計算機視覺屬于什么專業(yè)？計算機視覺是一門研究如何使機器“看”的科學，更進一步的說，就是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳

計算機視覺屬于什么專業(yè)？

計算機視覺是一門研究如何使機器“看”的科學，更進一步的說，就是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。

作為一個科學學科，計算機視覺研究相關(guān)的理論和技術(shù)，試圖建立能夠從圖像或者多維數(shù)據(jù)中獲取‘信息’的人工智能系統(tǒng)

想學計算機視覺，高考志愿選大學的什么專業(yè)？

謝謝邀請，計算機視覺是一個很前沿的學科，隸屬于計算機專業(yè)，但是目前大學本科階段的學習還沒有專門分出來這么一個專業(yè)，如果想學計算機視覺，可以在大學本科階段學習計算機相關(guān)專業(yè)，畢業(yè)后考取計算機視覺研究方向的研究生，再跟導師學習研究，以后還能考取博士。

越往上走，眼界越寬，也許現(xiàn)在你還感覺有些迷茫，等本科階段的學習，對專業(yè)和領域有一定的了解，就知道方向在哪里

希望對你有些許幫助！

機器視覺與計算機視覺的區(qū)別是什么？

計算機視覺與機器視覺，首先是應用場景不一樣

其次，我感覺最大的區(qū)別，在于技術(shù)要求的側(cè)重點不一樣，甚至差別很大。

計算機視覺，主要是對質(zhì)的分析，比如分類識別，這是一個杯子那是一條狗?；蛘咦錾矸荽_認，比如人臉識別，車牌識別?；蛘咦鲂袨榉治?，比如人員入侵，徘徊，遺留物，人群聚集等。

機器視覺，主要側(cè)重對量的分析，比如通過視覺去測量一個零件的直徑，一般來說，對準確度要求很高。當然，也不能完全按質(zhì)或量一刀切，有些計算機視覺應用也需要分析量，比如商場的人數(shù)統(tǒng)計。有些機器視覺也需要分析質(zhì)，比如零件自動分揀。但計算機視覺一般來說對量的要求不會很高，商場人數(shù)統(tǒng)計誤差個百分之幾死不了人的，但機器視覺真的會，比如那個道岔缺口測量。

既然要求這么高，是不是機器視覺就比計算機視覺難呢？

也不是的，應該說各有各的難處。計算機視覺的應用場景相對復雜，要識別的物體類型也多，形狀不規(guī)則，規(guī)律性不強。有些時候甚至很難用客觀量作為識別的依據(jù)，比如識別年齡，性別。所以深度學習比較適合計算機視覺。而且光線，距離，角度等前提條件，往往是動態(tài)的，所以對于準確度要求，一般來說要低一些。機器視覺則剛好相反，場景相對簡單固定，識別的類型少(在同一個應用中)，規(guī)則且有規(guī)律，但對準確度，處理速度要求都比較高。關(guān)于速度，一般機器視覺的分辨率遠高于計算機視覺，而且往往要求實時，所以處理速度很關(guān)鍵，目前基本上不適合采用深度學習。

以上討論的是技術(shù)，商業(yè)方面，計算機視覺的應用面更廣一些，畢竟很多業(yè)務是跟人相關(guān)，比如人臉識別，行為分析等，很多垂直領域都有計算機視覺潛在需求，相對來說，更適合創(chuàng)業(yè)；而機器視覺顧名思義，業(yè)務主要跟機器相關(guān)，而且對準確度甚至安全性要求很高，也就在資質(zhì)品牌方面有較高的門檻，所以寡頭壟斷嚴重，一般來說，更適合上班而不是創(chuàng)業(yè)。

什么是計算機視覺？

機器視覺是最常用的人工智能應用之一，比較好的介紹可以看維基百科。

https://en.wikipedia.org/wiki/Computer_vision

計算機視覺（Computer Vision）就是利用計算機來處理圖像，獲得我們想要的信息。在人工智能領域，計算機視覺的含義則更近一步，不再是簡單的獲取圖像和對圖像進行簡單的處理，如裁剪、縮放、濾波等，而是如何像人一樣理解圖像。這一領域的先驅(qū)可追溯到更早的時候，但是直到20世紀70年代后期，當計算機的性能提高到足以處理諸如圖像這樣的大規(guī)模數(shù)據(jù)時，計算機視覺才得到了正式的關(guān)注和發(fā)展。

比如下面這張圖，在人的眼里，能很容易識別出一個男人、斑馬線、黑色的背包、手機等等，同時還可以理解到這些物體之間的關(guān)系，一個背著黑色背包的男人正打著電話在過斑馬線。甚至還可以進行進一步的推理，如根據(jù)這個男人的著裝，那么他可能是一個喜歡運動的人。

但是在計算機的眼里則是從0到255的數(shù)字（像素的范圍），對于彩色圖像，還有三個通道。那么我們?nèi)绾巫寵C器也能同人一樣能夠識別和理解蘊含在圖中語義信息，這就是計算機視覺要做的事情。

