在我的理解里，要实现打算机视觉必须有图像处理的帮助，而图像处理倚仗与模式识别的有效利用，而模式识别是人工智能领域的一个主要分支，人工智能与机器学习密不可分。
纵不雅观统统关系，创造打算机视觉的运用做事于机器学习。
各个环节缺一不可，相辅相成。

打算机视觉（computervision）：用打算机来仿照人的视觉机理获取和处理信息的能力。
便是指用摄影机和电脑代替人眼对目标进行识别、跟踪和丈量等机器视觉，并进一步做图形处理，用电脑处理成为更适宜人眼不雅观察或传送给仪器检测的图像。

打算机视觉研究干系的理论和技能，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。
打算机视觉的寻衅是要为打算机和机器人开拓具有与人类水平相称的视觉能力。

机器视觉须要图象旗子暗记，纹理和颜色建模，几何处理和推理，以及物体建模。
一个有能力的视觉系统该当把所有这些处理都紧密地集成在一起。

图像处理（imageprocessing）：用打算机对图像进行剖析，以达到所需结果的技能。
又称影像处理。

图像处理一样平常指数字图像处理。
数字图像是指用数字摄像机、扫描仪等设备经由采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。

图像处理技能的紧张内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。

常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像剖析等。

模式识别(PatternRecognition)是指对表征事物或征象的各种形式的(数值的、笔墨的和逻辑关系的)信息进行处理和剖析，以对事物或征象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的主要组成部分。

模式识别又常称作模式分类，从处理问题的性子和解决问题的方法等角度，模式识别分为有监督的分类（SupervisedClassification）和无监督的分类(UnsupervisedClassification)两种。
模式还可分成抽象的和详细的两种形式。
前者快意识、思想、议论等，属于观点识别研究的范畴，是人工智能的另一研究分支。
我们所指的模式识别紧张是对语音波形、地震波、心电图、脑电图、图片、照片、笔墨、符号、生物传感器等工具的详细模式进行辨识和分类。

模式识别研究紧张集中在两方面：

一是研究生物体(包括人)是如何感知工具的，属于认识科学的范畴；

二是在给定的任务下,如何用打算机实现模式识别的理论和方法。

运用打算机对一组事宜或过程进行辨识和分类，所识别的事宜或过程可以是笔墨、声音、图像等详细工具，也可以是状态、程度等抽象工具。
这些工具与数字形式的信息相差异，称为模式信息。

模式识别与统计学、生理学、措辞学、打算机科学、生物学、掌握论等都有关系。
它与人工智能、图像处理的研究有交叉关系。

机器学习(MachineLearning)是研究打算机若何仿照或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识构造使之不断改进自身的性能。
它是人工智能的核心，是使打算机具有智能的根本路子，其运用遍及人工智能的各个领域，它紧张利用归纳、综合而不是演绎。

机器学习在人工智能的研究中具有十分主要的地位。
一个不具有学习能力的智能系统难以称得上是一个真正的智能系统，但是以往的智能系统都普遍短缺学习的能力。
随着人工智能的深入发展，这些局限性表现得愈加突出。
正是在这种环境下，机器学习逐渐成为人工智能研究的核心之一。
它的运用已遍及人工智能的各个分支，如专家系统、自动推理、自然措辞理解、模式识别、打算机视觉、智能机器人等领域。

机器学习的研究是根据生理学、认知科学等对人类学习机理的理解，建立人类学习过程的打算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的剖析，建立面向任务的具有特定运用的学习系统。
这些研究目标相互影响相互促进。

人类研究打算机的目的，是为了提高社会生产力水平，提高生活质量，把人从单调繁芜乃至危险的事情中补救出来。
本日的打算机在打算速率上已经远远超过了人，然而在很多方面，特殊是在人类智能活动有关的方面例如在视觉功能、听觉功能、嗅觉功能、自然措辞理解能力功能等等方面，还不如人。

这种现状无法知足一些高等运用的哀求。
例如，我们希望打算机能够及早地创造路上的可疑情形并提醒汽车驾驶员以避免发生事件，我们更希望打算性能帮助我们进行自动驾驶，目前的技能还不敷以知足诸如此类高等运用的哀求，还须要更多的人工智能研究成果和系统实现的履历。

