此代码使用颜色、纹理和空间数据分割图像RGB 颜色用作颜色数据使用了四个纹理特征：1. 均值 2. 方差 3. 偏度 4. 峰度归一化剪切（固有地使用空间数据） ncut参数有“SI”颜色相似度，“ST”纹理相似度，“SX”空间相似度，“r”空间阈值（相隔小于r个像素），“sNcut”保持分区的最小Ncut值（阈值），以及“ sArea" 被接受为段的最小面积（阈值） “Naotoshi Seo”的一个小修改实现用于“标准化切割”分割，可在网上获得：“ http://note.sonots.com/SciSoftware/NcutImageSegmentation.html ”，它在选择参数时很敏感。

基于LBP特征提取和GLCM特征提取的纹理图像分割仿真，matlab2021a仿真测试。

应用基于纹理的面向对象分类模糊方法提取水田信息

在D3D中的凹凸纹理的应用，两个例子，一个例子通过凹凸纹理实现水波纹的模拟，使用的是DirectX9.0b

通过NV_DDS类库实现OpenGL载入DDS压缩纹理

基于频域最小距离的 SPOT(Pan) 图像纹理分类算法 - …

qt整合ffmpeg实现点击按钮调用sdl2实现纹理渲染随机出现的方块

用于执行图像绗缝的 Matlab 代码，如 Efros & Freeman 在 SIGGRAPH 2002 论文中所述。 注意：这不是 Efros & Freeman 的代码，只是它的一个实现。 纹理合成 IMOUT = SYNTHESIZE(IMGIN, SIZEOUT, TILESIZE, OVERLAP [, ISDEBUG]) 返回纹理合成的图像 IMGIN 代码都适用于灰度图像或彩色图像 尺码 一个1*2的数组，输出图像的大小 例如尺寸（纹理）*3 瓷砖尺寸 每个块的 TILESIZE 交叠 块之间重叠条的大小 调试器 如果没有调试功能，则等于 0（默认） 算法会显示每一步的进度，多一点 时间将花费在绘图中。

苹果识别是开发苹果采摘机器人的关键环节, 利用图像处理技术和神经网络分类器探索苹果图像分割算法。从苹果树图片中选取苹果图像样本和背景图像样本, 分别计算这两类图像样本的颜色特征和纹理特征。颜色特征的计算基于RGB色彩模型, 纹理特征的计算基于灰度共生矩阵。选取适当的颜色特征(R/B值)和纹理特征(对比度值和相关性值)作为输入节点, 利用反向传播神经网络分类器建模, 输出值是一个0～1之间的计算值。通过阈值将输出结果分类为苹果或背景。试验结果表明, 该算法正确率大于87.6%, 对光照的影响不敏感, 是一种较为实用的苹果分割算法。

视频教程