng)調(diào)濾波處理既可以增強(qiáng)圖像的低頻，同時(shí)又可以保證高頻部分強(qiáng)調(diào)的效果，其傳遞函數(shù)如為：

式中a表示偏移量；b表示乘數(shù)， a與b皆為常數(shù)，且有 b＞1，a＜b；HHP(u,v)表示高斯高通濾波器的傳遞函數(shù)。利用高頻強(qiáng)調(diào)濾波對井噴圖像圖3-d進(jìn)行處理，將截止頻率D0設(shè)置為40，偏移量a設(shè)置為0.5，乘數(shù)b設(shè)置為0.75。

處理后的圖像如圖4所示，圖像中井噴液柱的邊緣輪廓與細(xì)節(jié)得到了突出，且圖像對比度也有所提升。

圖4 高頻強(qiáng)調(diào)濾波處理照片

從實(shí)驗(yàn)效果圖可以看出，對圖像采取的直方圖均衡化處理與高頻強(qiáng)調(diào)濾波處理，不僅增強(qiáng)了圖像的細(xì)節(jié)與邊緣，還增強(qiáng)了圖像的對比度與亮度，使圖像的清晰度得到了明顯的改善，達(dá)到了圖像增強(qiáng)的目的，取得了較好的預(yù)處理效果。

2.3 基于Otsu算法的井噴液柱圖像分割

得到經(jīng)過預(yù)處理的井噴圖像后，需要對圖像進(jìn)行閾值分割處理，從圖像中提取出井噴液柱的主體部分以獲取井噴液柱參數(shù)。對井噴液柱而言主體部分為射流的緊密段，緊密段部分的流體密度較高，所以顏色較深，而井噴所產(chǎn)生的油霧部分主要由射流的液滴段組成，密度較低顏色較淺。根據(jù)這一特點(diǎn)，對井噴圖像進(jìn)行處理，去除外界淺色的油霧，保留井噴液柱的主體部分，以提升后續(xù)井噴液柱參數(shù)計(jì)算結(jié)果的準(zhǔn)確性。筆者采用Otsu算法的改進(jìn)算法對圖像進(jìn)行閾值分割[15-16]。

假設(shè)將圖像分割為目標(biāo)與背景兩部分的閾值為t，目標(biāo)像素點(diǎn)所占圖像比例為ω0，目標(biāo)包含的所有像素點(diǎn)的平均灰度值為μ0，背景像素點(diǎn)所占圖像比例為ω1，背景包含的所有像素點(diǎn)的平均灰度值為μ1，則閾值為t時(shí)圖像的總平均灰度值為：

遍歷圖像的所有灰度等級得到閾值t，計(jì)算得到的最大方差值稱為最大類間方差，令方差值達(dá)到最大的閾值t就是所求的最佳分割閾值（T）。最大類間方差表示為：

得到最佳閾值后利用該閾值對圖像進(jìn)行閾值分割即可得到井噴圖像的二值化圖像。利用該算法對圖像進(jìn)行處理后可以將井噴液柱與背景分隔開來，分割效果如圖5-a。不過為了使圖像的分割效果更好，排除外層油霧的干擾并保留井噴液柱主體部分，筆者對該算法進(jìn)行了改進(jìn)，在Otsu算法的基礎(chǔ)上為得到的閾值T增加一個(gè)閾值修正值ΔT，其范圍為-40～-60，改進(jìn)后的分割效果如圖5-b所示。對比圖5-a與b可以看出，使用改進(jìn)后的Otsu算法對圖像進(jìn)行閾值分割的效果較好，可以排除圖像中外界的干擾，恢復(fù)井噴液柱本來的面貌。

2.4 井噴液柱圖像數(shù)學(xué)形態(tài)學(xué)處理

對原圖像進(jìn)行二值化處理后，可以較完整地從圖中識別出井噴液柱的輪廓，不過圖像中仍有一些毛刺與孔洞會影響識別的效果。此時(shí)可采用數(shù)學(xué)形態(tài)學(xué)中的開運(yùn)算與閉運(yùn)算對圖像進(jìn)行孔洞填充與邊界平滑處理[17]。

對井噴液柱圖像的二值化圖像圖5-b進(jìn)行一次閉運(yùn)算和兩次開運(yùn)算處理[18]，處理后的圖像如圖5-c所示，對比原二值圖像，井噴液柱外側(cè)的細(xì)小突出部分被去掉了，內(nèi)側(cè)的細(xì)小孔洞都被填充了，且消除了圖像外圍的噪點(diǎn)，整體輪廓變得更為平滑，獲得了較好的處理效果。

圖5 不同算法獲得的井噴液柱輪廓對比圖

2.5 獲取井噴液柱參數(shù)

