Segmentierung bezeichnet die Aufteilung eines Bildes oder Volumendatensatzes in bedeutungstragende Bereiche (Segmente), etwa Körner, Phasen, Poren oder Einschlüsse. In der Werkstofftechnik ist sie ein zentraler Schritt der quantitativen Gefügecharakterisierung, da nahezu alle automatisierten Auswertungen – etwa Korngrößenverteilungen, Phasenanteile oder Porositäten – auf segmentierten Daten beruhen.

Grundlegend wird zwischen semantischer Segmentierung und Instanzen-Segmentierung unterschieden. Bei der semantischen Segmentierung werden alle Pixel einer Klasse (z.B. „Ferrit“, „Austenit“, „Poren“) gemeinsam markiert, ohne unterschiedliche Objekte derselben Klasse zu trennen. Instanzen-Segmentierung zielt dagegen auf die Identifikation einzelner Objekte, z.B. separater Körner oder Partikel, und ist daher für Gefüge- und Korngrößenanalysen essenziell.

Methodisch reichen Segmentierungsverfahren von klassischen Schwellenwert- und Region-Growing-Algorithmen über kantenbasierte Verfahren bis hin zu modellbasierten und probabilistischen Ansätzen. Deep-Learning-Segmentierung (z.B. U-Net-Architekturen) hat sich insbesondere für komplexe, verrauschte oder mehrphasige Gefüge durchgesetzt, da sie textur- und kontextbasierte Merkmale erfasst und so robuste Phasensegmentierungen erlaubt.

Die Qualität der Segmentierung bestimmt direkt die Genauigkeit abgeleiteter Werkstoffkennwerte. Wichtige Aspekte sind daher Bildqualität, geeignete Vorverarbeitung (Rauschunterdrückung, Kontrastanhebung), Domänenwissen bei der Klassen-Definition sowie die Validierung gegen manuelle Referenzannotationen. Segmentierung bildet damit die Brücke zwischen bildgebenden Verfahren und quantitativer mikrostruktureller Werkstoffbeschreibung.