计算机视觉（Computer Vision）和机器视觉（Machine Vision）虽然在概念上有重叠，但在应用领域和侧重点上存在明显的区别。
计算机视觉
定义：计算机视觉是使用计算机及相关设备模拟生物视觉的一种技术，它的主要任务是对采集的图片或视频进行处理，以获得相应场景的三维信息。
特点：
广泛的应用场景：包括自动驾驶、医疗影像分析、虚拟现实、增强现实等。
理论和技术的结合：涵盖从图像获取、处理和分析到高层次的图像理解和推理等多个方面。
侧重于理解和分析：计算机视觉更关注如何让计算机像人类一样理解和分析图像和视频。
应用实例：
指纹、人脸、车牌识别
生物医学影像检测和识别
增强现实系统
机器视觉
定义：机器视觉则偏重于计算机视觉技术工程化，能够自动获取和分析特定的图像，以控制相应的行为。
特点：
侧重于工业和自动化应用：主要用于提高生产效率和质量。
实时性和高精度：机器视觉系统需要对图像进行实时处理和分析。
硬件和软件的结合：通常包括图像传感器、光源、镜头等硬件设备，以及图像处理、分析和控制的软件模块。
应用实例：
工业生产线上的产品质量检测
缺陷检测、配件识别、定位和跟踪
计算机视觉与图像识别的区别
图像识别：图像识别是计算机视觉的一个子领域，专注于识别和分类图像中的对象。它主要涉及图像的处理和分析，以识别出图像中的特定模式或对象。
计算机视觉：计算机视觉则是一个更广泛的概念，不仅包括图像识别，还包括图像生成、图像恢复、三维重建等多个方面。它是一个综合性的领域，涵盖了从底层的图像处理到高层的图像理解的整个过程。
计算机视觉是一个更广泛和综合的领域，而图像识别是其中的一个重要组成部分。机器视觉则是计算机视觉在工业和自动化领域的具体应用。
