计算机视觉与图像处理之间的（清晰）界限

我从事计算机视觉和图像处理已有几年的经验，我相信我不再是一个完整的初学者。

尽管如此，这些年来，对于我的作品中的任何特定部分，我还是很难分辨它是否主要与计算机视觉有关，还是与图像处理有关。我只是看不到界线-在工作，学习和研究时，我会同时阅读带有两个关键字的参考资料。

因此，我对计算机视觉和图像处理领域的定义很感兴趣，重点是这些领域的比较（差异和重叠）。

此外，我认为举一个（概念上或现有的）实际应用程序，项目和工作示例来处理/利用将是有价值的：

• 仅（或大部分）计算机视觉工具和想法
• 仅（或大部分）图像处理工具和想法
• 来自两个领域的工具和思想的结合

与支付给什么使得它特别关注一个而不是其他的，或者是什么使得这两个。

我了解这些字段之间的相关性很高，“线”可能不像该问题所要求的那么清晰，但我希望您了解该问题的重点不是设计一个简单的分类决策规则（我）工作，但可以更好地理解这些领域的重点和目标。同样，欢迎提供任何其他带有我的问题音调的附加信息，即使我没有明确要求也可以。

我相信冈萨雷斯和伍兹有足够的能力来依靠他们的意见：

关于图像处理在哪里停止以及图像分析和计算机视觉等其他相关领域的开始，作者之间没有达成共识。有时通过将图像处理定义为过程的输入和输出都是图像的学科来进行区分。我们认为这是一个限制，有些人为的界限。例如，在此定义下，即使是计算图像的平均强度（产生单个数字）的琐碎任务也不会被视为图像处理操作。另一方面，某些领域，例如计算机视觉，其最终目标是使用计算机来模拟人类视觉，包括学习以及能够根据视觉输入做出推理和采取行动。该区域本身是人工智能（AI）的一个分支，其目的是模仿人类的智能。就发展而言，人工智能领域正处于起步初期，其进展比最初预期的要慢得多。的区域的图像分析（也称为图像理解）是在图像处理和计算机视觉之间。

所以我要说，主要的区别在于目标，而不是方法。例如，如果目标是增强图像以供人类以后使用，那么这可以称为图像处理。如果目标是模仿人类视觉（无论是物体识别，缺陷检测还是自动驾驶），那么它就更接近于计算机视觉。但是请注意，通过定义模拟人类视觉还可能需要图像增强，因此在大多数实际情况下，计算机视觉都依赖于图像处理。

图像理解（特征提取）可以在纯图像处理和计算机视觉中同等使用。

以我的理解，图像处理的目的是获得（以某种方式转换）图像。计算机视觉的目标是找出一些有关的东西在图像（比如是图片上的快乐或悲伤，有多少汽车的图像中是否有和方式，他们驾驶的家伙）。

仅（或大部分）计算机视觉工具和想法

我认为这是不可能的，不是我理解这些术语的方式。

仅（或大部分）图像处理工具和想法

以Adobe Photoshop为例：它可以拍摄图像并将其转换为皮肤更苗条的人的图像。但是，它“不”知道图像中描绘的对象的任何信息。