Minéralogie, porosité et diffusion des solutés dans l'argilite du ...
Minéralogie, porosité et diffusion des solutés dans l'argilite du ... Minéralogie, porosité et diffusion des solutés dans l'argilite du ...
41 CHAPITRE 1 Fig. 1.14 : Segmentation des quartz à partir de la méthode LPE sur l’image de variance locale conditionnelle pour une image MEB BSE (a). La procédure se décompose en 6 étapes : (b) calcul de l’image de la variance locale conditionnelle (uniquement sur les zones quartz+matrice argileuse qui sont pré seuillées par histogramme 2D); (c) préfiltrage de l’image b; (d) LPE sur l’image c de variance locale conditionnelle; (e) segmentation par borne de l’image c de variance locale conditionnelle; (f) identification des bassins versants contenant les marqueurs définis en e par reconstruction, ce sont les quartz ; (g) suppression des LPE contenues dans les quartz et visualisation de la distribution spatiale des minéraux. Le trait rouge sur la figure a correspond au profil de niveau de gris présenté sur la figure 1.13. Différents paramètres influencent l’identification des quartz. Le premier est la taille du masque utilisé pour le préfiltrage de l’image, puisque c’est lui qui nivelle les hétérogénéités de niveaux de gris et contrôle ainsi le nombre de bassins versants obtenus à partir de l’image de la variance locale conditionnelle (Fig. 1.15). Lorsque la taille du masque de mesure est trop grande, la qualité des contours des quartz s’avère détériorée. Le second paramètre est le choix de la borne sélectionnant les bassins attribués au quartz. Celui-ci va explicitement déterminer une sélection granulométrique des grains (Fig. 1.16). Le choix de cette borne s’effectue par un contrôle visuel sur l’image MEB en mode BSE des bassins attribués au quartz. La teneur finale en quartz va donc dépendre des choix fait par l’utilisateur. Celui-ci a donc le choix entre (i) une segmentation objective des grains limitée à une taille granulométrique grossière et (ii) une segmentation avec une certaine subjectivité pour une gamme de grains de taille plus importante. En conservant uniquement les grains que l’on identifie clairement sur l’image MEB en mode BSE, la teneur en quartz est plus faible que celles obtenues par les autres méthodes de segmentation, mais plus proche de celle obtenue par une quantification minérale sur roche totale (Tab. 2.2). Cette méthode qui est uniquement dépendante des informations de texture de l’image semble donc adaptée aux images MEB en mode BSE pour discriminer des grains de quartz englobés dans la matrice argileuse.
42 CHAPITRE 1 (a) (b) Fig. 1.15 : Influence du préfiltrage sur la segmentation des quartz pour différents paramètres (visualisation à partir de l’image des bassins versants reconstruits) : (a) avec un préfiltrage gaussien-1-1, (b) avec un préfiltrage gaussien-3-1. Une taille de masque trop importante induit une détérioration de la position des contours des quartz. (a) (b) Fig. 1.16 : Influence de la borne de niveaux de gris sur l’image variance conditionnelle sectionnant les bassins attribués au quartz (visualisation à partir de l’image des bassins versants reconstruits) : (a) une borne à 58 sur l’image variance, (b) une borne 62 sur l’image variance. Une borne plus élevée aboutit à un nombre de grains de quartz plus important. 4.3 Microtomographie et MEB en mode BSE 4.3.1 Construction des cartes de groupes de minéraux Les images MEB en mode BSE et de microtomographie ont été obtenues pour l’échantillon EST 26095. La mosaïque d’images MEB en mode BSE (Fig. 1.3b) a été acquise à quelques millimètres de la zone de prélèvement du cylindre analysé en microtomographie. Un bloc de 256² × 236 pixels a été sélectionné dans le cylindre 3D afin de discriminer spatialement les différentes familles minérales. L’histogramme de l’image MEB en mode BSE de l’échantillon EST 26095 (Fig. 1.17) présente une forme quasiment similaire à celle obtenue pour l’échantillon HTM 01147 (cf. Fig. 1.8), mais les composantes matrice argileuse et quartz sont plus resserrées. Pour la microtomographie, l’histogramme de niveaux de gris montre une gamme de niveaux de gris plus restreinte que pour le MEB, mais sa forme
- Page 1: THESE Pour l’obtention du grade d
- Page 4 and 5: SOMMAIRE INTRODUCTION GENERALE 8 CH
- Page 6 and 7: 1.2 Modélisation du processus de d
- Page 8 and 9: 3.1 Relation locale entre distribut
- Page 10 and 11: 9 INTRODUCTION Technology Developme
- Page 12 and 13: 11 INTRODUCTION Caractéristique de
- Page 14 and 15: 13 INTRODUCTION de la chimie de la
- Page 16 and 17: 15 CHAPITRE 1 CHAPITRE 1 ACQUISITIO
- Page 18 and 19: 17 CHAPITRE 1 tridimensionnelle ré
- Page 20 and 21: 19 CHAPITRE 1 d’absorption linéi
