在这个项目中，基于分割的分形纹理分析用于对不同的图像纹理进行分类。 提取算法包括将输入图像分解为一组二进制图像，从中计算结果区域的分形维数，以描述分割的纹理模式。 分类是通过使用带有内平方距离方法的凝聚层次聚类树进行的

利用tamura算法，可以计算出图像的粗糙度、线性度以及规整度等纹理特征

由于SLIC0算法在分割时仅考虑图像的颜色、亮度、空间位置特征,没有考虑纹理特征,当分割具有繁杂纹理的自然图像时,其分割的超像素无法精准地符合区域或目标的边界或外轮廓,因此提出基于SLIC0融合纹理信息的超像素分割算法——SLIC0-t。首先利用光谱分析描述图像中区域的纹理特性,然后在分割中融合能够准确反映图像中目标轮廓或区域边界的纹理特征;其次在分割过程中,进一步优化SLIC0围绕种子像素搜索近邻像素的搜索策略,采用以各个种子点为中心,在以预期超像素邻接距离为半径的圆盘内搜索的搜索策略;最后通过在公共图像库BSDS500上进行连续不同大小超像素的分割实验验证,结果表明:在边界召回率方面,SLIC0-t算法明显稳定优越于SLIC0算法;在欠分割错误率方面,其与SLIC0算法基本相当,处于可接受范围内。

采用纹理特征实现跳频网台分选，一个很好的文章，可用

基于matlab的图像处理——纹理特征提取方法

matlab数据平滑代码微结构制造商 Microstructure Maker是固体纹理合成算法的MATLAB \ C ++实现，用于仅从2D数据构建具有统计意义的3D微结构数据集。 该软件尝试从有限数量的倾斜2D截面\图像创建微结构的3D重建。 如果您正在研究很难或不可能应用3D表征技术（X射线显微断层照相术，连续截面SEM等）的材料系统，那么Microstructure Maker可能使您能够从2D获得材料系统的3D体积图。图片。 方法 我们的软件使用的方法是受固体纹理合成领域（计算机图形学的一个子领域）启发的。 我们的目标是使这些方法适用于实际的材料数据集，以便研究人员可以采用另一种方法来替代昂贵且有限的3D表征技术。 这些方法试图解决不适定的优化问题，即找到最匹配微观结构统计信息的3D重构，该微观结构统计信息存在于从倾斜截面获取的有限数量的2D示例（图像）中。 尽管这些方法可能非常有效，但它们确实有一些局限性。 首先，您希望重建的微观结构必须在统计上是同质的。 其次，除了一些耐心之外，您的计算机上还必须拥有大量的计算资源才能运行这些算法。 最后，不能保证它们收敛到全局最优值，因

Gabor,GMRF,LBP纹理特征提取方法_MATLAB,可以用来提取图像特征，用来做图像识别和分类

纹理，指的是一张二维的图片，把它像贴纸一样贴在物体上面，让那个东西看起来像我们贴纸所要表现的东西那样。纹理映射功能将一些像素数据经过变换（即使是比较不规则的变换）将其附着到各种形状的多边形表面。利用纹理映射功能可以实现目前计算机动画中的大多数效果。

Unity 3d 纹理材质示例

FT-基于傅里叶变换的去除图像纹理方法。通过去除频域高亮区域来消除纹理，保留低频信息。效果不错