Одним из естественных вид сегментации является то, что мы пытаемся определить, какие компоненты установлены, естественно, данных принадлежат друг другу. Эта проблема известна как кластеризации. Мы можем сгруппировать по двум направлениям: -Partitioning: здесь мы имеем большой набор данных, и кривая его в соответствии с понятием ассоциации между элементами внутри набора. Мы хотели бы, чтобы разложить его на куски, которые хорошо соответствии с нашей моделью. Например, мы можем разложить изображение в регионах, которые имеют последовательную цвет и текстуру.
-Grouping: В этой части у нас есть различные элементы данных, и мы хотели бы, чтобы собрать наборы элементов данных, которые имеют смысл вместе. 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
.