基于空间域纹理描述
1. 统计法纹理描述
通过衡量纹理图像的像素灰度值及其邻域的灰度相关性来获得纹理区域的统计特征 ；灰度值和灰度相关性分别属于一阶统计特征和高阶统计特征。
1） 一阶统计特征
一阶统计特征包括均值、方差等，这些特征可以大致的描述图像的灰度值分布，而不考虑像素之间的邻域关系
2）高阶统计特征
一阶统计特征并没有考虑图像上下文关系，很难度量灰度的空间分布特性。高阶统计特征的主要作用是描述像素对的联合分布特性，主要包括：自相关函数、Laws 纹理能量法、灰度共生矩阵等，相比较一阶统计特征，高阶统计特征在描述空间灰度信息时，效果更加明显
。
2. 结构法纹理特征
1）图像的纹理特征可由纹理基元的数目、类型以及基元之间重复性的排列规则来描述；
2）纹理基元特征：周长、面积、方向、偏心度等；
基于频域的纹理描述
1）空域到频域变换的方法：傅里叶变换、Gabor滤波以及小波变换等；
3. 图像增强方法
1）空间域
空域法是以对图像像素的直接处理为基础的，常用的方法包括一些基本灰度变换（如图像反转、对数变换、幂次变换等）、直方图处理、算术/逻辑操作（如图像相减、图像平均处理等）以及空间滤波器。直方图处理可以在扩大图像动态范围的同时，可以增强图像的对比度，主要方法包括：直方图均衡化和直方图规定化等。空间滤波器可以采用如下两种方式进行实现：平滑空间滤波器和锐化空间滤波器。对于平滑处理，其作用是抑制噪声的同时去除模糊，可采用的方法有：均值滤波 、中值滤波、加权滤波等。当对图像进行锐化处理时，可以采用拉普拉斯算子和梯度法等，不但可以突出细节，还可以增强被模糊的细节
。
2）频率域
频域法和以上讨论的空域法不同，主要是通过傅里叶变换或小波变换将图像从空域转换到频域进行相应的处理与分析，可以分为两大类：平滑的频域滤波和锐化的频域滤波。一般情况下，可以采用的方法主要有：理想低通滤波器、Butterworth 滤波器和高斯滤波器等。频域滤波器主要有以下缺点：频域转换运算复杂，利用硬件电路进行实现时，不但耗时而且浪费资源。