电成像测井作为一种较为先进的测井技术,将井下地层的信息以二维图像的方式更加直观地呈现给我们。它的出现给我们更加深入的了解地下情况提供了一把利器。同时,随着计算机技术在电成像测井资料处理中的广泛应用,极大的提高了解释处理的效率。但是目前对裂缝、孔河的识别上都是使用人机交互的方式进行,这样易受主观因素的影响并且效率相对会低一些,因此,进一步发挥计算机的处理能力,尝试利用计算机图形图像技术,应用电成像测井图像来自动识别裂缝、孔洞、岩性等是十分必要的。　　 本文根据电成像测井图像的特点,利用计算机图形图像处理的一些方法,通过对图像的预处理后,分别将裂缝、孔洞等从电成像测井图像中识别出来,并计算出各自的相关参数,进而对它们进行定量评价。同时,根据不同岩性在电成像测井图像上的不同特征,利用计算机自动将不同岩性识别出来。　　 在裂缝识别方面,本文利用Hough变换的原理和方法将斜交张开缝从电成像测井图像上自动识别出来,并计算出裂缝的倾角、倾向等参数,同时根据斜交缝在图像中的显示特点计算出裂缝宽度、密度、视平均孔隙度等参数,对其进行了定量评价。另外,利用人机交互的方法,对自动识别进行校正和扩展,将高阻填充的裂缝和其他类型的裂缝进行拾取和计算。　　 在孔洞识别方面,本文利用区域编号标记、轮廓提取、Freeman编码等方法,将孔洞从电成像测井图像上拾取出来,同时将孔洞面积、孔洞密度、孔洞平均大小和面孔率等参数计算出来,对孔洞进行了定量评价。并且,借由人机交互拾取的方法将一个高阻的砾石、结核等也拾取出来。　　 在利用模板匹配识别岩性方面,本文根据砂砾岩地层不同岩性的不同特征,提取了均值、方差、分形维数、包络、非均质性等五条特征曲线,并分别利用相关性计算和神经网络两种方法进行岩性识别,取得了一定成效。　　 同时,本文利用微软的C＃语言对相关的方法进行了编程实现,并将计算结果跟北京吉奥特公司的Logview软件的计算结果进行了比较,两者具有可比性,证明了本文方法的可行性。