เปรียบเทียบวิธี

	การดำเนินการเชิงสัณฐานของภาพ	การตรวจจับขอบแบบ Canny	การวิเคราะห์เส้นชั้น (Contour Analysis)	การปรับฮิสโทแกรมให้เท่ากัน
สาขาวิชา	การมองเห็นของคอมพิวเตอร์	การมองเห็นของคอมพิวเตอร์	การมองเห็นของคอมพิวเตอร์	การมองเห็นของคอมพิวเตอร์
ตระกูล	Machine learning	Machine learning	Machine learning	Machine learning
ปีกำเนิด	1982	1986	1985	1970s
ผู้ริเริ่ม	Jean Serra	John Canny	Satoshi Suzuki and Keiichi Abe	Signal processing community
ประเภท	Set theory and topological image processing	Image gradient analysis	Shape and contour analysis	Contrast enhancement and preprocessing
แหล่งต้นตำรับ	Serra, J. (1982). Image Analysis and Mathematical Morphology. Academic Press.	Canny, J. (1986). A computational approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 8(6), 679–698.	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	Canny operator, Canny edge detector	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.	The Canny edge detector, introduced by John Canny in 1986, is a multi-stage algorithm for identifying edges in digital images where significant intensity changes occur. Canny's method is optimal for step edges in additive Gaussian noise and remains the gold standard for edge detection in computer vision due to its mathematical elegance and practical effectiveness.	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.