泥化夹层细观组构参数的量化方法

胡启军，何松晟，叶 涛，何乐平，蔡其杰

(1.西南石油大学土木工程与建筑学院，四川 成都 610500；2.四川省地矿局九O九地质队，四川 绵阳 621050；3.西南交通大学交通运输与物流学院，四川 成都 610031)

泥化夹层细观组构参数的量化方法

胡启军1，何松晟1，叶 涛2，何乐平1，蔡其杰3

(1.西南石油大学土木工程与建筑学院，四川 成都 610500；2.四川省地矿局九O九地质队，四川 绵阳 621050；3.西南交通大学交通运输与物流学院，四川 成都 610031)

泥化夹层是岩质边坡常见的软弱结构面(带)，其细观组构参数量化是细观损伤及破坏机制研究的基础。为实现泥化夹层细观组构参数的系统化综合提取，通过研究现有图像处理技术，提出了泥化夹层细观特征图像处理方法。以泥化夹层SEM扫描图像为基础，利用灰度直方图均衡化、加权平均非线性中值滤波以及基于标记区域的分水岭分割实现了泥化夹层细观组构参数的准确提取，并用Image-Pro Plus统计量化其参数。结果表明：(1)上述方法能够实现泥化夹层细观组构参数的量化；(2)并计算统计得到泥化夹层单元体粒径、圆度、定向角以及分形维数；(3)通过对区域扫描数据的分析发现泥化夹层细观组构具有成层特征。泥化夹层细观组构参数量化能够为后续泥化夹层的层状结构研究及结构化建模提供依据。

泥化夹层；细观参数；图像处理；层状结构

0 引言

泥化夹层是指受风化或构造破坏，原状结构发生显著变异并在地下水长期作用下，形成含水量在塑限和流限之间的泥状软弱夹层，是引起边坡失稳的重要因素[1]。泥化夹层强度参数对边坡潜在滑动面及坡体滑动方式有一定影响[2]，而常规试验手段难以获取[3]，所以数值试验成为了一种常用手段[4]，作为输入，准确的细观参数是数值试验结果可靠的必要保障。可见，准确获取细观组构参数是坡体滑动特征分析结果可靠的必要条件。

细观参数量化的基础是细观结构特征的提取，目前常用的岩土体细观结构特征提取的方法有电镜扫描(SEM)、激光散斑、压汞试验、电子计算机断层扫描(CT)及数码测量[5]等，电镜扫描以其信息丰富、适用范围广的优点已被广泛应用[5-7]。而各种岩土体细观结构差异较大，如何从图像中提取与研究内容相关的真实细观结构信息成为了研究重点。

岩土体特征图像处理一般通过图像色差优化与降噪完成预处理，再通过图像分割实现颗粒与孔隙的提取。岩土体扫描图像等低照度图像的色差优化可通过对比度增强实现，常用的方法有直方图均衡化、有限对比自适应直方图均衡化及线性变换等[8-9]，直方图均衡化能够保持图像的原始形态，但易造成灰度缺失；有限对比自适应直方图均衡化其保留信息完整，这也造成部分干扰信息无法去除；线性变换能够较好的忽略干扰信息，但其易弱化轮廓及细节特征。岩土体扫描图像椒盐噪声明显，常用中值滤波、均值滤波和维纳滤波等[10]去除，噪声污染概率较小时中值滤波效果更佳，而均值滤波则适用于噪声污染概率较大情况，维纳滤波适用面广，但不能用于噪声为非平稳的随机过程。为实现岩土体图像中颗粒与孔隙分割，主要有阈值分割与分水岭分割[11-13]方法，目前阈值分割法所得结果区域化程度低，可满足单一参数提取，而分水岭分割结合区域识别技术则能实现区域化较高的分割，更能适用于多参数提取。此外各岩土体细观结构不同，其适用的图像处理手段往往不尽相同，针对黄土、滑带土等特殊岩土已有研究[7,14-16]，而对泥化夹层，文献[17-18]利用直方图均衡化结合阈值分割实现二值化。但其仅用于量化孔隙率，其图像处理结果并不适用于多参数提取，所以有必要对泥化夹层图像处理方法进行进一步研究。

