纹理（Texture）是物体表面固有的特征之一。目前对于纹理尚无正式的定义，但一般认为它是由许多相互连接且常周期性重复的单元构成。与灰度特征不同，纹理不是基于单个像素点的特征，它通常与图像的尺度关系密切，且具有区域性和统计特征。
通常来说，在放大后的图像上可以观察到目标表面的纹理。而且一般来说，纹理特征需要在包含多个像素点的图像区域中进行灰度统计才能获得。纹理特征的这种区域性可使特征匹配过程不会因局部的偏差而失败。因此通过纹理分析，可对物体表面尺寸和形状的变化进行检测，如划痕(Scratch)、裂纹(Crack）和污渍（Stain)等。
纹理分析常用于对具有不规则纹理图案的目标表面进行检测，如瓷砖、纺织品、木材、纸张、塑料或玻璃的表面等。
多数基于纹理分析的机器视觉应用使用纹理分类器（Texture Classifier）进行检测。纹理分类器可通过对无缺陷的标准样本目标进行学习获得，其中包含样本的纹理特征信息。检测时，算法会将被测目标中的纹理特征与纹理分类器中的特征信息进行匹配，并将不能接受的区域标识为缺陷。
通常来说，纹理分析过程会以目标的表面图像为输入，并以二进制大颗粒（Binary Large OBjects，BLOB）的形式输出检测结果。获得缺陷部分的BLOB后，可以进一步使用颗粒分析工具对其属性、尺寸等进行分析。
适用性强的纹理分析检测过程不仅应对于噪声有较强的抵抗能力，还应具有平移不变（Shift-Invariant）、旋转不变（Rotate-Invariant）和尺度不变（Scale-Invariant）的性质。也就是说，相较于纹理分类器中的纹理特征而言，即使被测目标中的纹理特征垂直或水平移动，在平面
