對于含有重復紋理模式的圖像，自相關函數表現出一定的周期性，其周期等于相鄰基元的距離，當紋理粗糙時，自相關函數緩慢下降，而細紋理下降迅速。用自相關函數可以測量紋理的周期性以及紋理基元的大小。

　　通過以上的介紹，我們發現，當紋理基元很小并成為微紋理的時候，用灰度共生矩陣特別有用，相反，當紋理基元很大時，直接用灰度級矩陣就不是很有效，甚至失效;這個時候就要尋找其它的方法確定紋理結構。而自相關函數法，對于測量紋理的周期性和紋理的大小比較有用，但是自相關函數法的算法復雜度比較高，如果對比較大的圖像直接用自相關函數法，則運算量太大;為了降低運算次數，可以先對圖像進行分塊，然后再對每個分塊進行相關的運算。

　　2.3指紋圖像的特征及描述

　　指紋圖像是一種比較特殊的數字紋理圖像，所以它即具有數字圖像的性質，又具有紋理圖像的性質，除了具有上述兩種共性之外，指紋圖像還具有指紋的特殊的性質。

　　①指紋圖像具有方向性，但是，指紋的方向性與紋理的方向性有不同之處，一般紋理的方向一般具有一致性，但是指紋圖像只有在指紋的局部才有一致性，并且，指紋圖像的局部方向還要有連續性，因為對于不同的指紋紋線走向會發生變化，但是這種變化是緩慢變化的。

　　②指紋圖像中的紋線的寬度是有一定的限制的，它即不會很寬，又不會很窄，這是指紋圖像區別與其它紋理圖像的又一個方面。這為圖像的分割提供了一個有用的先驗知識。

　　③指紋圖像的有效區域中包含的紋線是黑白交替出現的，在有效區域的局部，即不會出現2條連續的白色紋線，也不會出現2條連續的黑色紋線。這也是對指紋圖像統計出的先驗知識，可以為后續的指紋圖像的處理提供幫助。

　　④指紋圖像的噪聲也是有區別于其它的數字圖像的，一般的數字圖像中的噪聲大部分可以認為是隨機噪聲，可以用比較多的現成的算法來盡可能的去除。而指紋圖像的噪聲除了具有隨機噪聲之外，還有因為器件或者其它人為因素造成的噪聲，這種噪聲的一般的表現是：圖像中紋線斷斷續續，紋線不清晰，不連貫;或者圖像中的紋線全部粘連在一起，分不清紋線的走向;這種噪聲給指紋圖像的分割造成了極大的困難。圖2.8是兩個具有這種噪聲的指紋圖像。