เปรียบเทียบวิธี

	การแบ่งส่วนโดยใช้วอเตอร์เชด	การตรวจจับก้อน	การวิเคราะห์เส้นชั้น (Contour Analysis)	การปรับฮิสโทแกรมให้เท่ากัน
สาขาวิชา	การมองเห็นของคอมพิวเตอร์	การมองเห็นของคอมพิวเตอร์	การมองเห็นของคอมพิวเตอร์	การมองเห็นของคอมพิวเตอร์
ตระกูล	Machine learning	Machine learning	Machine learning	Machine learning
ปีกำเนิด	1979	1998	1985	1970s
ผู้ริเริ่ม	Serge Beucher and Christian Lantuéjoul	Tony Lindeberg	Satoshi Suzuki and Keiichi Abe	Signal processing community
ประเภท	Morphological image segmentation	Multi-scale feature detection	Shape and contour analysis	Contrast enhancement and preprocessing
แหล่งต้นตำรับ	Meyer, F. (1994). Topographic distance and watershed lines. Signal Processing, 38(1), 113–125.	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	Watershed transform, Water shedding segmentation	Connected component analysis, Region-based detection	Edge-based contours, Boundary analysis	Histogram stretching, Contrast enhancement
ที่เกี่ยวข้อง	5	5	5	5
สรุป	Watershed segmentation is a morphological image processing technique that automatically segments an image into distinct regions by treating image intensity as a topographic landscape where each object corresponds to a valley. Introduced by Beucher and Lantuéjoul in 1979 and refined by Meyer, the watershed algorithm is particularly effective for separating touching or overlapping objects.	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.