U radu su analizirane tri različite metode za dohvaćanje značajki pri klasifikaciji tekstura. Korištene metode su histogram, LBP te Haarova valić metoda. U teorijskom dijelu objašnjene su metode za dohvaćanje značajki, neki klasifikatori, metode za ocjenjivanje klasifikatora i načini implementacije metoda. Praktični dio sastoji se od implementacije navedenih metoda u programskom jeziku C# te od analize rezultata u alatu za rudarenje podatcima Weka. Ova tema postaje sve više popularna u svijetu jer je doba digitalizacije i računala te se sve pokušava svesti na to da računalo što više posla obavi umjesto ljudi kako bi se uštedjelo što više vremena, a time i novca. Prema dobivenim rezultatima najbolja metoda, na primjenjenim teksturama, je histogram.

This paper analyses three different methods for extraction features during texture classification. The utilized methods are: histogram, LBP and the Haar wavelet method. The theoretical part of the paper elaborates on the methods for extraction features, some of the classifiers, methods for evaluating classifiers as well as on the ways of implementing the methods. The practical part of the paper is comprised of two sections: the implementation of the previously mentioned methods in a programming language C#, and the analysis of the results in a data mining tool Weka. This topic is constantly gaining popularity nowadays due to the digital era in which the computer is doing most of the work, so people can save time, as well as money.