El análisis de texturas es una tarea importante en el procesamiento de imágenes y la visión por computadora porque proporciona datos significativos para la recuperación, síntesis, segmentación y clasificación de imágenes. La clasificación automática de texturas es difícil, sin embargo, y requiere técnicas computacionales avanzadas debido a la complejidad y diversidad de las texturas naturales. Este documento presenta un método para clasificar texturas utilizando grafos; específicamente, grafos de visibilidad natural y horizontal. El grafo de visibilidad natural de la imagen (INVG) y el grafo de visibilidad horizontal de la imagen (IHVG) se utilizan para obtener características para clasificar texturas. Estas características son el coeficiente de agrupamiento y la distribución de grados. Los resultados sugeridos muestran que la técnica mencionada supera a las tradicionales e incluso se acerca al rendimiento de las redes neuronales convolucionales (CNN). Clasificadores como la máquina de vectores de soporte (SVM), el vecino más cercano (KNN), el árbol de decisiones (DT) y el bosque aleatorio (RF) se utilizan para la categorización. El método sugerido se prueba en conjuntos de datos de imágenes conocidos como los conjuntos de datos de textura Brodatz y de textura de Salzburgo (STex). Los resultados son positivos, mostrando el potencial de los métodos de grafos para la clasificación de texturas.