【深度学习基础】一分钟带你了解：计算机视觉、机器视觉以及数字图像处理的区别

：如果你也对机器人、人工智能感兴趣，看来我们志同道合✨
：不妨浏览一下我的博客主页【https://blog.csdn.net/weixin_51244852】
：文章若有幸对你有帮助，可点赞 收藏 ⭐不迷路
：内容若有错误，敬请留言 指正！原创文，转载请注明出处

---

计算机视觉

从算法层面，计算机视觉可以分为两个方向:
1、基于Machine Learning的方法，侧重对计算机视觉算法的研究与开发，包括图像检测、跟踪和识别，还有图像分割领域；目前比较火热的研究算法是YOLO系列，发展迅速，几乎每年都在不断迭代更新。图像分割领域又划分为实例分割和语义分割，其中mask rcnn就是比较火的实例分割算法。
2、基于Geometry的方法，主要应用于机器人的环境建模，所谓的同时定位与建图，即SLAM技术。SLAM技术主要分为三个阶段，分别是建图、定位与导航。SLAM侧重于识别多种物体，降低算力，提高运行速度。
SLAM（Simultaneous Localization and Mapping）是一种同时进行定位和建图的技术，用于在未知环境中的移动机器人或自主车辆中实现导航和感知。SLAM算法通常通过结合传感器数据来构建环境地图并估计机器人或车辆的位置。
SLAM技术在自动驾驶、无人机、机器人导航和增强现实等领域具有广泛的应用。它为移动机器人提供了在未知环境中进行自主导航和定位的能力，为实现智能化的交通系统和智能化的服务提供了关键技术支持。

机器视觉

侧重点：机器视觉侧重于识别特定场景中的特定物体，识别种类有限且明确。
应用场景：主要应用于生产线的产品制造过程中，执行某种特定的任务，比如在识别物体加工表面的裂痕、是否正确密封等，因此基于人工设计的图像特征有很大的局限性，往往是针对特定的任务设计的，不具备普遍适用性。

数字图像处理

数字图像处理其实是对图像在像素级别的处理，比如图像旋转、增亮、锐化等等操作，类似与平时我们拍照之后的修图，其实很多的软件都有这种技术的身影，例如PS、手机相机、PPT、短视频等。
其次，数字图像处理技术更是上述的机器视觉和计算机视觉的基础，比如在数据增强方面，就需要用到图像旋转、增亮、锐化、翻转等等操作对图像进行扩充，从而获得足够多的图像用于模型的训练。
数字图像处理库。目前比较火的或是说应用比较广泛的图像处理库就是OpenCV和Halcon，一个开源、一个非开源，不同与OpenCV，haclon在商业中的使用需要经过授权后才能用于二次开发。因此对于普通学生或是爱好者来说，两种库都可以使用，尤其是OpenCV，比较推荐。