[GLCM_Features4 比 GLCM_Features1 中的初始代码执行速度更快] GLCM 存储在 aixjxn 矩阵中，其中 n 是由于算法中通常使用的不同方向和位移而计算出的 GLCM 数量。 i和j的值等于GLCM计算函数graycomatrix()的'NumLevels'参数。 请注意，matlab 量化值属于集合 {1,..., NumLevels} 而不是来自某些参考文献中提供的 {0,...,(NumLevels-1)} http://www.mathworks.com/access/helpdesk/help/toolbox/images/graycomatrix.html GLCM_FEatures1.m 的矢量化版本将早期代码中使用的 19 个“for”循环减少到 5 个“for”循环（但可以进一步矢量化） http://blogs.mathworks

针对采用单一颜色特征的粒子滤波目标跟踪算法在背景相似、光照变化复杂的场景下会导致跟踪失败的问题，提出一种基于LBP纹理和颜色特征融合的粒子滤波跟踪目标算法。综合加权颜色直方图和LBP纹理直方图进行目标特征描述，建立目标观测模型；同时粒子滤波进行状态预测，利用Bhattacharyya系数进行相似度测量，作为目标区域参考模型更新准则，实现权值更新；最后对权值归一化处理，得到目标位置状态的最终估计。实验结果表明该算法不仅提高了跟踪方法的鲁棒性，而且在目标遮挡、光照变化等干扰下，具有较好的准确性。

为了解决煤炭人工识别分拣劳动强度大，效率和精度低的问题。基于机器视觉技术，设计了一套由硬件系统和软件系统组成的煤炭自动识别分拣系统。为实现煤炭和矸石的自动识别，提出了基于灰度共生矩阵的纹理分析识别算法，并通过支持向量机（SVM）对煤炭图像和矸石图像样本进行训练和分类从而实现自动识别功能，并完成图像处理算法与系统界面软件编程。实验结果表明，该系统硬件选型合理，算法稳定性高，效率高，提高了煤炭识别分拣的效率与精度，具有很高的实际意义和经济价值。同时，该系统也可推广到其他物料的自动识别分拣中。

gabor 滤波 对纹理进行识别分割 效果很好 大家可以试试 五种颜色分明

基于纹理特征融合的人脸表情识别.pdf

ModelViewer OSG读取模型的顶点、法向量、纹理坐标并用随机颜色绘制出来 简介 此程序是在使用OSG的过程中，需要获取模型的顶点、法向、纹理坐标等信息，然后使用不同的颜色绘制出来，以区别不同模型。为了知道模型的名称，在模型的周围增加了模型的名称显示。效果如下： 有关OSG中，怎么读取模型的坐标、纹理、法向量等信息，在我的博客中有详细的介绍，有兴趣的可以看看：

在卷积神经网络中使用滤波器组进行纹理分类

人脸识别

实现了纹理的加载，正六面体的绘制。并实现了旋转，体现了6个不同纹理的面。

unity3D panel面片正反双面可显示不同纹理，带透明通道图片的 shader 正反两面都可设置纹理图