我们经常被问到——机器视觉和计算机视觉之间有什么区别，以及它们与图像处理相比如何？这是一个有效的问题，因为机器视觉和计算机视觉这两个看似相似的领域都与数字图像的解释有关，以通过照片或图像的图像处理产生结果。

什么是机器视觉？

机器视觉已成为制造质量控制和检测领域的关键技术。这是由于质量要求的不断提高以及它提供的超越人类视觉和手动操作的改进。

定义

机器感知物体、捕获该物体的图像，然后处理和分析信息以做出决策的能力。

从本质上讲，机器视觉使制造设备能够“看”和“思考”。这是一个令人兴奋的领域，它将技术和流程结合起来，自动执行复杂或普通的视觉检查任务并精确指导制造活动。在工业环境中，它通常被称为“工业视觉”或“视觉系统”。由于机器视觉中的原始图像通常是由连接到系统的相机“实时”捕获的（与计算机视觉相比），因此与光学技术、照明和过滤相关的物理学科也是机器视觉理解的一部分。机器视觉世界。

那么，这与计算机视觉和图像处理相比如何？

各个学科之间有很多重叠，但各组之间也有明显的区别。

图像处理起源于神经生物学和科学分析。这主要是由于图像处理在 20 世纪 70 年代和 1980 年代崭露头角时处理器速度的限制，例如，在从安装在显微镜上的相机捕获后处理单个图像。

当处理器变得更快并且图像处理算法变得更加擅长高吞吐量分析时，图像处理进入了工业环境，并且工业生产线控制也被添加到其中。这一次允许对作为自动化装配线一部分的组件、零件和组件进行分析，并根据质量评估进行量化、检查和路由，因此机器视觉（“生产线的眼睛”）诞生了。毫不奇怪，随着 20 世纪 80 年代电子产品的巨大繁荣，一个大规模采用该技术的行业是 PCB 和半导体制造商。

计算机视觉跨越两个学科，创建了三个领域之间重叠的维恩图，如下所示。

如您所见，与深度学习相关的人工智能工作根源于计算机视觉。尽管如此，在过去几年中，随着从生物视觉中学习的图像处理以及认知视觉慢慢进入通用机器视觉和视觉系统领域，这已经转移到机器视觉领域。这很少是一条双向路，但一些机器视觉研究又回到了计算机视觉和一般图像处理领域。鉴于计算机视觉行业的影响范围更广泛，与更小众的机器视觉行业相比，新的算法和发展是由更广泛的计算机视觉行业推动的。

机器视觉、计算机视觉和图像处理现在广泛地交织在一起，每个领域的发展都对每个学科新算法的增长产生连锁反应。