T(j,k)=∑jε=-T∑kη=-Tε2η2C(ε，η，j,k)
紋理粗糙性越大則T就越大，因此，可以方便地用T作為度量粗糙性的一種參數。
（二）傅裏葉功率譜法
計算紋理要選擇窗口，僅一個點是無紋理可言的，所以紋理是二維的。設紋理圖像為f(x,y)，其傅裏葉變換可由式表示。
F(u,v)=∫+∞-∞∫+∞-∞f(x,y)exp{-j2π(ux+vy)}dxdy
二維傅裏葉變換的功率譜的定義如式所示。
｜F｜2=FF*
式中F*——F的共軛
功率譜｜F｜2反映了整個圖像的性質。如果把傅裏葉變換用極坐標形式表示，則有F(r,θ)的形式。考慮到距原點為r的圓上的能量為
Φr=∫2π0［F(r,θ)］2dθ
紋理圖像的功率譜分析對實際紋理圖像的研究表明，在紋理較粗的情況下，能量多集中在離原點近的範圍內，而在紋理較細的情況下，能量分散在離原點較遠的範圍內。由此可總結出如下分析規律：如果r較小、Φr很大，或r很大，Φr反而較小，則說明紋理是粗糙的；反之，如果r變化對Φr的影響不是很大，則說明紋理是比較細的。
另外，研究某個θ角方向上的小扇形區域內的能量。
Φθ=∫2π0［F(r,θ)］2dr
當某一紋理圖像沿θ方向的線、邊緣等大量存在時，則在頻率域內沿θ+π2，即與θ角方向成直角的方向上能量集中出現。如果紋理不表現出方向性，則功率譜也不呈現方向性。因此，｜F｜2值可以反映紋理的方向性。
（三）聯合概率矩陣法
聯合概率矩陣法是對圖像所有像素進行統計調查，以便描述其灰度分布的一種方法。
取圖像中任意一點(x，y)及偏離它的另一點(x+a，y+b)，設該點對的灰度值為(g1，g2)。
令點(x,y)在整個畫麵上移動，則會得到各種(g1，g2)值，設灰度值的級數為k，則g1與g2的組合共有k2種。對於整個畫麵，統計出每一種(g1，g2)值出現的次數，然後排列成一個方陣，再用(g1，g2)出現的總次數將它們歸一化為出現的概率P(g1，g2)，稱這樣的方陣為聯合概率矩陣。
灰度級為16級，為使聯合概率矩陣簡單些，首先將灰度級數減為4級。g1，g2分別取值為0，1，2，3，由此將(g1，g2)各種組合出現的次數排列起來，就可得到圖2-12(3)～(5)所示的聯合概率矩陣。
距離差分值(a，b)取不同的數值組合，可以得到不同的情況下的聯合概率矩陣。a、b的取值要根據紋理周期分布的特性來選擇，對於較細的紋理，選取(1，0)，(1，1)，(2，0)等這樣小的差分值是有必要的。當a,b取值較小時，對應於變化緩慢的紋理圖像，其聯合概率矩陣對角線上的數值較大，而紋理的變化越快，則對角線上的數值越小，而對角線兩側上的元素值增大。
（四）灰度差分統計法
設(x，y)為圖像中的一點，該點與和它隻有微小距離的點(x+Δx，y+Δy)的灰度差值為
gΔ(x,y)=g(x,y)-g(x+Δx,y+Δy)
gΔ稱為灰度差分。設灰度差分值的所有可能取值共有m級，令點(x,y)在整個畫麵上移動，計算出gΔ(x,y)取各個數值的次數，由此可以做出gΔ(x,y)的直方圖。由直方圖可以知道gΔ(x,y)取值的概率pΔ(i)。
當取較小i值的概率pΔ(i)較大時，說明紋理較粗糙；概率較平坦時，說明紋理較細。
一般采用下列參數來描述紋理圖像的特性：
(1)對比度
CON=∑ii2pΔ(i)
(2)角度方向二階矩
ASM=∑i［pΔ(i)］2
(3)熵
ENT=-∑ipΔ(i)lgpΔ(i)
(4)平均值
MEAN=1m∑iipΔ(i)
在上述各式中，pΔ(i)較平坦時，ASM較小，ENT較大，pΔ(i)越分布在原點附近，則MEAN值越小。
（五）行程長度統計法
設點(x，y)的灰度值為g，與其相鄰的點的灰度值可能也為g。統計出從任一點出發沿θ方向上連續n個點都具有灰度值g這種情況發生的概率，記為P(g，n)。在某一方向上具有相同灰度值的像素個數稱為行程長度(run length)。由P(g，n)可以引出一些能夠較好地描述紋理圖像變化特性的參數。
(1)長行程加重法
LRE=∑g,nn2p(g,n)∑g,np(g,n)
(2)灰度值分布
GLD=∑g∑np(g,n)2∑g,np(g,n)
(3)行程長度分布
RLD=∑g∑np(g,n)∑g,np(g,n)
(4)行程比
RPG=∑g,np(g,n)N2
式中N2——像素總數