对于多参数综合提取问题，通过对比分析现有图像处理技术在泥化夹层细观组构图像中的应用效果，建立一套准确的泥化夹层细观组构多参数提取的方法，实现泥化夹层单元体级配、圆度、定向性以及分形维数的量化，并对数据进行分析。

1 泥化夹层SEM放大倍数选取

SEM扫描图像放大倍数对细观信息提取具有较大的影响[19]，本文对泥化夹层进行了不同放大倍数的扫描分析(图1～图4)。

图1 放大1 000倍图像

图2 放大2 000倍图像

图3 放大5 000倍图像

图4 放大7 500倍图像

分析上述图像扫描结果，可以看出，放大1 000倍和2 000倍扫描图像中絮状结构发育，颗粒微小连接复杂，且其颗粒单元体数量多，分割结果计算量大，易造成较大误差；放大7 500倍的扫描图像中，其单元体颗粒呈片状，图像产生失真现象，且其中孔隙单元体较少，表明视点可能集中于某一颗粒单元体，细观组构表征不准确；放大5 000倍图像效果较为理想，其中单元体边缘清晰，信息含量适中，能够较为合适的表征泥化夹层细观组构。

2 泥化夹层细观组构参数量化方法

将泥化夹层图像特征量化为参数的过程称为图像处理，可分为三个部分：(1)图像预处理；(2)图像分割；(3)细观参数计算与提取。

2.1图像预处理

通过图像预处理能够实现原始扫描图像的优化，使图像分割结果更加准确。主要技术包括对比度增强和图像降噪两个部分。

(1)对比度增强

目前，图像对比度方法可分为频域增强和空域增强。其中，频域增强需要将图像转换到频率域，由于图像的存在噪声和细小颗粒的影响，这些部分往往被转换到一些独占空间，从而影响效果[10]。而空域增强通过对图像每一个像素点进行计算，实现对图像对比度的增强，能够较好的适用于岩土体SEM扫描图像的处理[20]，其主要方法有：直方图均衡化、有限对比自适应直方图均衡化和线性变换，可分别通过histeq、adapthisteq、imadjust函数实现(图5)。

图5 图像对比度增强效果对比

分析上述三种方法在泥化夹层扫描图像中的运用结果，直方图均衡化能够很好的提升对比度，孔隙部分完全被识别，图像的灰度直方图均衡化效果也较好；有限对比自适应直方图均衡化法直方图均衡化效果较为理想，但其对比度增强效果不及直方图均衡化，其保留了孔隙部分特征，易造成分割误差；而线性变换法在增强对比度时弱化了单元体边缘，且其灰度均衡化效果不及前两方法，误差较大。综合分析，本文选用了直方图均衡化作为增强图像对比度的方法。

(2)图像降噪

图像噪声会引起图像边界模糊、产生噪点等问题，未经降噪的图像直接二值化可能产生较多的不真实点，造成量化误差的增大。滤波是目前常用的降噪方法，主要有中值滤波、均值滤波和维纳滤波等降噪方法。加权平均非线性中值滤波是将数字图形中的某些较为突变、异常的点的灰度值用该点一个领域中各点值的中值代替[21]，可由medfilt2函数实现，结果见图6(a1)～图6(a4)；均值滤波是将图形中的异常灰度点数值用该点领域的灰度均值代替，可由filter2函数实现，结果见图6(b1)～图6(b4)；维纳滤波以最小均方误差为原则设计，可由wiener2函数实现，结果见图6(c1)～图6(c4)。

图6 图像滤波效果对比

通过三种滤波方法结果分析，其降噪效果受到模板选择的影响较大，三种方法滤波降噪效果均较好，但其中中值滤波边界模糊化程度较小，考虑到泥化夹层扫描图像细节丰富，边界模糊化程度较小能够更加准确的分割图形，同时考虑到采用较大模板易造成细节信息退化，所以本文选取3×3模板的中值滤波。

