在多媒體影像處理中，"顏色特征-紋理特征" 是一種用於描述圖像中紋理信息的方法。紋理特征用於捕捉圖像中不同區域的紋理變化，這些特征通常與圖像的表面細節、紋理、模式和結構有關。在圖像處理中，紋理特征對於圖像分類、分割和識別非常有用。

一種常用的紋理特征提取方法是使用灰度共生矩陣（Gray-Level Co-occurrence Matrix，GLCM）。GLCM 是一個用於描述圖像紋理的矩陣，它表示在不同像素位置的像素對之間的關系。通常，GLCM 是基於灰度圖像計算的，而不是彩色圖像。以下是描述GLCM 的數學公式：

假設有一個灰度圖像 I(x, y)，其中 (x, y) 是像素坐標。

1. 定義距離和方向：首先，選擇一個特定距離 d 和方向 θ。

2. 計算共生矩陣：然後，對圖像進行處理，以計算每對像素值 (p, q) 在距離 d 和方向 θ 下的共現次數。這將創建一個共生矩陣 C(p, q, d, θ)。

3. 標準化共生矩陣：對共生矩陣進行標準化，以便得到概率分布。通常，可以將每個元素除以共生矩陣的總和。

4. 計算紋理特征：使用標準化的共生矩陣，可以計算各種紋理特征，如對比度、相關性、能量（反映圖像中紋理的粗糙度或平滑度）和逆差分矩陣等。

下面是一個使用Python的示例代碼，用於計算GLCM 紋理特征：

import cv2
from skimage.feature import greycomatrix, greycoprops

# 讀取灰度圖像
gray_image = cv2.imread('gray_image.jpg', cv2.IMREAD_GRAYSCALE)

# 定義距離和方向
distance = [1]  # 距離為1
angles = [0, np.pi/4, np.pi/2, 3*np.pi/4]  # 四個方向

# 計算 GLCM
glcm = greycomatrix(gray_image, distances=distance, angles=angles, symmetric=True, normed=True)

# 計算紋理特征
contrast = greycoprops(glcm, prop='contrast')
correlation = greycoprops(glcm, prop='correlation')
energy = greycoprops(glcm, prop='energy')
homogeneity = greycoprops(glcm, prop='homogeneity')

print("Contrast:", contrast)
print("Correlation:", correlation)
print("Energy:", energy)
print("Homogeneity:", homogeneity)

上述示例代碼首先讀取一個灰度圖像，然後使用greycomatrix函數計算GLCM。隨後，通過greycoprops函數計算了一些常見的紋理特征，如對比度、相關性、能量和一致性。