Kuvien segmentointi on digitaalinen menetelmä, joka luo useita kerroksia ja fragmentteja kuvista yksinkertaisesta kuvasta tai kuvasta. Tämä tekniikka auttaa suuresti tietokoneita ja koneita erottamaan yhden kohteen toisistaan skannatessaan yksiulotteista kuvaa. Esimerkiksi kuvassa, jossa apina tarttuu puuhaaraan, kuvan segmentointi auttaa tunnistamaan ja erottamaan apinan oksasta, mikä helpottaa kuvankäsittelyä ja tunnistamista.
Yleensä kuvan segmentointi antaa arvon jokaiselle pikselille, jotka ovat pieniä osia, jotka muodostavat kuvan. Nämä pikselit ryhmitellään sitten samankaltaisuutensa mukaan esimerkiksi väreillä, kylläisyydellä ja toistensa läheisyydellä. Tällä tavalla kuva hajotetaan sitten eri osiin, joiden kanssa teknikot ja digitaaliset toimittajat voivat työskennellä ilman, että heidän tarvitsee muuttaa koko kuvaa, vain valittua osaa. Monet ohjelmat ja ohjelmistot tunnistavat eri fragmentit korostamalla objektin valittaessa. Joillakin ohjelmilla on jopa kyky eristää objekti ja sitten edelleen eristää objektin jokainen osa.
Kuvien segmentoinnissa on neljä yleisesti käytettyä menetelmää, joista yksinkertaisin on kynnystekniikka. Kynnysarvo on yleensä harmaasävyisille ja mustavalkoisille kuville, jolloin prosessi määrittää pikseleille vain kaksi mahdollista arvoa. Taustakuviksi tunnistetuille kuvapisteille annetaan arvo “0”, kun taas objektipikseleille annetaan arvo “1”. Värillinen kuva muuttuu mustavalkoiseksi, kun se rajataan kynnystekniikalla.
Toinen kuvan segmentointimenetelmä on reunapohjainen tekniikka. Tämä lähestymistapa eristää kuvat erottamalla kunkin kohteen ääriviivat ja erottamalla ne taustasta. Tämä tekniikka voi olla erittäin tehokas kuvissa, joissa on teräviä kontrasteja, mutta se ei ole yhtä hyödyllinen epäselvissä kuvissa ja rikkoutuneissa ääriviivoissa. Toisaalta aluepohjainen tekniikka ei ainoastaan eristä jokaista kohdetta, vaan myös eristää kunkin kohteen kaikki alueet niiden ominaisuuksien mukaan. Monet digitaalista taidetta käyttävät taiteilijat käyttävät tätä menetelmää usein tarkempaan, mutta usein huolelliseen luomiseen.
Viimeisin lähestymistapa kuvien segmentointiin on aktiivinen ääriviivamalli. Tämä tekniikka käyttää kaarevia viivoja, joita kutsutaan “käärmeiksi”, jotta esineen ääriviivat ovat ilmeiset. Tämä on tehokkaampaa epäsäännöllisten muotojen ja ääriviivojen kuvissa, koska käärmeet kykenevät mukautumaan automaattisesti kohteen muotoon. Sitä käytetään myös meluisiin ja rakeisiin kuviin, jotka vaikuttavat ensisijaisen kohteen elävyyteen ja väriin.