纹理研究的主要目的是研究纹理图像的特性，即纹理分析，纹理分析可以对纹理的性质做出定量的分析和描述，主要被应用在以下几个方面。

1.纹理应用于目标识别与分析领域主要有两大类,一是目标表面特性分析、识别；二是目标区域分割。

纹理特征是物体的自然属性,物体表面的纹理特征在一定程度上反映了该物体的一些特性及其变化。分析表面纹理是获取物体信息很重要的方法。如分析金属加工表面的纹理可以获得其粗糙度，利用人舌体表面纹理粗糙度及裂纹纹理的分布可以获得人体的一些病理信息。再者,纹理受周围环境影响较小,而且抗遮挡能力强,因此利用合适的纹理特征对目标进行识别与定位具有鲁棒性优势。

纹理应用于目标识别的另一个重要内容是目标区域的分类、分割。纹理的分类与分割主要是将具有特定纹理结构的某一区域或对象从背景或其他对象中分离出来。一般要经过纹理特征选择、特征提取、特征整合和聚类分析几个步骤。

很多情况下,物体区别于其他物体或背景,不是在平均灰度或亮度等信息,而是在于物体表面的纹理特征。这时，图像的分割必须以纹理为基础,生成一幅纹理特征图像,图像中的每一个像素表示在这个像素的某个邻域内的纹理特征值,将纹理图像分类或区域分割问题转化为一般图像分类或图像分割问题。

纹理研究在目标识别与分析中的具体应用方法可参见文献。

2.由纹理恢复物体的三维形状目前也是纹理研究的一个前沿,但进展缓慢。从纹理恢复形状是根据纹理属性的变化与表面形状的关系,从二维图像恢复表面形状的三维信息的过程和方法。该方法主要利用了3种效应:透视缩小(与表面方向有关)缩放和密度变化(与观察者和纹理基元的距离有关) 。

物体的表面由于透视等原因造成图像上纹理形状扭曲、纹理密度变化、纹理周期的改变等几何特性的变化为观察者提供了被观察对象的一些三维信息,如表面形状,表面方向等特征。常用恢复方法一般需要利用原始纹理畸变推测表面方向,前提都是已知纹理基元的形状、尺寸或相互关系。对于自然纹理,上述信息很难预先得到,或者各个纹理基元的形状并不统一,因此,利用自然纹理进行三维形状恢复难度很大。现有的研究方法需要物体表面纹理基元形状简单,并且分布较为规则。

现有的从纹理恢复形状主要利用了以下3类方法:

①物体表面的纹理梯度信息。该梯度信息的类型由具体的纹理形态决定,如纹理密度梯度信息、纹理灰度梯度信息、纹理边缘频率梯度、基元尺寸变化梯度等。

②纹理基元之间的几何关系变化。在具有直线型纹理基元或纹理分布走向近似呈现直线形式时,可以利用直线检测算法提取出纹理中的直线元素,根据计算机视觉中射影几何计算灭点的方法,可以得到平面的法线方向。

③图像上纹理基元的几何形态随摄像机与纹理表面的位姿关系而发生变化。如:有些文献规定了平面上纹理基元为圆,当物体表面相对摄像机位姿存在一定角度时,在图像中纹理基元就表现为椭圆,椭圆的离心率提供了倾斜信息,椭圆轴的指向表明了平面片相对摄像机的俯仰信息。

3.基于内容的图像检索。基于元数据的检索中,每幅图像被当作像素点的简单有序的集合体,用一组元数据的集合来表征,准则是点对点的比较,通过指定属性来完成图像的查询。由于图像内容非常丰富,有时很难用几个元数据来表征,因此检索效果不佳。基于文本关键词检索是将图像用几个关键词来表述,通过在图像库中进行关键词匹配来获得结果图像。这种方法需要对所有图像进行精确的描述,任务量很大而且图像特征描述也需要比较精确。基于内容的图像检索的方法首先对样本图像进行数字化特征描述,通过对图像库中的图像进行相应的特征提取和匹配,即可获得与样本图像有相同特征的图像。这种方法更为符合人类对图像认识的特性,因此在近些年来得到了深入研究。

由于纹理表征了图像的外貌特征,因此纹理同颜色、形状一样,是基于内容的图像检索方法中非常重要的一种用于描述和检索图像的特征。在利用纹理进行图像检索时,需要首先对样本图像的纹理特征进行描述,描述方法多样,如基于共生矩阵的纹理特征、纹理谱特征、纹理的高层语意特征等。然后在图像库中,对图像进行相同的纹理特征描述,最后进行特征匹配,从而获得在图像纹理特征层次上相同的图像。

从20世纪70年代起,人们就图像进行了大量的研究,主要集中在图像纹理的分析、理解与描述和计算机自然纹理生成2大方面,并已取得了丰硕的成果,在景物识别、目标定位、遥感图像分析、纹理分类 、图像复原与估测、基于内容的图像数据库检索和计算机景物仿真等众多方面产生了深远的影响。但人们对纹理图像的处理至今也没有一套普遍适用的分析方法,系统的理论支撑严重不足,从而其发展始终被制约在算法层,步履艰难。图像识别是随计算机的发展而兴起的一门学科，现已渗透各个领域。如生物学中的色体特性研究；天文学中的望远镜图像分析；医学中的心电图分析、脑电图分析、医学图像分析；军事领域中的航空摄像分析、雷达和声纳信号检测和分类、自动目标识别等等。当前，对图像分类识别的常用方法是先提取图像特征，再进行特征值的归类。图像特征包括几何特征、形状特征、颜色特征、纹理特征等等。