紋理分析

關於紋理，還沒有一個統一的數學模型。它起源於表徵紡織品表面性質的紋理概念，可以用來描述任何物質組成成分的排列情況，例如醫學上X 射線照片中的肺紋理、血管紋理、航天(或航空)地形照片中的岩性紋理等。圖像處理中的視覺紋理通常理解為某種基本模式（色調基元）的重複排列。因此描述一種紋理包括確定組成紋理的色調基元和確定色調基元間的相互關係。紋理是一種區域特性，因此與區域的大小和形狀有關。兩種紋理模式之間的邊界，可以通過觀察紋理度量是否發生顯著改變來確定。紋理是物體結構的反映，分析紋理可以得到圖像中物體的重要信息，是圖像分割、特徵抽取和分類識別的重要手段。對於空間域圖像或變換域圖像（見圖像變換），可以用統計和結構兩種方法進行紋理分析。

統計紋理分析尋找刻劃紋理的數字特徵，用這些特徵或同時結合其他非紋理特徵對圖像中的區域（而不是單個像素）進行分類。圖像局部區域的自相關函數、灰度共生矩陣、灰度遊程以及灰度分佈的各種統計量，是常用的數字紋理特徵。如灰度共生矩陣用灰度的空間分佈表徵紋理。由於粗紋理的灰度分佈隨距離的變化比細紋理緩慢得多，因此二者有完全不同的灰度共生矩陣。

結構紋理分析研究組成紋理的基元和它們的排列規則。基元可以是一個像素的灰度、也可以是具有特定性質的連通的像素集合。基元的排列規則常用樹文法來描述。