2.2图像分割

目前，岩土体扫描图像分割常用的方法有迭代法、Otsu算法和分水岭算法。迭代法是基于逼近的思想通过阈值迭代的方式，利用程序自动计算出比较合适的分割阈值[22]，通过试算，其计算分割阈值为131，结果见图7(b)；Otsu算法是建立在假设图像中目标和背景构成的混合密度函数是由两个服从等方差正态分布的子分布构成基础之上的最大阈值计算分割[11]，通过试算，其计算分割阈值为132，结果见图7(c)；分水岭算法利用局部极小值及其周围领域区域组合起来的集水盆思想实现图像分割[23]，采用极小值标记分水岭算法，通过区域识别实现了分割，结果见图7(d)。

图7 不同分割方法效果对比图

通过图像分割结果的进行分析，阈值分割法均能通过函数自动生成，过程较为简单，分割结果较为相似，但其分割结果区域化程度低，不能较为完整的表征出颗粒单元体的特性；分水岭算法过程较为复杂，但其分割结果能够较好的反映颗粒单元中特性，可直接用于单元体参数的提取，综合分析，本文采用基于极小值标记的分水岭分割算法。

2.3细观参数计算与提取

反映单元体颗粒特性的参数较多，通过分析，对力学性质影响较大的参数有：粒径、圆度、定向性以及分形维数[24]。目前，土体SEM图像定量统计常用的软件主要有Image-Pro Plus、Matlab、Mapinfo、GIS等，均可用于统计颗粒及孔隙参数，Image-Pro Plus以其可视化及自动化多参数测量的优点被广泛运用。本研究采用Image-Pro Plus中的Rectangular矩形AIO工具确定视口边界，对视口图形二值图中颗粒和孔隙进行分别测量与统计，量化了包括面积、定向角度、最大直径、分形维数、周长等参数，计算得到了颗粒及孔隙粒径、颗粒及孔隙圆度、颗粒及孔隙定向角和颗粒及孔隙边界分维数。

3 工程实例

3.1样品扫描

本文样品取自西安至成都客运专线青川车站旁已滑动坡体，采用环刀蜡封法进行样品的现场采集。

由于泥化夹层自身较薄，形态特殊，为了尽量满足非扰动样样品的制取要求，在参考孔令荣[25]等人的基础上，通过取样小圆环对现场取回的原状泥化夹层进行了非扰动样样品制取，见图8(a)、8(b)。本文为探究其区域特性，对其进行了分区域扫描，见图8(c)，扫描结果示例见图8(d)。

图8 样品制作与扫描过程

3.2图像处理

(1)图像预处理。根据本文研究成果，图像预处理主要通过直方图均衡化与3×3加权平均非线性中值滤波实现，见图9(b)、图9(c)，之后再通过形态学运算优化了图形，形态学运算包括图像腐蚀、膨胀、开运算及闭运算，结果见图9(d)。

(2)图像分割。本文采用基于极小值区域标记的形态学分水岭运算实现了图像分割，首先利用Sobel算子实现原始梯度的提取，见图10(a)，再将极小值提取阈值选取为42，进行区域标记，结果见图10(b)，经过形态学运算优化原始梯度图像，见图10(c)，结合区域极小值得到了分水岭分割结果，见图10(d)、10(e)，最后二值化，见图10(f)。

图10 图像分割

3.3组构参数提取与分析

利用Image-Pro Plus统计分析了大量泥化夹层的细观组构参数，结果如下：

(1)颗粒及孔隙级配

泥化夹层颗粒最大粒径多小于5 um，同时以1～3 um粒径的颗粒居多；下层颗粒与上层颗粒相比2～3 um颗粒逐渐增多。泥化夹层的孔隙结构尺寸多小于1.5 um，最大直径大于3.0 um的孔隙较少；上、中、下部区域的孔隙结构大小均以0.5～1.0 um直径大小居多(图11)。

