紋理是圖像中除了邊緣、角點(diǎn)之外的另一類(lèi)重要淺層特征，是圖像中重復(fù)出現(xiàn)的灰度模式或色彩模式，能夠反映圖像的表面屬性和結(jié)構(gòu)特征——例如，布料的紋理、木材的紋理、皮膚的紋理、地面的紋理等。紋理特征的核心價(jià)值是：對(duì)于邊緣輪廓相似但表面紋理不同的目標(biāo)，能夠通過(guò)紋理特征進(jìn)行有效區(qū)分，彌補(bǔ)邊緣特征的局限性。例如，蘋(píng)果和橙子的輪廓相似，但表面紋理截然不同，通過(guò)紋理特征提取，可精準(zhǔn)區(qū)分兩者；不同種類(lèi)的布料，輪廓可能一致，但紋理差異明顯，紋理特征可作為區(qū)分依據(jù)。

傳統(tǒng)紋理特征提取的經(jīng)典算法主要有三類(lèi)，其原理和適用場(chǎng)景各有不同：

1. HOG特征（方向梯度直方圖）：核心原理是通過(guò)統(tǒng)計(jì)圖像局部區(qū)域的梯度方向直方圖，構(gòu)建紋理特征向量。具體步驟分為：第一步，對(duì)原始圖像進(jìn)行預(yù)處理（灰度化、歸一化），消除光照變化對(duì)紋理特征的影響；第二步，將圖像劃分為多個(gè)小細(xì)胞單元（如8×8像素），計(jì)算每個(gè)細(xì)胞單元內(nèi)每個(gè)像素的梯度方向和梯度幅值；第三步，將多個(gè)細(xì)胞單元組合成一個(gè)塊（如16×16像素），對(duì)塊內(nèi)的梯度方向直方圖進(jìn)行歸一化處理，增強(qiáng)特征的穩(wěn)定性；第四步，將所有塊的梯度方向直方圖拼接起來(lái)，形成整個(gè)圖像的HOG特征向量。HOG特征的優(yōu)勢(shì)是對(duì)目標(biāo)的姿態(tài)變化、縮放變化具有較強(qiáng)的適應(yīng)性，抗噪聲能力較好，能夠捕捉目標(biāo)的局部紋理和輪廓特征，是傳統(tǒng)目標(biāo)檢測(cè)（如行人檢測(cè)）中最常用的特征提取算法，廣泛應(yīng)用于安防監(jiān)控的行人檢測(cè)、車(chē)輛檢測(cè)、人臉檢測(cè)等場(chǎng)景；局限性是計(jì)算量較大，對(duì)目標(biāo)的遮擋較為敏感，當(dāng)目標(biāo)出現(xiàn)嚴(yán)重遮擋時(shí)，紋理特征會(huì)被破壞，提取效果大幅下降。

2. LBP特征（局部二值模式）：核心原理是通過(guò)對(duì)比圖像局部區(qū)域內(nèi)中心像素與周?chē)袼氐幕叶戎担瑢⑵滢D(zhuǎn)化為二值編碼，再統(tǒng)計(jì)二值編碼的直方圖，構(gòu)建紋理特征向量。具體步驟分為：第一步，將原始圖像灰度化，選取圖像中的一個(gè)中心像素；第二步，以中心像素為原點(diǎn)，選取周?chē)欢ǚ秶鷥?nèi)的像素（如3×3范圍內(nèi)的8個(gè)像素），將每個(gè)周?chē)袼氐幕叶戎蹬c中心像素的灰度值進(jìn)行對(duì)比，若周?chē)袼鼗叶戎荡笥诘扔谥行南袼兀瑒t編碼為1，否則編碼為0，形成8位二值編碼；第三步，將二值編碼轉(zhuǎn)化為十進(jìn)制數(shù)值，作為該中心像素的LBP值；第四步，遍歷整個(gè)圖像，統(tǒng)計(jì)所有像素的LBP值的直方圖，即為圖像的LBP特征向量。LBP特征的優(yōu)勢(shì)是計(jì)算量小、速度快，對(duì)光照變化具有較強(qiáng)的適應(yīng)性，能夠有效捕捉圖像的局部紋理特征，廣泛應(yīng)用于人臉識(shí)別、紋理分類(lèi)、皮膚病變檢測(cè)（如痤瘡、色斑檢測(cè)）、木材紋理分類(lèi)等場(chǎng)景；局限性是對(duì)目標(biāo)的旋轉(zhuǎn)變化較為敏感，當(dāng)圖像發(fā)生旋轉(zhuǎn)時(shí)，LBP特征會(huì)發(fā)生明顯變化，影響區(qū)分效果，后續(xù)衍生出的旋轉(zhuǎn)不變性LBP特征（如圓形LBP、均勻LBP），一定程度上彌補(bǔ)了這一缺陷。

3. GLCM特征（灰度共生矩陣）：核心原理是通過(guò)統(tǒng)計(jì)圖像中不同灰度值像素之間的空間關(guān)系，構(gòu)建灰度共生矩陣，再?gòu)木仃囍刑崛√卣鲄?shù)（如對(duì)比度、相關(guān)性、能量、同質(zhì)性），構(gòu)建紋理特征向量。灰度共生矩陣能夠反映圖像中灰度值的分布規(guī)律和空間關(guān)聯(lián)，例如，紋理細(xì)膩的圖像，灰度值分布均勻，共生矩陣的能量值較高；紋理粗糙的圖像，灰度值變化劇烈，共生矩陣的對(duì)比度較高。GLCM特征的優(yōu)勢(shì)是能夠全面捕捉圖像的全局紋理特征，對(duì)紋理的區(qū)分能力較強(qiáng)，廣泛應(yīng)用于遙感圖像分類(lèi)（如土地覆蓋類(lèi)型分類(lèi)）、醫(yī)學(xué)影像紋理分析（如腫瘤紋理檢測(cè)）、工業(yè)材料紋理分類(lèi)（如金屬紋理、塑料紋理分類(lèi)）等場(chǎng)景；局限性是計(jì)算量較大，對(duì)圖像的旋轉(zhuǎn)、縮放變化較為敏感，且特征維度較高，容易出現(xiàn)冗余，需要進(jìn)行特征降維處理。