本節主要介紹馬爾科夫的隨機場模型以及其用於影象的分割演算法中。基於馬爾科夫的隨機場（MRF）的影象分割是一種基於統計的影象分割演算法，其模型引數少，空間約束性強，使用較為廣泛。

首先了解一下馬爾科夫模型，純粹的馬爾科夫模型就是指一件事物的當前狀態只與它之前的1個或者n個狀態有關，而與再之前的狀態沒有關係，比如今天天氣好壞只與昨天天氣有關，而與前天乃至大前天都沒有關係。符合這樣的一種特性的事物認為其具有馬爾科夫性。那麼引申到影象領域，就是認為影象中某一點的特徵（一般都是畫素點灰色、顏色值等）只與其附近的一小塊領域有關，而與其他的領域無關。想想也是這樣，大多數時候，影象中某一點畫素和附近的畫素是相關的，附近領域畫素是黑的，那它八成也是黑的，很好理解。

馬爾科夫隨機場在影象領域的一大用途就是影象的分割，本文也主要介紹該方法的影象分割。

關於影象分割問題，從聚類角度講，就是一個影象的聚類問題，把具有相同性質的畫素點設定為一類。在說詳細點就是一個標籤分類問題，比如把一副影象分割成4類，那麼每一個畫素點必定屬於這四類中的某一類，假設四類為1，2，3，4類，那麼分割就是給每個畫素點找一個標籤類。好了，假設我們的待分割影象是S，大小m*n，那麼把每個畫素點放到集合S中，影象就是：S=S1,S2,...,Sm∗n

--------------------- 作者：我i智慧 來源：CSDN 原文：https://blog.csdn.net/on2way/article/details/47307927?utm_source=copy 版權宣告：本文為博主原創文章，轉載請附上博文連結！