เปรียบเทียบวิธี

	การแบ่งส่วนโดยใช้วอเตอร์เชด	การตรวจจับขอบแบบ Canny	การวิเคราะห์เส้นชั้น (Contour Analysis)	การปรับฮิสโทแกรมให้เท่ากัน
สาขาวิชา	การมองเห็นของคอมพิวเตอร์	การมองเห็นของคอมพิวเตอร์	การมองเห็นของคอมพิวเตอร์	การมองเห็นของคอมพิวเตอร์
ตระกูล	Machine learning	Machine learning	Machine learning	Machine learning
ปีกำเนิด	1979	1986	1985	1970s
ผู้ริเริ่ม	Serge Beucher and Christian Lantuéjoul	John Canny	Satoshi Suzuki and Keiichi Abe	Signal processing community
ประเภท	Morphological image segmentation	Image gradient analysis	Shape and contour analysis	Contrast enhancement and preprocessing
แหล่งต้นตำรับ	Meyer, F. (1994). Topographic distance and watershed lines. Signal Processing, 38(1), 113–125.	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	Watershed transform, Water shedding segmentation	Canny operator, Canny edge detector	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.	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.