紋理分割就是將紋理特征相同或壹致的區域聚類成壹個大的區域。肌理是壹種地域特征，只能在壹定範圍內體現或衡量。普通的圖像分割通常是指傳統的語義分割。在圖像分割的這個時期(約2010年前)，由於計算機的計算能力有限，前期只能處理壹些灰度圖像，然後再處理rgb圖像。在這壹時期的分割中，出現了壹些主要通過提取圖像的低層特征來進行分割的方法:Ostu、FCM、分水嶺、N-Cut等。這個階段壹般是無監督學習，分割出來的結果沒有語義標註。換句話說，被分割的東西不知道是什麽。
隨後，隨著計算能力的提高，人們開始考慮獲取圖像的語義分割。目前這裏的語義都是低級語義，主要是指被分割對象的類別。在這個階段(大約2010到2015)，人們考慮使用機器學習進行圖像語義分割。
隨著FCN的出現，深度學習正式進入圖像語義分割領域。這裏的語義還是主要指被分割對象的類別。從分割結果中，我們可以清楚的知道分割的是什麽物體，比如貓和狗。
現在還有壹種叫實例分割，可以對同壹類別的不同對象進行不同的劃分，可以清楚的知道分割的左右兩個人不是同壹個人。