10月14日下午，《妈妈宝宝》杂志联合上海国妇婴美兰湖分院举办“母乳喂养指导”主题孕妈沙龙。活动内容包含：“母乳喂养指导”课程、知识问答、爸爸“母乳姿势”赛、幸运抽奖，还有精致丰盛下午茶歇等。在这里，大家一起度过了一个美好的周末下午时光，给孕期生活增添不少乐趣和美好的回忆。

图11 单元体最大粒径分布图

颗粒粒径分布出现层状结构的原因可能是：泥化夹层上部颗粒风化作用强烈，颗粒粒径较小；下部颗粒由于其风化程度较低且沉积年代相对较远，其粒径则稍大于上部。而泥化夹层孔隙大小在不同层面上表现出较为相似的几何结构特征，主要表现为颗粒间孔隙与簇团内孔隙[25]。

(2)颗粒及孔隙圆度

泥化夹层的颗粒圆度多介于0.1～0.5，且以0.2～0.4居多，上部颗粒圆度以0.3～0.4数值居多，下部颗粒圆度以0.2～0.3数值居多。泥化夹层孔隙圆度分布则较广，以0.2～0.7居多，上部孔隙圆度值以0.2～0.3居多，中部孔隙圆度以0.3～0.4居多，下部孔隙其0.4～0.5数值的圆度数值居多(图12)。

图12 单元体圆度分布

颗粒粒径分布出现层状结构的原因可能是：泥化夹层在自然风化作用下，上部颗粒风化强烈，致使其颗粒圆度较大，颗粒越趋近于圆形分布，随着天然风化作用的加剧，沿纵断面方向，泥化夹层颗粒粒径呈现整体扁平趋势。而沿泥化夹层纵断面方向，夹层孔隙圆度呈现较为明显的递增趋势。

(3)颗粒及孔隙定向角

泥化夹层上层颗粒排列的定向角多介于160°～200°(20°)，颗粒间呈现较为明显的水平向分布特征；泥化夹层的中部颗粒排列定向角水平向分布减少，呈较均匀态势；泥化夹层下部颗粒排列的定向角存在较明显的不连续现象，但可看出其竖直方向分布明显增加。泥化夹层上部孔隙定向性分布较为均匀；中部孔隙多以水平向分布为主，以150°～210°(30°)居多；而下层孔隙竖直向分布逐渐增多，以70°～110°居多。由此可见，沿纵断面方向，泥化夹层颗粒排列方向逐渐从水平向竖直方向过度，呈现较为明显的竖直向分布特征。

图13 定向性风玫瑰图

(4)颗粒及孔隙起伏分维数

泥化夹层颗粒及孔隙分形维数统计见图14。

泥化夹层上部颗粒起伏分维数多介于1.09～1.12，以1.10～1.11居多，图形近似于正态分布；泥化夹层中部颗粒起伏分维数多介于1.08～1.13之间，以1.08～1.09居多，分形维数较上部区域波动范围更大；泥化夹层下部颗粒起伏分维数多介于1.08～1.12，以1.09～1.10居多。泥化夹层上部孔隙起伏分维数主要介于1.08～1.11，以1.09～1.10居多；中部孔隙起伏分维数主要介于1.08～1.13，以1.10～1.11居多；下部孔隙起伏分维数多介于1.08～1.12，以1.10～1.13居多。由此可见，沿着泥化夹层纵断面方向，孔隙起伏分维数呈现逐渐增大趋势。

分形维数表征颗粒边界的粗糙程度，其中孔隙边界变复杂可能的原因是：上部颗粒间的沉积固结时间较短，其颗粒间的挤压密实程度较低，造成其孔隙分形维数较小；下部颗粒则沉积固结年代相对较远，其颗粒密实程度较高，造成孔隙挤压变形较大，分形维数较大。

