影像分割目的
- 把屬於同一群的像素集合在一起
- 將想要做進一步分析的物件與背景分割出來，概念跟框選 ROI 相似，但是更精細的 ROI，把非物件的不相干雜訊濾除
視覺上分群的範例
依照格式塔原則進行分類，以 Gestalt 為名的完形心理學，概念#是人類對於任何視覺圖像的認知，是一種經過知覺系統組織後的形態與輪廓，而並非所有各自獨立部份的集合。
其中格式塔原則的一些特點：
- Similarity 相似性
- Symmetry 對稱性
- Common Fate 共同命運，同群在影像中表現出相同的移動方向性、趨勢
- Proximity 相近性，物體距離相近時視為一群
clustering method
分群的概念是把一組資料依照距離或相似程度分成不同的群集
分群法是一種非監督式分群方法
相似度比對
常見的相似度比對方法有：
- Euclidean distance
- Cosine similarity
歐式距離：
餘弦相似性，概念是比對兩向量的夾角角度：
分群演算法理想特性
- 可擴縮性（Scalability）
- 可以處理不同的資料型態
- 簡單的參數調整與設定
- 可說明性，呈現的結果是可解釋的
- 約束性，演算法可由使用者預先設定的限制下動作
Agglomerative clustering
- 將每個資料點都視為一獨立的群
- 找出最相近的群集點對
- 將點對合併成一群
- 重複上述步驟直到合併結束
定義群集之間的相似性
- 點到點之間的平均距離
- 最小點距離
- 最大點距離
優缺點
- 好實現且應用廣泛
- 集群具有自適應形狀
- 提供階層式的集群
- 不需預設群數
- 可能會出現不均勻的群集結果
- 還是需要定義群集相似度閾值
- 時間複雜度 $O(n^3)$
- 可能陷入局部最佳解