چکیده: پس از ورود نمودارهای تصویری با قدرت تفکیک بالا از دیواره چاه به عرصه نفت، این تصاویر نقش مهمی را در ارزیابی مخازن بر عهده گرفته اند. مخازن کربناته ایران از نظر وجود شکستگی-های طبیعی شهرت جهانی داشته و دارای اهمیت فراوانی از نظر تولید نفت و گاز هستند، علاوه بر این، این مخازن دارای ساختارهای مخصوص به خود هستند. در این پایان نامه به علت پوشش بالا و وضوح بالای تصویرگر FMI از این تصویرگر استفاده شده است. در این پژوهش، روشی جهت قطعه بندی تصاویر FMI جهت شناسایی قسمت های مختلف یک چاه و نیز شکستگی ها ارائه شده است. در این روش پس از انتخاب ویژگی ها و نرمال سازی آن ها به کمک الگوریتم خوشه بندی بدون نظارت FCM تمام پیکسل های تصویر دسته بندی شده اند. در این الگوریتم از فاصله اقلیدسی به عنوان معیار تشابه استفاده شده است. در ادامه از الگوریتم KNN جهت تطبیق دسته ها با یکدیگر استفاده شده است. به دلیل اینکه بیشینه پوشش ابزار FMI، 80 درصد سطح دیواره چاه می باشد، ستون هایی از تصویر FMI که توسط تصویرگر پوشش داده نشده اند، حذف می شوند. پس از آن از یک فیلتر غیر خطی جهت حذف ناهمواری ها در سطوح غیر لبه و حفظ لبه ها در تصویر استفاده شده است. در نهایت روش اتسو جهت آستانه گذاری خودکار به کارگرفته شده است. روش ارائه شده ، بر روی 20 تصویر مختلف FMI اعمال شده است. نتایج نشان می دهد که دقت و کیفیت بسیار مناسبی از تشخیص شکستگی ها و قسمتهای مختلف یک چاه به دست می دهد.