图14 分形维数分布图

4 结论

本文在研究现有图像处理方法的基础上，通过效果对比，提出了一套可用于泥化夹层细观组构参数的系统化综合提取方法，得到了以下结论：

(1)通过对比分析图像处理方法在泥化夹层中的应用效果，说明通过直方图均衡化、3×3模板加权平均非线性中值滤波能得到较好的图像预处理结果，通过标记区域分水岭分割方法能够实现图像的完整分割，基于此形成了泥化夹层细观组构图像处理方法。

(2)通过上述方法量化了泥化夹层细观组构参数，其颗粒粒径以1～3 um粒径的颗粒居多，孔隙多小于1.5 um；颗粒圆度以0.2～0.4居多，孔隙圆度则以0.2～0.7居多；颗粒及孔隙定向角分布较分散，且随层状结构变化明显；颗粒及孔隙分形维数介于1.08～1.13之间，近似正态分布。

(3)通过区域数据分析发现，泥化夹层各细观组构参数沿纵断面方向呈变化趋势，说明泥化夹层沿纵断面方向具有较明显的层状现象。这可能导致其各层力学性能的差异，建立结构模型时可考虑分层建模。

[1] 宋子岭,杨添,赵立春. 含多层软弱夹层的顺向岩质边坡稳定性评价方法对比分析[J]. 中国地质灾害与防治学报,2016,27(2):20-25.

SONG Ziling, YANG Tian, ZHAO Lichun. Applicatyion of combination algorithm in stability analysis of rock slope with contains multilayer weak bedrock layers[J]. The Chinese Journal of Geological Hazard and Control,2016,27(2):20-25.

[2] 乔建平. 滑坡体结构与坡形[J]. 岩石力学与工程学报,2002,21(9):1355-1358.

QIAO Jianping. Structure and shape of landslide[J]. Chinese Journal of Rock Mechanics and Engineering, 2002,21(9): 1355-1358.

[3] 胡启军,蔡其杰,何乐平,等. 基于应变破坏准则的泥化夹层强度参数测定[J]. 工业建筑,2016,46(7):140-144+177.

HU Qijun, CAI Qijie, HE Leping,et al. Testing method of mudded intercalation strength parameters based on strain failure criterion[J]. Industrial Construction,2016,46(7):140-144+177.

[4] 陈玮,简文彬,董岩松,等. 软弱结构面对花岗岩残积土边坡稳定性影响[J]. 中国地质灾害与防治学报,2015,26(1):23-30.

CHEN Wei, JIAN Wenbin, DONG Yansong, et al. Influence of weak structural surface on stability of granite residual soil slopes[J], The Chinese Journal of Geological Hazard and Control,2015,26(1):23-30.

[5] 朱健伟,叶伟英,徐金明,等. 基于视频图像和扩展有限元法的花岗岩裂缝扩展过程[J]. 中国地质灾害与防治学报,2013,24(3):122-126.

ZHU Jianwei, YE Weiying, XU Jingming, et al. MSimulation of propagation of cracks in granite based on digital image processing and extended finite element method[J]. The Chinese Journal of Geological Hazard and Control,2013,24(3):122-126.

[6] LIU C, SHI B, ZHOU J, et al. Quantification and characterization of microporosity by image processing, geometric measurement and statistical methods: Application on SEM images of clay materials[J]. Applied Clay Science, 2011, 54(1): 97-106.

[7] 谷天峰,王家鼎,郭乐,等. 基于图像处理的Q3黄土的微观结构变化研究[J]. 岩石力学与工程学报,2011, 30(S1): 3185-3192.

GU Tianfeng, WANG Jiading, Guo Le, et al. Study of Q3 loess microstructure changes based on image processing[J]. Chinese Journal of Rock Mechanics and Engineering, 2011, 30(S1): 3185-3192.

[8] Shirazi S H, ul Haq N, Hayat K, et al. Curvelet based offline analysis of SEM images[J]. PloS one, 2014, 9(8): e103942.

[9] Eramo G, Aprile A, Muntoni I M, et al. Textural and morphometric analysis applied to Holocene pottery from Takarkori rock shelter (SW Libya, central Sahara): a quantitative sedimentological approach[J]. Archaeometry, 2014, 56(S1): 36-57.