計算機視覺的目前主要包括：最基礎的如物體的檢測和識別，在此基礎上的動作姿態(tài)識別，物體跟蹤，圖像修復和增強等。

更進一步的則是圖像理解的研究。比如下面這張圖，首先需要識別出來圖中存在的所有的物體，給他們標簽。比如左圖中，識別出來大象（elephant）、河流（river）等等，甚至包括描述性的信息如臟（dirty）、躺（laying），站立（standing）等。再對這些標簽進行語義上的重組，構(gòu)成一句話。而該圖中仍然存在不少問題，如識別出了圖中不存在的物體如馬、人等。結(jié)果導致輸出的句子（黑色）同真實句子（藍色）存在較大的差異。

什么是計算機視覺？

”計算機視覺“，是指用計算機實現(xiàn)人的視覺功能，對客觀世界的三維場景的感知、識別和理解。計算機視覺是一個處于指示前沿的領域。我們認為計算機視覺，或簡稱為“視覺”，是一項事業(yè)，它與研究人類或動物的視覺是不同的。它借助于幾何、物理和學習技術(shù)來構(gòu)筑模型，從而用統(tǒng)計的方法來處理數(shù)據(jù)。因此從我們的角度看，在透徹理解攝像機性能與物理成像過程的基礎上，視覺對每個像素進行簡單的推理，將在多幅圖像中可能得到的信息綜合成和諧的整體，確定像素集之間的聯(lián)系以便將它們彼此分割開，或推斷一些形狀信息，使用幾何信息或概率統(tǒng)計技術(shù)來識別物體。

”機器視覺“，即采用機器代替人眼來做測量和判斷。機器視覺系統(tǒng)是指通過機器視覺產(chǎn)品（即圖像攝取裝置，分cmos和ccd兩種）把圖像抓取到，然后將該圖像傳送至處理單元，通過數(shù)字化處理，根據(jù)像素分布和亮度、顏色等信息，來進行尺寸、形狀、顏色等的判別。進而根據(jù)判別的結(jié)果來控制現(xiàn)場的設備動作。目前廣泛應用于食品和飲料、化妝品、建材和化工、金屬加工、電子制造、包裝、汽車制造等行業(yè)。

機器視覺是個相對較新的技術(shù)，它為制造工業(yè)在提高產(chǎn)品質(zhì)量、提高生產(chǎn)效率和操作安全性上提供了許多技術(shù)。在其他相關(guān)技術(shù)中，機器視覺包括圖像數(shù)字化、圖像操作和圖像分析，通常使用計算機來完成，所以說它是一門覆蓋圖像處理和計算機視覺的專業(yè)。然而，我們又強調(diào)過機器視覺、計算機視覺和圖像處理不是同義的。它們其中之一都不是任何其他兩個的子集。計算機視覺是計算機科學的一個分支，而機器視覺是系統(tǒng)工程一個特殊領域。機器視覺沒有說明要使用計算機，但是在獲取高速處理速度上經(jīng)常會使用特殊的圖像處理硬件，這個速度是普通計算機所不能達到的。

機器視覺是計算機視覺在工廠自動化的一個應用。正如監(jiān)視員在一個裝配線上工作，可視地監(jiān)視物件并判斷其質(zhì)量，因此機器視覺系統(tǒng)使用照相機和圖像處理軟件來完成類似的監(jiān)視。一個機器視覺系統(tǒng)是一個在基于數(shù)字圖像分析上作決定的計算機。

綜上所述，其實機器視覺和計算機視覺并沒有很清晰的界限，而是緊密的聯(lián)系在一起，它們有著相同的理論，只是在實際應用中有所不同，計算機視覺與機器視覺都是要從圖像或圖像序列中獲取對世。

計算機視覺和計算機圖形學哪個更難？

我個人認為這兩個方向無所謂誰難誰易。如果說圖形學是在模擬大自然，那么視覺就是在模擬人，人是如何理解大自然是個謎，大自然自己如何理解自己也是個謎。

流體模擬中不可壓縮性解方程很數(shù)學很優(yōu)雅，要知道計算機視覺中也不只是簡單 CNN堆疊，傳統(tǒng)圖像算法中求光流提邊緣同樣是很硬核很有意思的事，在這個領域其實還有大量暫時無法落地的研究方向等著大家去啃。況且就算你做圖形學，也沒人攔著你想到視覺 idea 時候做一做視覺，反之亦然，現(xiàn)在計算機圖形學和計算機視覺各個研究領域都在強調(diào)跨學科的啟發(fā)，我覺得這點很重要，別在一棵樹上吊死，說我是圖形學人就一點視覺都不允許自己做。這一點經(jīng)常出現(xiàn)在圖形學研究者身上，我覺得圖形學社區(qū)的維護也需要大家轉(zhuǎn)變思想，多合作多學習多開源。