关于纹理合成最经典的论文应该就数的这篇论文了，引用量近2000。

这里的合成是基于样例的，就是先有一个小的纹理图像，然后合成一个大的。

我个人的理解是，先产生一个大的随机图像，然后对随机图像中每个像素及其邻域像素和小的纹理图像做对比，找出随机图像当前邻域和小的纹理图像最接近的邻域，然后将小的纹理图像最接近的像素赋值给大的随机图像。这样每处理一个随机图像中的像素，就需要遍历小的纹理图像的所有像素，所以运行时间是很慢的。

先看下效果：

小的纹理图像：

合成的纹理图像：

matlab代码如下：

clear all;close all;clc;mask=mat2gray(imread('wen.jpg'));   %小的纹理图像[m n]=size(mask);imgn=mat2gray(rand(256,256));   %最终需要的大的纹理图像，现在是随机图像w=2;            %L邻域长的半径I=[1 1 1 1 1;   1 1 1 1 1;   1 1 0 0 0];  %L邻域，这里是5*3的，当然也可以是7*4或9*5的for i=1+w:256    for j=1+w:256-w                mi=inf;        for p=1+w:m            for q=1+w:n-w                tmp=mean2(abs(imgn(i-w:i,j-w:j+w).*I-mask(p-w:p,q-w:q+w).*I));                             if tmp

参考博客：