Markov随机场

当把数字图像中每个像素灰度与一个随机变量相关联，那么图像就是二维网格N*M上随机场的的一个实现。

对于一幅 M*N 的图像,Markov 随机场可以简单定义如下: 
图像中任意一个像素点s,其值记为变量xs,xs 属于A(其中A是图像中的灰度级),而XS = xs 的概率依赖于它的邻域 Xr 的取值,即: 
                                                                                                                       

上式就称为局部条件概率密度(LCPDF)。

其中各变量定义如下: 

要用MRF模型作纹理分析,主要问题是从图像数据中估计MRF参数,Besag提出了编码方法,现简单介绍一下其原理"现在考虑一阶MRF模型,其参数为{a,b1,b2},像素点为 x(i,j),若以(x,t,tc,u,uc)代替其邻域点x( i , j), x(i-1,j), x(i+1, j), x(i,j-1), x(i, j+1),     
一阶MRF的条件概率就可写为: