本节主要介绍马尔科夫的随机场模型以及其用于图像的分割算法中。基于马尔科夫的随机场（MRF）的图像分割是一种基于统计的图像分割算法，其模型参数少，空间约束性强，使用较为广泛。
首先了解一下马尔科夫模型，纯粹的马尔科夫模型就是指一件事物的当前状态只与它之前的1个或者n个状态有关，而与再之前的状态没有关系，比如今天天气好坏只与昨天天气有关，而与前天乃至大前天都没有关系。符合这样的一种特性的事物认为其具有马尔科夫性。那么引申到图像领域，就是认为图像中某一点的特征（一般都是像素点灰色、颜色值等）只与其附近的一小块领域有关，而与其他的领域无关。想想也是这样，大多数时候，图像中某一点像素和附近的像素是相关的，附近领域像素是黑的，那它八成也是黑的，很好理解。
马尔科夫随机场在图像领域的一大用途就是图像的分割，本文也主要介绍该方法的图像分割。
关于图像分割问题，从聚类角度讲，就是一个图像的聚类问题，把具有相同性质的像素点设置为一类。在说详细点就是一个标签分类问题，比如把一副图像分割成4类，那么每一个像素点必定属于这四类中的某一类，假设四类为1，2，3，4类，那么分割就是给每个像素点找一个标签类。好了，假设我们的待分割图像是S，大小m*n，那么把每个像素点放到集合S中，图像就是：S=S1,S2,...,Sm∗n
--------------------- 作者：我i智能 来源：CSDN 原文：https://blog.csdn.net/on2way/article/details/47307927?utm_source=copy 版权声明：本文为博主原创文章，转载请附上博文链接！