Ключевым моментом здесь является то, что для определения представление подходит для задачи под рукой, мы должны знать, по каким критериям метод сегментации должны решить, какие пиксели принадлежат вместе, а какие нет. После того, как мы решили, какой метод кластера подходит для нашего приложения, сегментация по кластеризации может быть очень полезным для некоторых приложений, которые могут использовать кластеризацию, а также подведение итогов видео, или найти части машины, найти людей, в мага, находя здания в спутниковых изображений: это сделано глядя на коллекции краевых точек, которые могут быть собраны в сегменте линии, а затем монтаж линии в полигоны.
Это трудно понять, что не может быть всеобъемлющей теории сегментации, не в последнюю очередь то, что интересно, а что нет, зависит от приложения, нет всеобъемлющей теории сегментации на момент написания. Так кластеризации определен выше, в дополнение кластеризации является процесс, при котором набор данных заменяется кластера, естественно думать о сегментации кластеризацию, другой смысл: пикселы могут быть вместе, потому что они имеют тот же цвет, тот же текстуру, они рядом, и так далее.
Некоторые из методов кластеризации, а также: кластеризация по K-средства, сегментации по графе теоретико кластеризации
.