- Page 22 and 23: 21 CHAPITRE 1 Afin de conserver l
- Page 24 and 25: 23 CHAPITRE 1 2.2 Microtomographie
- Page 26 and 27: 25 CHAPITRE 1 ayant une taille sup
- Page 28 and 29: 27 CHAPITRE 1 (a) Minima locaux (b)
- Page 30 and 31: 29 CHAPITRE 1 (a) (b) Fig. 1.6. Sch
- Page 32 and 33: 31 CHAPITRE 1 4 Résultats de la se
- Page 34 and 35: 33 CHAPITRE 1 Image originale Image
- Page 36 and 37: 35 CHAPITRE 1 Après identification
- Page 38 and 39: 37 CHAPITRE 1 La figure 1.12 prése
- Page 40 and 41: 39 CHAPITRE 1 4.2 Segmentation par
- Page 44 and 45: 43 CHAPITRE 1 demeure similaire. Le
- Page 46 and 47: 45 CHAPITRE 1 (a) (b) (c) (d) (e) (
- Page 48 and 49: 47 CHAPITRE 1 (a) (b) Nombre de de
- Page 50 and 51: 49 CHAPITRE 1 290 280 270 260 250 3
- Page 52 and 53: 51 CHAPITRE 1 le filtre Nagao pour
- Page 54 and 55: 53 CHAPITRE 2 CHAPITRE 2 DISTRIBUTI
- Page 56 and 57: 55 CHAPITRE 2 d’environ 10 µm. P
- Page 58 and 59: 57 CHAPITRE 2 est de type S en éch
- Page 60 and 61: 59 CHAPITRE 2 hétérogénéités d
- Page 62 and 63: 61 CHAPITRE 2 Le temps d’expositi
- Page 64 and 65: 63 CHAPITRE 2 optiques en fonction
- Page 66 and 67: 65 CHAPITRE 2 de numérisation des
- Page 68 and 69: 67 CHAPITRE 2 écart Ecart type/éc
- Page 70 and 71: 69 CHAPITRE 2 2.2.4 Impact des cara
- Page 72 and 73: 71 CHAPITRE 2 l’autoradiographie
- Page 74 and 75: 73 CHAPITRE 2 si la résolution att
- Page 76 and 77: 75 CHAPITRE 2 (i) A l’échelle du
- Page 78 and 79: 77 CHAPITRE 2 3 1 250 µm (a) (b) (
- Page 80 and 81: 79 CHAPITRE 2 13,4% et 18% sont res
- Page 82 and 83: 81 CHAPITRE 2 (a) (b) (c) (d) Fig.
- Page 84 and 85: 83 CHAPITRE 2 Afin de déterminer l
- Page 86 and 87: 85 CHAPITRE 2 La porosité évolue
- Page 88 and 89: 87 CHAPITRE 2 quelle qu’en soit l
- Page 90 and 91: 89 CHAPITRE 2 Oxfordien observables
41 CHAPITRE 1<br />
Fig. 1.14 : Segmentation <strong>des</strong> quartz à partir de la méthode LPE sur l’image de variance locale<br />
conditionnelle pour une image MEB BSE (a). La procé<strong>du</strong>re se décompose en 6 étapes : (b)<br />
calcul de l’image de la variance locale conditionnelle (uniquement sur les zones<br />
quartz+matrice argileuse qui sont pré seuillées par histogramme 2D); (c) préfiltrage de<br />
l’image b; (d) LPE sur l’image c de variance locale conditionnelle; (e) segmentation par borne<br />
de l’image c de variance locale conditionnelle; (f) identification <strong>des</strong> bassins versants<br />
contenant les marqueurs définis en e par reconstruction, ce sont les quartz ; (g) suppression<br />
<strong>des</strong> LPE contenues <strong>dans</strong> les quartz <strong>et</strong> visualisation de la distribution spatiale <strong>des</strong> minéraux. Le<br />
trait rouge sur la figure a correspond au profil de niveau de gris présenté sur la figure 1.13.<br />
Différents paramètres influencent l’identification <strong>des</strong> quartz. Le premier est la taille <strong>du</strong><br />
masque utilisé pour le préfiltrage de l’image, puisque c’est lui qui nivelle les hétérogénéités<br />
de niveaux de gris <strong>et</strong> contrôle ainsi le nombre de bassins versants obtenus à partir de l’image<br />
de la variance locale conditionnelle (Fig. 1.15). Lorsque la taille <strong>du</strong> masque de mesure est trop<br />
grande, la qualité <strong>des</strong> contours <strong>des</strong> quartz s’avère détériorée. Le second paramètre est le choix<br />
de la borne sélectionnant les bassins attribués au quartz. Celui-ci va explicitement déterminer<br />
une sélection granulométrique <strong>des</strong> grains (Fig. 1.16). Le choix de c<strong>et</strong>te borne s’effectue par un<br />
contrôle visuel sur l’image MEB en mode BSE <strong>des</strong> bassins attribués au quartz. La teneur<br />
finale en quartz va donc dépendre <strong>des</strong> choix fait par l’utilisateur. Celui-ci a donc le choix<br />
entre (i) une segmentation objective <strong>des</strong> grains limitée à une taille granulométrique grossière<br />
<strong>et</strong> (ii) une segmentation avec une certaine subjectivité pour une gamme de grains de taille plus<br />
importante. En conservant uniquement les grains que l’on identifie clairement sur l’image<br />
MEB en mode BSE, la teneur en quartz est plus faible que celles obtenues par les autres<br />
métho<strong>des</strong> de segmentation, mais plus proche de celle obtenue par une quantification minérale<br />
sur roche totale (Tab. 2.2). C<strong>et</strong>te méthode qui est uniquement dépendante <strong>des</strong> informations de<br />
texture de l’image semble donc adaptée aux images MEB en mode BSE pour discriminer <strong>des</strong><br />
grains de quartz englobés <strong>dans</strong> la matrice argileuse.