Definiremos textura como un patrón visual en un plano infinito 2D el cual, en alguna escala, tiene una distribución fija. Dada una muestra de alguna textura (una imagen) el objetivo es sintetizar otras muestras a partir de la muestra de textura. Sin suponer nada más este problema está mal planteado, ya que dada una muestra de textura puede hacer sido dibujada a partir de un infinito número de texturas diferentes. Lo que se hace es asumir que la muestra es lo suficientemente grande para que de alguna forma capture la esencia de la textura y que la escala (aproximada) de los elementos de la textura (texels) son
conocidos.
Los algoritmos de síntesis de texturas deben de ser capaces de tomar una muestra de textura y generar una cantidad ilimitada de imagen, la cual no debe ser exactamente como la original pero debe ser percibida por los humanos como la misma textura que la muestra. Además, sería interesante poder transferir la textura de un objeto a otro. Julesz sugirió que dos imágenes de texturas serán percibidas como la misma textura por observadores humanos cuando las estadísticas apropiadas de esas dos imágenes estén relacionadas. Esto hace que las dos tareas fundamentales de un sintetizador de texturas estadístico sean: coger el conjunto de estadísticas correcto para relacionar y encontrar un algoritmo que las relacione.
A la hora de sintetizar texturas se pueden utilizar varios enfoques:
En ambos casos la unidad para trabajar puede ser un píxel o un bloque de píxeles. En el presente trabajo se van a ver tres formas distintas de sintetizar imágenes, cada uno de ellos siguiendo un enfoque distinto: