W połowie lat sześćdziesiątych okazało się, że nawet zaawansowane metody matematyczne, przedstawione w poprzednich rozdziałach, są w pewnych przypadkach mało skuteczne. Szczególnie dotyczyło to sytuacji, w których rozważane obrazy były bardzo złożone, lub liczba klas była bardzo duża, co z kolei powodowało znaczne zwiększenie się wymiaru przestrzeni cech użytych do opisu wzorców. Klasycznym przykładem takiego problemu jest identyfikacja odcisków palców (rys. 9.1). Odpowiedzią na pojawienie się tego rodzaju problemów było powstanie syntaktycznego podejścia do rozpoznawania obrazów wykorzystującego metody lingwistyki matematycznej.
Przy podejściu syntaktycznym, złożony obraz jest dzielony na prostsze podobrazy, które próbuje się rozpoznawać metodami całościowymi, traktując je jako niezależne. W przypadku, gdy podobrazy te nadal charakteryzują się dużą złożonością, operacja podziału jest kontynuowana tak długo, aż otrzymamy składowe pierwotne obrazu (ang. picture primitives). Składowe pierwotne obrazu są takimi niepodzielnymi elementami obrazu, o których zakładamy, że istnieją i, co więcej, zakładamy, że dla danej klasy obrazów potrafimy je a prori zdefiniować, Opisany sposób postępowania przedstawiono graficznie na rysunku 9.2.
Jak więc widać, w przypadku metod syntaktycznych, przed przystąpieniem do właściwego rozpoznawania należy wyodrębnić składowe pierwotne oraz relacje, jakie zachodzą między nimi. Najczęściej spotykanym sposobem wyodrębniania składowych pierwotnych jest segmentacja obrazu, np. metodami wykrywania krawędzi za pomocą operatorów gradientowych lub operatorów dopasowania wzorców. Omówienie tych (oraz innych) metod wyodrębniania (rozpoznawania) składowych pierwotnych, Czytelnik może