| Eredeti kép | Szegmentált kép | Szegmentálási folyamat | |
| Szegmentálás Markov mező és Gibbs Sampler segitségével |
 |
 |
 |
 |
 |
 |
|
| Szegmentálás aktiv kontúr segitségével (GVF snake) |
 |
 |
 |
 |
 |
 |
Az alkalmazott eljárások sokfélék: Megtaláljuk köztük a digitális szűrők, matematikai morfológia, valószínűség számítás eszközeit használó megoldásokat. A probléma igazi nehézsége azonban abban rejlik, hogy maga a szegmentálási folyamat (mint az emberi látás része) szubjektív és függ a képről meglévő előzetes ismereteinktől is. Mást várunk, másra vagyunk kíváncsiak például egy meteorológiai műholdfelvétel vagy egy megfigyelőrendszer kamerájából érkező kép szegmentálása során. Így tehát a gyakorlati alkalmazás során előtérbe kerülnek azok a megoldások, amelyekben lehetőségünk van ezeknek az előzetes információknak a "kódolására", a képmodellbe történő beépítésére.
Az emberi látásban a bennünket körülvevő objektumok alakjáról meglevő ismereteink visszahatnak a szegmentálás folyamatára. Ilyen magasabbrendű információk felhasználására (mint például a szegmentált régiók alakja, elhelyezkedése) több érdekes energia minimalizáláson alapuló megközelítést találhatunk a szakirodalomban. A kurzus keretében ezekkel a módszerekkel ismerkedunk meg.
| Eredeti kép | Szegmentált kép | Szegmentálási folyamat | |
| Szegmentálás Markov mező és Gibbs Sampler segitségével |
|
|
|
|
|
|
|
|
| Szegmentálás aktiv kontúr segitségével (GVF snake) |
|
|
|
|
|
|
|