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。