什么是人工智能呢？

人工智能，是由人类设计并在打算机环境下实现的仿照或再现某些人智能行为的技能。
一样平常认为，人类智能活动可以分为两类：感知行为与思维活动。
仿照感知行为的人工智能研究的一些例子包括语音识别、话者识别等与人类的听觉功能有关的“打算机听觉”，物体三维表现的形状知识、间隔、速率感知等与人类视觉有关的“打算机视觉”，等等。
仿照思维活动的人工智能研究的例子包括符号推理、模糊推理、定理证明等与人类思维有关的“打算机思维”，等等。

从图像处理和模式识别发展起来的打算机视觉研究工具之一是如何利用二维投影图像规复三维景物天下。
打算机视觉利用的理论方法紧张是基于几何、概率和运动学打算与三维重构的视觉打算理论，它的根本包括射影几何学、刚体运动力学、概率论与随机过程、图像处理、人工智能等理论。

打算机视觉要达到的基本目的有以下几个：

(1)根据一幅或多幅二维投影图像打算出不雅观察点到目标物体的间隔；

(2)根据一幅或多幅二维投影图像打算出目标物体的运动参数；

(3)根据一幅或多幅二维投影图像打算出目标物体的表面物理特性；

(4)根据多幅二维投影图像规复出更大空间区域的投影图像。

打算机视觉要达到的终极目的是实现利用打算机对付三维景物天下的理解，即实现人的视觉系统的某些功能。

在打算机视觉领域里，医学图像剖析、光学笔墨识别对模式识别的哀求须要提到一定高度。
又如模式识别中的预处理和特色抽取环节运用图像处理的技能；图像处理中的图像剖析也运用模式识别的技能。
在打算机视觉的大多数实际运用当中，打算机被预设为办理特定的任务，然而基于机器学习的方法正日渐遍及，一旦机器学习的研究进一步发展，未来“泛用型”的电脑视觉运用或容许以成真。

人工智能所研究的一个紧张问题是：如何让系统具备“操持”和“决策能力”？从而使之完成特定的技能动作（例如：移动一个机器人通过某种特定***。
这一问题便与打算机视觉问题息息相关。
在这里，打算机视觉系统作为一个感知器，为决策供应信息。
其余一些研究方向包括模式识别和机器学习（这也从属于人工智能领域，但与打算机视觉有着重要联系），也由此，打算机视觉时常被看作人工智能与打算机科学的一个分支。

机器学习是研究打算机若何仿照或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识构造使之不断改进自身的性能。
它是人工智能的核心，是使打算机具有智能的根本路子，其运用遍及人工智能的各个领域，它紧张利用归纳、综合而不是演译。

为了达到打算机视觉的目的，有两种技能路子可以考虑。

•第一种是仿生学方法，即从剖析人类视觉的过程入手，利用大自然供应给我们的最好参考系——人类视觉系统，建立起视觉过程的打算模型，然后用打算机系统实现之。

•第二种是工程方法，即分开人类视觉系统框框的约束，利用统统可行和实用的技能手段实现视觉功能。
此方法的一样平常做法是，将人类视觉系统作为一个黑盒子对待，实现时只关心对付某种输入，视觉系统将给出何种输出。

这两种方法理论上都是可以利用的，但面临的困难是，人类视觉系统对应某种输入的输出到底是什么，这是无法直接测得的。
而且由于人的智能活动是一个多功能系统综合浸染的结果，纵然是得到了一个输入输出对，也很难肯定它是仅由当前的输入视觉刺激所产生的相应，而不是一个与历史状态综合浸染的结果。

不难明得，打算机视觉的研究具有双重意义。
其一，是为了知足人工智能运用的须要，即用打算机实现人工的视觉系统的须要。
这些成果可以安装在打算机和各种机器上，使打算机和机器人能够具有“看”的能力。
其二，视觉打算模型的研究结果反过来对付我们进一步认识和研究人类视觉系统本身的机理，乃至人脑的机理，也同样具有相称大的参考意义。

觉得有用的朋友，点个关注，给个收藏，便是对我坚持更新，最好的支持