經(jīng)過以上各步驟處理后，已經(jīng)可以得到較為完整的井噴液柱主體部分。分別使用GrabCut算法與分水嶺算法及筆者采用OpenCV計(jì)算機(jī)視覺庫中的drawContours函數(shù)與f i ndContours函數(shù)，尋找并繪制出井噴液柱的輪廓，隨后將繪制的輪廓映射到原圖像當(dāng)中，如圖5中的粉色輪廓為3種方法繪制的井噴液柱輪廓。圖5-d與圖5-e處理得到的井噴液柱輪廓圖像，受到井噴產(chǎn)生的油霧干擾嚴(yán)重，準(zhǔn)確地識別出井噴液柱的主體輪廓難度較大。圖5-e中可以看出，drawContours函數(shù)可以較為精準(zhǔn)地繪制出井噴液柱的邊界輪廓。筆者所采用的算法可將井噴液柱的主體輪廓繪制出來，而原圖中肉眼難以分辨的井噴油霧則被排除在液柱主體輪廓之外。圖5-f中的主體輪廓最小頂?shù)字g的長度參數(shù)輸出即可得到井噴液柱的像素高度，隨后可根據(jù)式（1）計(jì)算出井噴液柱的實(shí)際高度。

3 圖像處理法計(jì)算井噴液柱高度實(shí)驗(yàn)

3.1 實(shí)驗(yàn)裝置與流程

為驗(yàn)證筆者測量技術(shù)的準(zhǔn)確性，對井噴液柱高度測量系統(tǒng)進(jìn)行了模擬實(shí)驗(yàn)。本實(shí)驗(yàn)中的井噴液柱高度測量系統(tǒng)由高分辨率相機(jī)、計(jì)算機(jī)與氣液混合相井噴實(shí)驗(yàn)?zāi)M裝置組成。高分辨率相機(jī)為Canon/EOS 80D 相機(jī)搭載EF17-40mm f/4L USM鏡頭，計(jì)算機(jī)搭載雙核3.8 GHz處理器，氣液混合相井噴實(shí)驗(yàn)?zāi)M裝置組成包括空壓機(jī)、減壓閥、氣體流量計(jì)、氣體流量控制閥、儲水箱、閘閥、變頻離心水泵、液體電磁流量計(jì)、單向閥、壓力表、射流器、數(shù)據(jù)采集中心等。

實(shí)驗(yàn)前將儲水箱中充滿水，隨后開啟空壓機(jī)吸入空氣，并打開裝置中所有閥門，使混合后的氣液兩相流均勻地從射流器出口噴出，實(shí)驗(yàn)過程中需保持噴口豎直向上，模擬實(shí)驗(yàn)現(xiàn)場如圖6所示。噴出的流體穩(wěn)定后，使用相機(jī)對流體進(jìn)行拍攝，并收集實(shí)驗(yàn)數(shù)據(jù)。保持噴口直徑不變，通過改變氣體或者液體的流量來控制噴射流體的高度，對不同高度的模擬井噴液柱進(jìn)行測量與拍攝，最后關(guān)閉測試流程。

3.2 實(shí)驗(yàn)結(jié)果分析

通過控制氣液混合相井噴實(shí)驗(yàn)?zāi)M裝置的壓力控件，使氣液混合相井噴實(shí)驗(yàn)?zāi)M裝置分別噴射出三束不同高度的流體。分別對三束不同高度的流體進(jìn)行拍攝以獲取三組實(shí)驗(yàn)的流體圖像，每組實(shí)驗(yàn)分別設(shè)置拍攝距離為5 m、7 m、9 m。在相同的距離處以模擬井噴液柱為圓心，水平方向分別以0°、120°、240°繞實(shí)驗(yàn)中心旋轉(zhuǎn)拍攝，得到3個(gè)方向的井噴液柱圖像。分別對3張井噴液柱圖像進(jìn)行處理，計(jì)算得到3個(gè)液柱高度，最終的井噴液柱高度的值取3者的平均值。實(shí)驗(yàn)結(jié)果如表1所示。

圖6 模擬井噴液柱高度測量實(shí)驗(yàn)現(xiàn)場照片

表1 液柱高度實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)表

由表1可知，本方法對井噴液柱識別的準(zhǔn)確率較高，相對誤差小于6%，能夠較為精確地獲取井噴液柱高度。實(shí)驗(yàn)結(jié)果中產(chǎn)生的主要誤差來源于相機(jī)的鏡頭畸變誤差，鏡頭畸變是光學(xué)透鏡固有的透視失真，無法消除，若使用高質(zhì)量的光學(xué)玻璃作為鏡頭進(jìn)行拍攝，則可降低圖像的失真并減小測量誤差。實(shí)驗(yàn)過程中處理一幅圖像平均耗時(shí)0.86 s左右，可以滿足事故發(fā)生后井噴液柱實(shí)時(shí)識別與測量的要求。

4 結(jié)論

1）本研究提出了一種基于圖像處理技術(shù)的井噴液柱高度測量方法，經(jīng)實(shí)驗(yàn)驗(yàn)證可以滿足井噴高度測量的要求。

2）對Otsu算法進(jìn)行了改進(jìn)。根據(jù)井噴圖像的特點(diǎn)進(jìn)行二值化分割，可有效地將井噴后產(chǎn)生的油霧與流體主體分離開，使得到的井噴液柱參數(shù)更加精確。

3）根據(jù)該井噴液柱高度的測量方法獲得的有效數(shù)據(jù)可以用于反演計(jì)算井噴后的井口壓力和地層壓力，可用于井噴搶險(xiǎn)設(shè)計(jì)，有較好的工程應(yīng)用價(jià)值。