摘要
通过纹理特征，我们可以确定物体表面的方向和形状。同时通过纹理特征，我们可以做语义分割、分类、纹理生成等任务。
纹理特征的获取
纹理就是从重复的局部模式组成，局部模式可以通过不同滤波器进行寻找，然后再通过梯度的直方图对局部模式进行表达。梯度直方图的生成做法是给定一个滑动窗口，每次统计窗口中各个像素的梯度方向信息，从而得到这个窗口的梯度直方图信息，然后将窗口移到下一个区域(HOG特征不同窗口之间有重叠，梯度方向信息则是通过不同的核得到)。例如上面四种动物的梯度方向直方图如下图所示，不同直方图之间存在较为明显的差异。
具体来说，我们可以使用之前用过的两个偏导核(其实就是边缘检测)对一张照片进行卷积，得到两个响应图。
使用红色窗口比对两个图片同一位置中的边缘点个数，列成表格。这个表格也就刻画了一个窗口的两维特征，这两维特征是通过两个偏导核得到的。进一步，我们可以把窗口的二维特征画到二维平面，大概能看到四个类。基本对应平坦区域、竖边、横边、拐点几种纹理。
事实上，我们可以采用多个模板去提取纹理信息，如下图所示，有检测边、条纹、斑点的模板。
不同模板提取出来的信息不同，那么对于图像中的一个像素点，我们可以得到他的多维表示。(38个核就对应一个38维向量)
通过多个模板的响应，我们也可以做简单的分类操作。如下图所示，通过响应值较大的模板去推断图片的纹理信息。
