matlab纹理柱状图绘制程序applyhatch，改进原程序的hardcopy问题。可成功绘制纹理柱状图。适用于新版matlab

差不多全部的标准brodatz纹理图像库都在

数字纹理框架（TBN）通过直观的用户控制来合成全局变化模式的图像。 以前的TBN合成方法难以同时获得高质量的合成结果和效率。 提出了一种基于纹理优化的快速TBN合成方法，该方法利用全局优化来解决可控的非均匀纹理合成问题。 我们的算法通过将纹理优化结合到TBN框架中并进行了两项改进，从而产生了高质量的合成结果。 采用初始化过程生成全局优化算法的初始输出，从而加快了算法的收敛速度，提高了合成质量。 除了用于度量图像相似性的距离度量标准还专门针对不同图像设计，以更好地匹配人类视觉对结构模式的感知，并进行了用户研究，以验证度量标准的有效性。 为了进一步提高合成速度，该算法完全在基于CUDA架构的GPU上实现。 优化的TBN方法不仅适用于传统的TBN应用，而且还适用于图像绘画和基于纹理的流可视化等各种视觉应用。 实验结果表明，与其他现有技术的合成方法相比，我们的方法能够以更高的效率合成更高质量或相当质量的图像。

多媒体娱乐中广泛使用的艺术视频风格化将给定的视频转换为不同的艺术风格。 现有的大多数视频样式化算法都可以模拟单个或有限的视频艺术风格。 尽管某些算法可以实现多种样式的视频处理，但是这些算法复杂且难以实现。 为了解决这个问题，我们提出了一种基于纹理平流的多样式视频风格化算法，其中合成了不同的艺术风格，并从用户指定的期望风格的纹理样本中转移了这些艺术风格。 我们使用方向场引导的纹理合成来计算代表艺术风格的纹理层。 通过合成各向异性纹理中的方向变化，可以很好地模拟绘画方向的视频样式。 在光场下的质构对流过程中，质感层出现局部变形的区域。 为了解决这个问题，我们提出了纹理修复方法来合成有限的失真区域，并使风格化的视频在时间上保持连贯。 我们还使用CUDA并行计算框架来并行化视频抽象所使用的形态学运算，从而加快了视频的风格化。 最后，我们制作了具有多种艺术风格的风格化视频，并获得了令人满意的实验结果，包括油画，水彩画和风格化线描的风格。

3-matic 12.0含纹理化和轻量化 x64

使用etcpack.exe将图片批量转成etc2纹理

基于多尺度纹理特征并嵌入先验知识K均值的锑浮选过程故障状态识别

对现有的GPU体位移流水线结构进行了深入地分析，为消除流水线速度变化，采用自适应数据划分剔除算法对体数据进行子划分，剔除除实验结果表明加速算法能有效提高流水线实际吞吐率，与原始算法分类，加速算法节省了40％〜60％的投放时间。

基于流式风格化绘画的视频纹理合成

基于关键帧的RGBD人体纹理映射