Проблема сегментации изображений одна из ведущих в области создания технического зрения роботов. Сегментация изображения - это разделение изображения на области по зрительным признакам. Эти признаки заданы в алгоритме. Существуют два основных класса сегментации.

	Классы сегментации изображения
Выявление внутренних точек областей однородности		Выделение границ областей с последующим их прослеживанием		Предположительно существуют ещё какие-то малоизвестные классы сегментации

Один из классов сегментации определяет внутренние точки областей однородности. Это, как правило, основано на пороговом срезе матрицы значений растра. Это могут быть значения яркости, цвета или текстурной характеристики (например, зернистости). Точке присваивается статус принадлежности к определённой области в зависимости от попадания значения в один из двух или более диапазонов между заданными пороговыми значениями. Можно привести простой пример из распознавания ширины штриха штрихкода или распознавания текста, когда определяется форма буквы одного цвета на фоновом изображении другого цвета.

Второй класс сегментации основан на выделении границ областей и последующем их прослеживании. Он более сложен, но при этом более универсален.

Чтобы решить задачу определения контура на изображении в градациях серого (т. е. имея дело с различной яркостью чёрно-белого изображения), нужно
определить перепады яркости, а затем выбрать из них наиболее существенные для вероятной границы и проследить контур.

Рассмотрим решения задачи выделения контура. На одномерном изображении, в котором точки растра расположены на одинаковом расстоянии друг от друга (как обычно и делается, когда x_i – x_i–1 = const), контур обнаруживается по наиболее существенным перепадам яркости. Величина перепада — это разность яркости между соседними точками.

ΔI = I(x_i) – I(x_i–1)

При вычислении конечной разности между значениями в соседних точках наибольшее значение конечной разности по абсолютной величине |ΔI| будет наибольшим перепадом яркости и наиболее отчётливой границей между областями. Это очевидно, но для наглядности на рис. 1 представлен пример (как часто на практике, с небольшим зашумлением):

Рис. 1. — Яркостный перепад на одномерном изображении