机器视觉与计算机视觉的区别
A. 图像处理和计算机视觉的区别
1、程度不来同
图像处理，用计算机源对图像进行分析，以达到所需结果的技术。
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
2、内容不同
图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。
计算机视觉技术包括图像获取、预处理、特征提取、检测分割、高级处理。
3、应用程度不同
图像处理应用于：摄影及印刷、卫星图像处理、医学图像处理、面孔识别，特征识别、显微图像处理、汽车障碍识别
计算机视觉应用于：视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分。由于它的重要性，一些先进国家，例如美国把对计算机视觉的研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题，即所谓的重大挑战。
B. 计算机视觉与图像识别是什么学科
”计算机视觉“，是指用计算机实现人的视觉功能，对客观世界的三维场景的感知、识别和理解。计算机视觉是一个处于指示前沿的领域。我们认为计算机视觉，或简称为“视觉”，是一项事业，它与研究人类或动物的视觉是不同的。它借助于几何、物理和学习技术来构筑模型，从而用统计的方法来处理数据。因此从我们的角度看，在透彻理解摄像机性能与物理成像过程的基础上，视觉对每个像素进行简单的推理，将在多幅图像中可能得到的信息综合成和谐的整体，确定像素集之间的联系以便将它们彼此分割开，或推断一些形状信息，使用几何信息或概率统计技术来识别物体。
”机器视觉“，即采用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分cmos和ccd两种）把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别。进而根据判别的结果来控制现场的设备动作。目前广泛应用于食品和饮料、化妆品、建材和化工、金属加工、电子制造、包装、汽车制造等行业。
机器视觉是个相对较新的技术，它为制造工业在提高产品质量、提高生产效率和操作安全性上提供了许多技术。在其他相关技术中，机器视觉包括图像数字化、图像操作和图像分析，通常使用计算机来完成，所以说它是一门覆盖图像处理和计算机视觉的专业。然而，我们又强调过机器视觉、计算机视觉和图像处理不是同义的。它们其中之一都不是任何其他两个的子集。计算机视觉是计算机科学的一个分支，而机器视觉是系统工程一个特殊领域。机器视觉没有说明要使用计算机，但是在获取高速处理速度上经常会使用特殊的图像处理硬件，这个速度是普通计算机所不能达到的。
机器视觉是计算机视觉在工厂自动化的一个应用。正如监视员在一个装配线上工作，可视地监视物件并判断其质量，因此机器视觉系统使用照相机和图像处理软件来完成类似的监视。一个机器视觉系统是一个在基于数字图像分析上作决定的计算机。
综上所述，其实机器视觉和计算机视觉并没有很清晰的界限，而是紧密的联系在一起，它们有着相同的理论，只是在实际应用中有所不同，计算机视觉与机器视觉都是要从图像或图像序列中获取对世。
C. 机器视觉和计算机视觉的区别与关系
研祥慧视机器视觉是目前国内最先进的液晶面板质量检测智能设备,广泛用于LCD模组、内平板电视、平板电脑灯产品屏容幕缺陷检测,代替人工检测,大幅度降低人力成本,提高检测效率。计算机视觉与机器视觉还是有区别的 计算机视觉主要是在计算机上完成分析,比较偏理论 机器视觉可以有嵌入式、DSP完成。
D. 简述计算机视觉、机器视觉、及视觉测量的区别及联系
计算机视觉、机器视觉类似，计算机视觉强调软件解决，是机器视觉的分支。
视觉测量是机器视觉的应用，用超分辨率达到低成本、高精度的测量目的
E. 机器视觉和计算机视觉的区别和联系
简单的介绍一下。
”计算机视觉“，是指用计算机实现人的视觉功能，对客观世界的三维场景的感知、识别和理解。计算机视觉是一个处于指示前沿的领域。我们认为计算机视觉，或简称为“视觉”，是一项事业，它与研究人类或动物的视觉是不同的。它借助于几何、物理和学习技术来构筑模型，从而用统计的方法来处理数据。因此从我们的角度看，在透彻理解摄像机性能与物理成像过程的基础上，视觉对每个像素进行简单的推理，将在多幅图像中可能得到的信息综合成和谐的整体，确定像素集之间的联系以便将它们彼此分割开，或推断一些形状信息，使用几何信息或概率统计技术来识别物体。
”机器视觉“，即采用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分cmos和ccd两种）把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别。进而根据判别的结果来控制现场的设备动作。目前广泛应用于食品和饮料、化妆品、建材和化工、金属加工、电子制造、包装、汽车制造等行业。
F. 机器视觉与计算机视觉的区别
我觉得从机器本身来理解的话，他们有很多不同，但是从功能上来理解，其实也差不多。
在视觉这一方面，其实很多科学家一直在进行研究，但是到现在为止，这种研究最终还是以人眼功能进行划分的。
视觉
我们为什么需要这一个功能，那是因为在很大程度上，它体现了一个思维的过程，大家现在在研究人工智能的时候，也会用到这样相同的理念，人眼具有的功能可以作为计算机视觉，比如可以识别物体，可以认识人，不能够精确获得到障碍的距离，但是足以避障。人眼相比相机做不到的作为机器视觉，比如精确测出一个物体的尺寸，物体和相机之间的相对距离和角度等。
总结
所以说对他们之间的区别，我觉得就是应用和技术这两方面的不同。
G. 图像处理和计算机视觉的区别是什么
图像处理和计算机视觉在起源时间、研究对象及处理工程、输入输出结果、知识结构体系上都有所不同。
1、起源时间不同。
图像处理起源于20世纪20年代，外文名叫Image Processing。
计算机视觉起源于20世纪60年代初，但在计算机视觉的基本研究中的许多重要进展是在80年代才取得，外文名叫Computer Vision。
2、研究对象及处理过程不同。
图像处理主要研究二维图像，处理一个图像或一组图像之间的相互转换的过程。
计算机视觉主要研究映射到单幅或多幅图像上的三维场景，是从图像中提取抽象的语义信息，实现图像理解是计算机视觉的终极目标。
3、输入输出结果不同。
图像处理输入的是图像，输出也是图像或者与输入图像有关的特征、参数的集合。
计算机视觉输入的是图像或图像序列，输出的是对于图像序列对应的真实世界的理解，比如检测人脸、识别车牌。
4、知识结构体系不同。
图像处理主要包括图像压缩，图像增强，图像复原，图像匹配，图像描述和识别。
计算机视觉包括图像处理，模式识别，空间形状的描述，几何建模以及认识过程。除了图像处理知识外，还涵盖了人工智能、机器学习等领域知识。
(7)机器视觉与计算机视觉的区别扩展阅读
计算机视觉在现代科技信息时代应用非常广泛，具体如下：
1、应用于工业和制造系统，例如工业机器人 、汽车自动驾驶等。机器视觉也被大量用于农业的过程，从散装材料，这个过程被称为去除不想要的东西，食物的光学分拣。
2、应用在医疗计算机视觉和医学图像处理，从图像数据中提取患者的医疗诊断结果的依据。
H. 机器视觉与计算机视觉的区别和共同之处
计算机视觉与机器视觉，首先是应用场景不一样，就像视远图像赵旭回答的那样：你把摄像头对着人就是CV，对着车间就是MV。
计算机视觉和机器视觉应用场景不同，就像拉货车和载客车是的，侧重点不同而已，一个侧重人工智能分支，一个侧重工业应用！简单说起来的话，计算机视觉偏重于深度学习并且偏向软件，机器视觉偏重于特征识别同时对硬件方面要求也比较高，不过随着对智能识别要求越来越高的发展，这两个方向毕竟会互相渗透互相融合，区别也仅仅限于应用领域不同而已。
其次，我感觉最大的区别，在于技术要求的侧重点不一样，甚至差别很大。
计算机视觉，主要是对质的分析，比如分类识别，这是一个杯子那是一条狗。或者做身份确认，比如人脸识别，车牌识别。或者做行为分析，比如人员入侵，徘徊，遗留物，人群聚集等。
机器视觉，主要侧重对量的分析，比如通过视觉去测量一个零件的直径，一般来说，对准确度要求很高。我记得以前接触过一个需求: 视觉测量铁路道岔缺口。哥刚毕业的时候在铁路上班，做过控制系统，还开过内燃机车，很清楚道岔缺口的重要性，这玩意儿你说要是测不准，呵呵:)
当然，也不能完全按质或量一刀切，有些计算机视觉应用也需要分析量，比如商场的人数统计。有些机器视觉也需要分析质，比如零件自动分拣。但，计算机视觉一般来说对量的要求不会很高，商场人数统计误差个百分之几死不了人的，但机器视觉真的会，比如那个道岔缺口测量。
既然要求这么高，是不是机器视觉就比计算机视觉难呢？也不是的，应该说各有各的难处。
计算机视觉的应用场景相对复杂，要识别的物体类型也多，形状不规则，规律性不强。有些时候甚至很难用客观量作为识别的依据，比如识别年龄，性别。所以深度学习比较适合计算机视觉。而且光线，距离，角度等前提条件，往往是动态的，所以对于准确度要求，一般来说要低一些。
机器视觉则刚好相反，场景相对简单固定，识别的类型少(在同一个应用中)，规则且有规律，但对准确度，处理速度要求都比较高。关于速度，一般机器视觉的分辨率远高于计算机视觉，而且往往要求实时，所以处理速度很关键，目前基本上不适合采用深度学习。
以上讨论的是技术，商业方面，计算机视觉的应用面更广一些，毕竟很多业务是跟人相关，比如人脸识别，行为分析等，很多垂直领域都有计算机视觉潜在需求，相对来说，更适合创业；
而机器视觉顾名思义，业务主要跟机器相关，而且对准确度甚至安全性要求很高，也就在资质品牌方面有较高的门槛，所以寡头垄断严重，一般来说，更适合上班而不是创业。
机器视觉（Machine Vision, MV） & 计算机视觉(Computer Vision, CV)
从学科分类上， 二者都被认为是 Artificial Intelligence 下属科目.
有几个分支：
一个是图像处理，主要是信号与系统，统计，优化
一个是求解景物与图像之间的关系，如立体视觉、三维重建，主要是几何
一个是模式识别，例如如何分割图像、识别目标，主要是人工智能
但实际提及时， 主观感觉上
MV 更多注重广义图像信号（激光，摄像头）与自动化控制（生产线）方面的应用。
CV 更多注重（2D, 3D）图像信号本身的研究以及和图像相关的交叉学科研究（医学图像分析，地图导航）。
I. 计算机视觉,机器视觉,及视觉测量的区别及联系
计算机视觉、机器视觉类似，计算机视觉强调软件解决，是机器视觉的分支。
视觉测量是机器视觉的应用，用超分辨率达到低成本、高精度的测量目的