[10] 苗得雨,白晓红. 基于Matlab的土体SEM图像处理方法[J]. 水文地质工程地质,2014,41(6):141-146.

MIAO Deyu, BAI Xiaohong. Microstructure of soil using sem image based on matlab[J]. Hydrogeology & Engineering Geology, 2014,41(6): 141-146.

[11] 尹延春,赵同彬,谭云亮,等. 基于Otsu图像处理的岩石细观模型重构及数值试验[J]. 岩土力学,2015,36(9): 2532-2540.

YIN Yanchun, ZHAO Tongbin, TAN Yunliang, et al. Reconstruction and numerical test of the mesoscopic model of rock based on Otsu digital image processing[J]. Rock and Soil Mechanics, 2015,36(9):2532-2540.

[12] Keller L M, Schuetz P, Erni R, et al. Characterization of multi-scale microstructural features in Opalinus Clay[J]. Microporous and Mesoporous Materials, 2013, 170: 83-94.

[13] Houben M E, Desbois G, Urai J L. A comparative study of representative 2D microstructures in Shaly and Sandy facies of Opalinus Clay (Mont Terri, Switzerland) inferred form BIB-SEM and MIP methods[J]. Marine and Petroleum Geology, 2014, 49: 143-161.

[14] 宋丙辉,谌文武,吴玮江,等.舟曲锁儿头滑坡滑带土微结构的分形研究[J]. 岩土工程学报, 2011, 33(S1): 299-304.

SONG Binghui, CHEN Wenwu, WU Weijiang, et al. Microstructure fractal of sliding zone soil of Suoertou landslide in Zhouqu[J]. Geotechnical Engineering, 2011, 33 (S1):299-304.

[15] 周健,余荣传,贾敏才. 基于数字图像技术的砂土模型试验细观结构参数测量[J]. 岩土工程学报,2006,28(12): 2047-2052.

ZHOU Jian, YU Rongchuan, JIA Mincai. Measurement of microstructure parameters for granular soil model using digital image technology[J]. Chinese Journal of Geotechnical Engineering. 2006,28(12):2047-2052.

[16] 徐日庆,邓祎文,徐波,等.基于SEM图像的软土三维孔隙率计算及影响因素分析[J]. 岩石力学与工程学报,2015,34(7):1497-1502.

XU Riqing, DENG Yiwen, XU Bo, et al. Calculation of three-dimensional porosity of soft soil based on SEM image[J]. Chinese Journal of Rock Mechanics and Engineering,2015,34(7):1497-1502.

[17] ZHENG Yongxiang, LIU Jianjun, HU Qijun, et al. Study on microstructure of muddy intercalation using SEM method[J].Electronic Journal of Geotechnical Engineering, 2014(z2): 9953-9963.

[18] 蔡其杰. 边坡泥化夹层宏细观参数关系及应变软化本构特性研究[D].成都：西南石油大学,2015.

CAI Qijie. Study on the macro-micro parameter correlation and strain softening characteristics for the mudded weak interlayer in slope[D]. Chengdu: Southwest Petroleum University,2015.

[19] 唐朝生,施斌,王宝军. 基于SEM土体微观结构研究中的影响因素分析[J]. 岩土工程学报, 2008, 30(4): 56-62.

TANG Chaosheng，SHI Bin，WANG Baojun. Factors affecting analysis of soil microstructure using SEM[J]. Chinese Journal of Geotechnical Engineering，2008，30(4)：56-62.

[20] 扈佃海,吕绪良,文刘强. 一种改进的直方图均衡化图像增强方法[J]. 光电技术应用,2012(3):65-68.

HU Dianhai, LYU Xuliang, WEN Liuqiang. Image enhancement method using improved histogram equalization[J]. Electro-Optic Technology Application, 2012(3):65-68.

