Der hier verwendete ECU-Algorithmus (Energy Cluster Update) basiert auf dem Potts-Modell, der eine Erweiterung des Ising-Modells darstellt. Dieses kann verwendet werden um Spins in einem Festkörper zu simulieren und damit Phänomene wie Magnetismus anschaulich zu untersuchen. Man beobachtet, dass sich im Spingitter größere Bereiche mit demselben Spinwert ausbilden, da dies energetisch günstiger ist. Man kann sich vorstellen, dass benachbarte Spins mit unterschiedlichen Werten eine höhere potentielle Energie besitzen als mit gleichen Werten. Im homogenen Fall ist dabei die jeweilige Stärke der Wechselwirkung bei allen Spins gleich, im inhomogenen hängt sie vom Ort im Gitter ab. Spins in der Natur können nur zwei diskrete Werte annehmen (im Ising-Modell +/-1). Das Potts-Modell ist nun eine Verallgemeinerung und erlaubt q verschiedene (aber immernoch diskrete) Werte.

Um dies für die Bildsegmentierung zu verwenden, wird jedem Pixel zufällig ein Spinwert zugewiesen. Wie stark ein Spin (Pixel) mit seinem Nachbarn "wechselwirkt", hängt von ihrem Farbunterschied ab (inhomogener Fall also), wobei ein großer Unterschied zu einer schwachen Wechselwirkung führt und umgekehrt. Während der Durchläufe des ECU-Algorithmus wird die günstigste Konfiguration ermittelt. Wie im Festkörper bilden sich Bereiche (Cluster) mit demselben Spinwert aus, die zusammengehörigen Bildbereichen (Segmenten) entsprechen. Der Spinwert selbst stellt dabei nur die Nummerierung (Label) des Segments dar.

Der Vorteil dieses Algorithmus ist, dass nicht nur Pixel für Pixel, sondern ganze Bildbereiche aktualisiert werden und das Verfahren damit relativ schnell ist. Die Qualität des Ergebnisses hängt von den Parametern des Systems ab, beispielsweise der Temperatur, die natürlich bei der Bildverarbeitung keine direkte Anschauung mehr hat.