机器视觉技术是一个涉及多学科知识和技术的交叉学科领域。它整体属于人工智能专业的一个分支。
从学科分类角度来看，机器视觉的一二级学科分别是：控制科学与工程，模式识别与智能系统；或者计算机科学与技术，计算机应用技术。
二、学习机器视觉可报考的专业
计算机科学相关专业
计算机科学与技术：这个专业提供了许多机器视觉所需的基础知识和技术，例如图像处理、模式识别、机器学习等。因为机器视觉的核心是利用计算机算法和技术来处理和分析图像或视频数据，计算机科学与技术专业能为机器视觉的学习奠定坚实的计算机基础。
计算机应用技术：该专业聚焦于计算机技术在实际场景中的应用，这与机器视觉将计算机视觉技术应用于检测、测量和控制等实际操作相契合，有助于深入学习机器视觉在各行业的应用技术。
控制科学与工程相关专业
模式识别与智能系统：在这个专业中，可以学习到机器视觉系统如何对图像进行识别、分析并做出智能决策，这对于构建和优化机器视觉系统具有重要意义。例如在自动化生产线上，通过模式识别技术让机器视觉系统识别产品缺陷或者进行目标定位等操作，是机器视觉在工业应用中的关键部分。
自动化专业：自动化专业涉及到控制系统的设计、运行和优化等知识。机器视觉在自动化领域有广泛的应用，例如机器人的视觉导航、自动化生产中的质量检测等都需要机器视觉与自动化技术的结合。学习自动化专业能够掌握机器视觉与其他自动化设备协同工作的原理和技术，实现自动化生产流程中的视觉控制和监测功能。
电子工程相关专业：电子工程提供了关于图像传感器、摄像头、光学设备和信号处理等方面的知识。这些硬件组件对于获取和处理图像数据至关重要。在机器视觉系统中，图像摄取装置（如CMOS和CCD）是获取图像信号的基础设备，电子工程专业的知识有助于深入理解这些硬件设备的原理、选型和优化，从而确保机器视觉系统能够准确地获取高质量的图像数据用于后续分析处理。
数学专业：数学在机器视觉中扮演着重要的角色，包括线性代数、概率论、统计学等。这些数学概念被应用于图像变换、特征提取、分类和回归等方面。例如在图像的特征提取过程中，可能会用到线性代数中的矩阵运算来表示图像数据，并通过概率论和统计学的方法对图像特征进行分析和分类，因此数学专业的学习可以为机器视觉提供强大的理论分析工具。
光学工程专业：光学工程涉及到光学原理、光学仪器和光学系统设计等方面的知识。对于理解图像采集和传感的原理以及设计高质量的图像系统非常重要。在机器视觉系统中，良好的照明系统设计以及光学成像设备的性能直接影响着图像的质量，进而影响机器视觉系统对目标的识别和分析效果，光学工程专业知识有助于在这方面进行优化和创新。
