1樓：極視角科技
關於影象處理和計算機視覺的劃分並沒有乙個統一的標準，它們之間存在很多重疊，但又有一些不同，來說說它們的區別吧。
影象處理是對輸入的影象做某種變換，輸出仍然是影象，基本不涉及或者很少涉及影象內容的分析。比較典型的有影象變換，影象增強，影象去噪，影象壓縮，影象恢復，二值影象處理等等。基於閾值的影象分割也屬於影象處理的範疇。
它一般處理的是單幅影象。
而計算機視覺是對影象的內容進行分析，提取出有意義的特徵，再對得到的特徵進行分析，提取場景的語義表示，從而讓計算機具有人眼和人腦的能力。它處理的是多幅影象或者序列影象，當然也包括部分單幅影象。
2樓：
時隔一年又半載，現在已經不糾結這個問題了。
算起來在計算機視覺領域已經有幾個年頭了，從大三開始接觸點雲（point cloud），用於環境建模。到大四畢設時使用Kinect提取人體骨架，做人體活動識別，接觸時間序列匹配方面的演算法。在到研究生階段，一開始跟著師兄做顯著性檢測（saliency），接觸到一些優化方面的演算法。
之後做影象中物體的識別，檢測，接觸深度學習中的一些演算法。漸漸明白了計算機視覺這個領域涉及的東西非常寬泛，樓上提到的機器學習，模式識別，其實與這個領域的聯絡都非常緊密（這裡就不一一枚舉演算法）。
我覺得計算機視覺這個領域，還是以任務為驅動的，在學習的過程中，最主要的是要學習到解決問題的方法，包括解決這個問題常用的演算法（經典演算法），解決這個問題最新的演算法（常常會發表在頂級會議上，如cvpr,iccv,eccv等），隨著學習的深入自然而然的會對一些概念（機器學習，模式識別，影象處理）有理解（是理解，而不是刻板的，或者死記硬背的對一些知識進行分門別類）。
3樓：xwang
1 計算機視覺更關注於影象中的高層語義，可以認為是影象理解。影象處理關注於影象中的低層資訊，不涉及理解。我認為這是最主要的。
2 另外，計算機視覺中還包括三維重建等不包含在影象處理中的內容。
3 如今計算機視覺跟機器學習，模式識別，深度學習等緊密相關，影象處理可以是計算機視覺的乙個小的部分。
計算機視覺和影象處理方向前景如何？
1 遊戲行業。2 軍工行業。3 安防行業。4 銷售行業。5 開公司。6 頂級公司的研究院 7 出國就業 本人學渣，戰力五，遊戲行業。軍工行業。安防行業。均混過。作為乙個能說會道自帶喜感的學渣。當年的最大錯誤選擇 自己未果斷放棄所謂技術，進入第四個行業。開啟上帝模式。人總是後悔的。自帶學術戰力的一定要...
計算機視覺和語音識別
Reginald Lu 瀉藥。感覺剛開始的時候學習語音識別，還是很辛苦的，本科是通訊。就業應該沒啥問題，我們學長或是很多招聘，對於語音識別還是需求很大的，工資待遇的也是相當不錯。語音識別?cl false fromSearch true labelWords suginput gj xl jd hy...
學習計算機視覺前，要不要學習機器學習和影象處理？
哈哈哈 如果有影象處理的基礎知識，有利於設計出效能更優的演算法。例如 深度學習 非區域性均值降噪，就得到了非區域性神經網路 Non local Neural Networks 1 非區域性神經網路 殘差網路 軟閾值化，就得到了更適合含噪資料的深度殘差收縮網路 Deep Residual Shrink...