纹理是图像处理诸要素的特征之一，机器视觉技术在工业和工程中的应用更是如此，检测或识别通过纹理来进行区分的目标时必须选择根据纹理的特性来进行图像的获取和算法方法的选择。
1、纹理的认知
纹理泛指物体面上的花纹或线条，是物体上呈现的线形纹路。纹理图像，意思就是带有花纹的图像。
纹理图像一般指图像纹理,图像纹理是一种反映图像中同质现象的视觉特征，它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。
纹理的标志是某种局部序列性不断重复、非随机排列、纹理区域内大致为均匀的统一体。
纹理不同于灰度、颜色等图像特征，纹理通过像素及其周围空间邻域的灰度分布来表现，即局部纹理信息。另外，局部纹理信息不同程度上的重复性，就是全局纹理信息。纹理特征体现全局特征的性质的同时，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。
与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局部的偏差而无法匹配成功。在检索具有粗细、疏密等方面有较大差别的纹理图像时，利用纹理特征是一种有效的方法。但当纹理之间的粗细、疏密等易于分辨的信息之间相差不大的时候，通常的纹理特征很难准确地反映出人对不同纹理的视觉差别。
纹理图像分类广泛应用于视觉导航、场景分类、物体识别、人脸识别、智能视频分析、基于内容的图像和视频检索、遥感图像分析、工业检测、医学图像分析和文本分类等。
2、纹理技术
纹理技术是机器视觉技术的重要组成部分，它对于表现物体的色彩、质感有着关键性的作用。根据生成方法的不同可以把纹理分成表面纹理和实体纹理两种。
表面纹理是通过纹理映射的方法生成的，从数学上讲，它是一种从二维图像到空间曲面的映射，即把带有材质纹路特点的平面图像“包裹”到三维物体表面上。纹理映射技术应用非常广泛，但是它存在几个难以克服的困难：一是纹理拼接问题，在边界处难以处理；二是由于平面图像的离散性，放缩时有马赛克现象，需要单独处理。
实体纹理的概念最早是由Darwyn R Peachey 和Ken Pelin 提出的。它的思路是定义一个三维纹理空间，在其中对每种纹理直接建模，空间任意曲面的纹理就可以通过计算它在纹理空间的颜色来得到，就像雕刻家一样从纹理空间中雕刻出需要的任意形状。为了增强真实性，还用噪声方法对纹理空间进行了扰动，使得纹理更为自然。与表面纹理不同，实体纹理中的纹路不是从平面图像中得到的，而是直接由算法生成的，因此也被称为过程性纹理。
随着实体纹理技术的发展，新的模型函数越来越多，技巧也越来越复杂，做出的物体的纹路和质感栩栩如生，几乎使人难以相信是计算机画出来的。实体纹理的原理虽然简单，但要实现一个效果丰富、易于扩展和编程的实体纹理一般采用光线追踪算法，现有的系统有的非常庞大，实现了许多实体纹理以外的许多复杂的功能；有的采用描述场景的脚本语言作为输入，没有采用所见即所得的交互方式，使用很不方便；有的系统虽然简单，但功能相对弱小。
3、纹理图像的获取
根据不同纹理的不同性质，选择合适的方式通过工业相机和光源的不同组合获取纹理特征明显，具有数学意义的一致性较好的图像，这是算法的物理基础。
比如：平面纹理常常采用不同角度的光源来获取平面图像，三维纹理有时也可以通过二维映射的方法获取纹理信息。
三维测量的各类方法也常常用于三维纹理图像的获取。
选择什么样的方式来获取图像，需要较深的技术研究背景和技术积淀，更需要丰富的工程技术实践经验。
4、计算方法的选择
纹理图像在局部区域内呈现了不规则性，而在整体上表现出某种规律性。纹理基元的排列可能是随机的，也可能是相互之间互相依赖，这种依赖性可能是有结构的，也可能是按某种概率分布排列的，也可能是某种函数形式。图像纹理可以用许多定性的语言来描述，如粗糙、精细、光滑、方向性和规则性、粒度等。
早期的纹理分析使用统计或结构的方法提取特征，这些方法大都集中在对纹理的分析上，其中常用的经典方法有频谱法、灰度共生矩阵法、灰度级行程法、纹理描述模型、纹理句法模型等等。
近年来，随着模糊数学、小波、分形等理论的发展，技术人员又提出了多种纹理分析方法。主要算法有模糊聚类概念的分类模型、基于神经网络的分类模型、基于小波分析和小波变换的分类模型、基于分形理论的分类模型、基于数学形态学的分类模型等等。
如同几何形态、颜色一样，纹理也是物体的特征之一，在解决工业和工程具体技术问题中，需要深入研究具体问题，结合机器视觉技术基础及积淀，准确选择合适的技术方向和技术路线，较快速地可靠地较为经济地解决具体技术问题。
（本文由玖瑞科技技术部视觉与测控实验室整理）
