纹理是图像处理,图像真实感造型领域的很重要的概念。其在应用方面的研究已经非常广泛且深入,然而至今为止纹理在理论上的研究还是非常有限,现有的几个模型都是针对应用的。纹理合成是作为纹理映射的辅助技术提出和产生的,但随着当今社会计算机科学特别是计算机图像图形学的迅猛发展,它已经发展成一项独立的重要的技术,除了原本的作用外又扩展出了许多重要的应用如3D场景构建、纹理压缩、图像恢复、图像块拼贴、纹理图像超分辨放大等。基于样图的二维纹理合成技术是当前纹理合成技术的主要研究方向,在一些领域已经有了比较成熟和优秀的算法出现。为了更好的来研究纹理图像具有的性质,古元亭把纹理看成一种图像的性质,并对图像的这种性质进行定义,称之为纹理的标准性,并用图像的灰度向量来衡量纹理的标准性强度,取得了较好的效果。但是灰度向量只具有统计特征,不能体现象素点之间位置关系变化对图像产生的影响。为了较好的解决这个问题,本文提出了一种新的度量工具即分形维数向量。针对传统图像率先提出了按灰度值分层二值化的方法,较好的解决了传统分形维数在计算彩色图像时信息量丢失较大的缺点,提出了分形维数向量的概念。 本文中认为所有的图像都具有纹理性,只是其纹理性的强弱不同形成了普通图像与纹理图像的差别。在分析传统的纹理合成方法,及其优缺点的基础上,引入了纹理标准性概念,给出纹理标准性的特征描述,并采用图像的分形维数向量来做为衡量图像特征的工具,以此计算出纹理标准性系数;通过对大量图像(包括从普通图像到标准性纹理图像的各种类型的图像)的标准性系数分析比较,给出了一种根据纹理标准性系数作纹理分类的方法;在此基础上,给出一种强标准性纹理图像的合成方法。通过对大量图像进行实验表明,用此方法区分强标准性纹理是可靠的,强标准性纹理的计算量和传统方法相比降低了两个数量级,且合成的纹理图像视觉效果与传统方法合成的纹理图像视觉效果相同。结合纹理标准性的概念,给出Ashikhmin方法所适用的自然纹理的标准性系数的范围,并对这类区间中的自然纹理提出了新的改进算法,大大的加快了纹理合成的速度,同时合成效果并没有明显降低。