mean shift算法的个人理解，请大家指教

最近看了下mean shift算法，以下图为例直观地说下对这种优雅的算法的理解吧，并且大家指教。
下图是一些散步的数据点，由于mean shift是一种robust算法（公式见图2）。所以，在图1中初始窗口的位置对最终的结果并没有影响。
step1: 选择任意一个窗口，窗口中心是红色点所在位置，窗口大小自己设定。
step2: 根据落入窗口里的数据点来计算mean shift公式的前部分，这里其值设为y(i + 1)。
step3: y(i + 1)与窗口中心y(i)相比较，并设定一个阈值T（T值很小），如果|y(i + 1) - y(i)| > T，则更新窗口中心（y(i) = y(i + 1)）。返回step2,否则进入step4.
step4: 结束循环。
实际在聚类的过程中，我可以把收敛到同一点的这些都标记相同的值（收敛到不同的点具有不同的标记），那么最终我就能得到一个聚类的图像。
这也就是在图像分割中mean shift算法的原理，我是这样理解的。
如果有不对劲的地方，或者原理的错误的地方，请大家一起毫不留情地指出啊！！！:tuzi9:
、