Un punto de vista natural de la segmentación es que estamos tratando de determinar qué componentes del conjunto natural de datos van de la mano. Este es un problema conocido como agrupamiento. Podemos agrupar en dos formas: -Partitioning: aquí tenemos un gran conjunto de datos, y la curva hacia arriba según la noción de la asociación entre elementos dentro del conjunto. Nos gustaría a descomponerse en trozos que son buenas de acuerdo a nuestro modelo. Por ejemplo, podemos descomponer una imagen en regiones que tienen color y textura coherente.
-Grouping: En esta parte tenemos elementos de datos distintas, y nos gustaría recoger conjuntos de elementos de datos que tienen sentido juntos. La clave aquí es determinar qué representación es adecuada para el problema en cuestión, lo que necesitamos saber por qué criterios un método de segmentación debe decidir qué píxeles van de la mano y que no lo hacen.
Una vez que decidimos qué método clúster adecuado para nuestra aplicación, la segmentación por la agrupación podría ser muy útil para algunas aplicaciones que pueden utilizar la agrupación, así como un resumen de vídeo, o la búsqueda de piezas de la máquina, la búsqueda de personas en mago, la búsqueda de los edificios en las imágenes de satélite: estos hecho mediante la búsqueda de colecciones de puntos de borde que se pueden montar en el segmento de línea y luego el montaje de la línea en polígonos.
Es difícil ver que podría haber una teoría comprensiva de la segmentación, no menos importante de lo que es interesante y qué no lo es depende de la aplicación, no existe una teoría comprensiva de la segmentación en el momento de la escritura. Desde la agrupación se ha definido anteriormente, en la agrupación Además es un proceso por el que un conjunto de datos se sustituye por clúster, es natural pensar en la segmentación como clustering, otro significado: píxeles pueden pertenecer juntos porque tienen el mismo color, la misma textura,