虽然有一些明显的例外（电视屏幕上的“静态”模式，相机的“暗帧”噪声模式），但图像很少由随机过程生成。声明图像是从这样或这样的分布中提取或由这样或这样的随机过程生成的只是一个事后建模决策，并且没有“基本事实”来验证或使该选择无效；除了机器视觉/图像增强等方法的性能之外，源自建模决策。

因此，您可以将$m \times n$图像视为单个随机矩阵（我假设这就是您的第一个替代方案的意思 - 整个图像被视为单个多维随机变量）；或者您可以将其视为一个随机字段（由$|[1, M]| \times |[1, N]|$索引的随机变量的集合）。我遇到的随机场视图比随机矩阵视图更频繁。

使用随机场方法时，您可以将每个像素视为 iid ；或者您可以通过使用马尔可夫随机场模型来引入像素值之间的依赖关系。这些不是唯一的选择 - 您可以很好地考虑一个两层模型，其中一个第一个随机过程为图像的每个像素分配一个区域索引，然后每个像素的值是从由该区域索引的分布中提取的ID！没有一种方法比另一种方法“更好”。模型越复杂，它生成的图像就越“可信”，但计算可能变得越棘手。在使用这种统计方法时，通常有助于从所选分布/随机过程中绘制一些样本图像，并查看它们以很好地掌握您在模型中构建的假设类型。