เปรียบเทียบวิธี

	การดำเนินการเชิงสัณฐานของภาพ	การตรวจจับก้อน	การวิเคราะห์เส้นชั้น (Contour Analysis)	การปรับฮิสโทแกรมให้เท่ากัน
สาขาวิชา	การมองเห็นของคอมพิวเตอร์	การมองเห็นของคอมพิวเตอร์	การมองเห็นของคอมพิวเตอร์	การมองเห็นของคอมพิวเตอร์
ตระกูล	Machine learning	Machine learning	Machine learning	Machine learning
ปีกำเนิด	1982	1998	1985	1970s
ผู้ริเริ่ม	Jean Serra	Tony Lindeberg	Satoshi Suzuki and Keiichi Abe	Signal processing community
ประเภท	Set theory and topological image processing	Multi-scale feature detection	Shape and contour analysis	Contrast enhancement and preprocessing
แหล่งต้นตำรับ	Serra, J. (1982). Image Analysis and Mathematical Morphology. Academic Press.	Lindeberg, T. (1998). Feature detection with automatic scale selection. International Journal of Computer Vision, 30(2), 79–116.	Suzuki, S., & Abe, K. (1985). Topological structural analysis of digitized binary images by border following. Computer Vision, Graphics, and Image Processing, 30(1), 32–46.	Gonzalez, R. C., & Woods, R. E. (1992). Digital Image Processing. Addison-Wesley, 2nd edition, Chapter 3.
ชื่อเรียกอื่น	Mathematical morphology, Morphological filtering	Connected component analysis, Region-based detection	Edge-based contours, Boundary analysis	Histogram stretching, Contrast enhancement
ที่เกี่ยวข้อง	5	5	5	5
สรุป	Morphological image processing, introduced by Jean Serra in 1982, is a technique based on set theory that reshapes and analyzes image regions using geometric structuring elements. Core operations include erosion and dilation, which can be combined into more complex operations like opening and closing, enabling noise removal, edge detection, and object analysis.	Blob detection is a technique for identifying regions of interest (blobs)—connected, homogeneous areas that differ from their surroundings—at multiple scales. Introduced by Lindeberg in the context of scale-space theory, blob detection automatically finds and characterizes circular or elliptical objects without requiring a priori knowledge of their size.	Contour analysis is the process of detecting and analyzing the boundaries of objects in images by identifying connected edges and extracting shape information. The Suzuki-Abe algorithm provides an efficient method for finding contours in binary images, enabling shape-based object classification and segmentation.	Histogram equalization is an image preprocessing technique that redistributes pixel intensities to improve contrast and visibility of details. By spreading the histogram of pixel values evenly across the available range, histogram equalization enhances images with poor contrast, making features more visually distinct and easier to process algorithmically.