[21] 孙宏琦,施维颖,巨永锋. 利用中值滤波进行图像处理[J]. 长安大学学报(自然科学版),2003(2):104-106.

SUN Hongqi , SHI Weiying, JU Yongfeng. Image processing with medium value filter[J]. Journal of Chang’an University(Natural Science Edition),2003(2):104-106.

[22] 冯宝成,曹金凤,高洪秀,等. 基于变分水平集方法获取岩石的细观结构[J]. 岩土力学,2012,33(12):3592-3597.

FENG Baocheng, CAO Jinfeng, GAO Hongxiu, et al. Obtaining rock’s mesostructure based on variational level set method[J]. Rock and Soil Mechanics, 2012, 33(12):3592-3597.

[23] 宫伟力,安里千,赵海燕,等. 基于图像描述的煤岩裂隙CT图像多尺度特征[J]. 岩土力学, 2010, 12(2): 371-376, 381.

GONG Weili, AN Liqian, ZHAO Haiyan, et al. Multiple scale characterization of CT image for coal rock fractures based on image description[J]. Rock and Soil Mechanics, 2010, 31(2): 371-376, 381.

[24] 董辉,李智飞,傅鹤林,等. 残坡积碎石物理特征与持水性的空间变异性研究[J]. 水文地质工程地质,2015, 42(3): 71-78.

DONG Hui，LI Zhifei，FU Helin,et al. A study of the spatial variability of physical characteristics and water-holding characteristics of the residual diluvia gravel[J]. Hydrogeology & Engineering Geology, 2015,42(3) :71-78.

[25] 孔令荣. 饱和软粘土的微结构特性及其微观弹塑性本构模型[D].上海：同济大学,2007.

KONG Lingrong. Microstructural behavior of saturated soft clay and an elasto-plastic constitutive model considering microstructure [D]. Shanghai: Tongji University, 2007.

Microsfabricparameters’squantitativemethodofthemuddedweakinterlayer

HU Qijun1,HE Songsheng1,YE Tao2,HE Leping1,CAI Qijie3

(1.SchoolofCivilEngineeringandArchitecture,SouthwestPetroleumUniversity,Chengdu,Sichuan610500,China; 2.No.909TeamofGeologicalProspectingBureauinSichuan,Mianyang,Sichuan621050,China； 3.SchoolofTransportationandLogistics,SouthwestJiaotongUniversity,Chengdu,Sichuan610031,China)

Weak mudded interlayer is a common kind of weak structural plane (zone) in the rock slope and its qualification of microfabric parameters can provide basis for the study of meso-damage and failure mechanism. To complete the systematic extraction of weak mudded interlayer’s microfabric parameters, microscopic images processing method of weak medded interlayer is proposed in this paper,after the study of existing image processing technology. Based on SEM scanning images of the weak mudded interlayer, this method can complete weak mudded interlayer’s microfabric characteristics extraction accutately through histogram equalization, nonlinear weighted average median filtering and marker-based watershed. Besides, this method can calculate microstructure parameters by using Image-Pro Plus. Results show that: (1) The above mentioned method can complete the quantification of the weak mudded interlayer; (2) This method also can obtain the size, roundness, orientation angles, fracture dimension of the particle and pore; (3) We can obtain that the weak mudded interlayer microstructure has characteristics of layered through further calculating and the quatification of weak mudded interlayer’s microfabric parameters can provide a basis for its layered structure study and structural model building.

mudded weak interlayer; microstructure parameters; image processing; layered structure

P642.1

A

1003-8035(2017)03-0137-10

10.16031/j.cnki.issn.1003-8035.2017.03.21

2016-09-19;

2017-05-31

国家自然科学基金资助项目(51574201)；成都理工大学国家重点实验开放基金资助项目(SKLGP2015K006)；国家安监总局科技计划项目(2014_3305)；西南石油大学青年科技创新团队资助(2015CXTD05)

胡启军(1977-)，男，湖南衡东人，博士，副研究员，主要从事工程地质灾害防治方向的研究工作。E-mail: huqijunswpu@163.com