纹理是图像的重要特征，纹理分析也一直是计算机数字图像处理中基础而重要的课题。 本文提出一种新的纹理描述方法一多视点切割(Mu1ti-ViewpointsSlicing，MVS)方法。多视点切割方法定义了作用于图像的“视点”的概念，通过文中定义的视点对图像上每一个像素进行聚类操作，最终将纹理图像根据视点个数“切割”为多幅二值图像。方法对像素点的处理过程不仅和目标像素点的绝对灰度值有关，也和通过不同视点定义的邻近区域像素点的灰度值有关。为此文中根据视点的属性和图像灰度定义了目标像素点邻近区域像素点对目标像素点的影响因子和视点的影响因子。通过设置视点的影响因子和视点的个数可以提取不同的纹理特征。文中应用多视点切割方法于纹理图像描述时，设计了有效的视点模式。通过视点模式可以调整多视点切割方法的描述性能。 多视点切割方法的中间输出是根据原始图像得到的一系列二值图像，这一过程其实是对原始图像进行的一次已知类别数量的聚类操作。类别数量和视点个数有关。而聚类结果则和像素点与其邻近像素点的灰度关系、像素点所在区域的灰度变化有关。例如可以得到图像灰度发生突变区域或极值区域像素点的集合，图像灰度均一区域像素点的集合等等。并根据统计几何特征统计这些二值图像的特征，作为描述纹理的特征。 对多视点切割方法进行纹理分类实验，结果表明方法可有效的提取复杂的灰度纹理图像的特征。在国际上常用于纹理描述方法研究的Brodatz纹理图像全集上，对比常用的纹理描述方法，多视点切割方法的正确分类率最高，使用特征最少。在自行采集的日常生活的纹理图像集上，进行多次实验多视点切割方法的性能仍非常突出。 本文还对使用纹理描述方法应用于中医舌诊进行了一些探索，结果也可发现纹理分析在这一领域有着广阔的应用前景。