一、局部纹理表示（每个像素点形成一个纹理描述）
找到纹理基元，纹理基元通常是由子元素构成的（点和条形），可以使用不同方向、尺度、相位的滤波寻找子元素，再通过找到的子元素的近邻来描述图像中的每个点（高斯滤波可实现）。
算法：
1.选定n个关于子元素的滤波器（不同尺度、方向）
2.对图像的每个像素点计算不同滤波器的响应
3.对滤波响应采用半波归一化，计算max（0，IF)和max（0，-IF）
4.计算局部汇总：对所有的滤波响应做高斯滤波，尺度为基滤波器的2倍
二、基于图像区域的纹理表示（池化纹理表示）
如果直接使用基于局部的特征表示构建图像区域的特征，向量维数太大了；如果通过直方图表示区域特征的话，cell个数太多了，因为每个像素的纹理表示多少有些不同。
1.构建词典
一个图像提取多个patch，最简单情况patch就用像素值表示
根据训练集图像的patch（向量）创建词典，可以利用k-means（设定k个数，初始化k个聚类中心，依次计算图像与k个聚类中心距离，将其聚到最近的类中，根据聚类结果更新聚类中心，迭代进行，直到聚类中心不发生大的变化）
学习词典（聚类）过程：
2.提取给定图像区域的纹理
对于给定的图像块，提取多个patch像素向量表示。
与词典中的所有向量做距离运算进行聚类，找到最近距离像素点所在的类并获取纹理类型标记，将其标记加入该图像区域所对应的纹理类型直方图中。
计算完给定图像块的所有patch后便可得该图像块的纹理表示。
三、纹理合成（边界上总有没有合成值）
采取正方形近邻：
从样本图像中随机选择一个小方块像素
将样本图像值插入到合成图像中
直到要合成图像每个位置都有值
对于合成图像边界上没有合成的地方
用样本图像匹配该地方的近邻填入值