【 TWINNHOW科技觀察】：簡單來說，計算機視覺學(xué)術(shù)一些，更偏軟件；機器視覺軟硬件都包括（采集設(shè)備，光源，鏡頭，控制，機構(gòu)，算法等），指的是系統(tǒng)，更偏實際應(yīng)用。因此更多的是把機器視覺，叫做機器視覺系統(tǒng)。工業(yè)級機器視覺和消費級機器視覺有本質(zhì)的區(qū)別，在應(yīng)用側(cè)重點、結(jié)構(gòu)上有著明顯的差別，但是工業(yè)機器視覺和消費級機器視覺都源自人工智能的技術(shù)，感知和算法是核心技術(shù)，也就意味著產(chǎn)品和技術(shù)在各個領(lǐng)域的可延展性是比較強的。機器視覺是比較通用的底層技術(shù)，可以廣泛應(yīng)用在工業(yè)和非工業(yè)領(lǐng)域，對當前制造業(yè)的改造和升級，起到了至關(guān)重要的作用。機器視覺，以其可靠性和經(jīng)濟性正在廣泛應(yīng)用各個工業(yè)制造場景，未來的增長前景廣泛。
 
 
 
 
機器視覺與計算機視覺的區(qū)別？
 
 
 
 
簡單來說，計算機視覺學(xué)術(shù)一些，更偏軟件；機器視覺軟硬件都包括（采集設(shè)備，光源，鏡頭，控制，機構(gòu)，算法等），指的是系統(tǒng)，更偏實際應(yīng)用。因此更多的是把機器視覺，叫做機器視覺系統(tǒng)。
 
 
 
簡單區(qū)分：
 
 
學(xué)科：
機器視覺作為一門系統(tǒng)工程"學(xué)科"，有別于計算機視覺，是計算機科學(xué)基礎(chǔ)的一種形式;
計算機視覺屬于計算機"科學(xué)"，涉及到從圖像中提取信息的人工系統(tǒng)背后的理論,她跨學(xué)科。
 
領(lǐng)域：
 
機器視覺是計算機視覺在工廠自動化中的應(yīng)用，傳統(tǒng)的機器視覺主要應(yīng)用于工業(yè)領(lǐng)域，計算機視覺不限于工業(yè)領(lǐng)域。
 
從狹義的視覺系統(tǒng)角度出發(fā)，計算機視覺屬于機器視覺系統(tǒng)的一部分。
 
信息處理程度：
 
機器視覺主要是提取信息，計算機視覺提取并理解信息（定義區(qū)分）
 
軟硬件
 
機器視覺系統(tǒng)中一定包含硬件。
 
計算機視覺系統(tǒng)中不一定包含硬件，偏算法。
 
 
 
 
詳細：
 
 
機器視覺與計算機視覺這兩個名字，感覺差不多，都是視覺。很多人都有這種相同的想法，但其實它們之間是不同的學(xué)科。
 
一. 定義
 
A.機器視覺：Machine vision(MV)
維基百科：“機器視覺一詞的定義各不相同，但都包括用于自動從圖像中提取信息的技術(shù)和方法。”
 
它與圖像處理相反，圖像處理的輸出是另一幅圖像。提取的信息可以是簡單的好部分/壞部分信號，也可以是一組復(fù)雜的數(shù)據(jù)，比如圖像中每個對象的id、位置和方向。該信息可用于工業(yè)上的自動檢測、機器人和過程制導(dǎo)、安全監(jiān)控和車輛制導(dǎo)等應(yīng)用。這一領(lǐng)域包括大量的技術(shù)、軟件和硬件產(chǎn)品、綜合系統(tǒng)、行動、方法和專門知識。在工業(yè)自動化應(yīng)用中，機器視覺實際上是這些功能的唯一術(shù)語;
 
B.計算機視覺：Computer vision(CV)
維基百科：”計算機視覺是指從一張圖像或一系列圖像中自動提取、分析和理解有用信息。它涉及到理論和算法基礎(chǔ)的發(fā)展，以實現(xiàn)自動視覺理解。“
 
它是一個跨學(xué)科的科學(xué)領(lǐng)域，研究如何使計算機從數(shù)字圖像或視頻中獲得高層次的理解。從工程學(xué)的角度來看，它試圖自動化人類視覺系統(tǒng)能夠完成的任務(wù)。
 
⑴ 首先我們從定義上來看。
 
“機器視覺”是人工智能正在快速發(fā)展的一個分支。簡單來說，就是用機器代替人眼來做測量和判斷。機器視覺系統(tǒng)是指通過機器視覺產(chǎn)品（即圖像攝取裝置，分cmos和ccd兩種）把圖像抓取到，然后將該圖像傳送至處理單元，通過數(shù)字化處理，根據(jù)像素分布和亮度、顏色等信息，來進行尺寸、形狀、顏色等的判別，進而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(shè)備動作。目前它被廣泛應(yīng)用于食品和飲料、化妝品、建材和化工、金屬加工、電子制造、包裝、汽車制造等行業(yè)。
 
“計算機視覺”則是指用計算機實現(xiàn)人的視覺功能，對客觀世界的三維場景的感知、識別和理解。計算機視覺是一個處于指示前沿的領(lǐng)域，與研究人類或動物的視覺是不同的，它在透徹理解攝像機性能與物理成像過程的基礎(chǔ)上，對每個像素進行簡單的推理，將在多幅圖像中可能得到的信息綜合成和諧的整體，確定像素集之間的聯(lián)系以便將它們彼此分割開，或推斷一些形狀信息，使用幾何信息或概率統(tǒng)計技術(shù)來識別物體。
 
⑵ 其次，從實際應(yīng)用上看。機器視覺更多注重廣義圖像信號（激光，攝像頭）與自動化控制（生產(chǎn)線）方面的應(yīng)用，而計算機視覺更多注重（2D, 3D）圖像信號本身的研究以及和圖像相關(guān)的交叉學(xué)科研究（圖像分析）。
 
⑶ 最后，雖然兩者的核心都涉及到視覺處理算法，但機器視覺是偏硬的視覺處理技術(shù)，主要用于工業(yè)機器人方面；而計算機視覺是偏軟的視覺處理技術(shù)，主要用于識別方面。這樣說，你可能就明白了吧。
 
二.應(yīng)用
 
機器視覺
1. 半導(dǎo)體
機器視覺系統(tǒng)在半導(dǎo)體器件制造中有著廣泛的應(yīng)用;事實上，如果沒有機器視覺，計算機芯片的產(chǎn)量將會顯著降低。機器視覺系統(tǒng)檢查硅片、處理器芯片以及電阻和電容等子組件。
 
2. 汽車工業(yè)
機器視覺系統(tǒng)用于引導(dǎo)工業(yè)機器人，測量沖壓金屬部件的配合程度，并檢查涂漆車輛的表面是否有缺陷。
 
3. 軍事
雖然機器視覺技術(shù)是針對可見光譜開發(fā)的，但同樣的處理技術(shù)也可應(yīng)用于使用對其他形式的光(如紅外線)敏感的成像儀拍攝的圖像。
 
計算機視覺
計算機視覺包括場景重建、事件檢測、視頻跟蹤、目標識別、三維姿態(tài)估計、運動估計和圖像恢復(fù)。
 
二.視覺系統(tǒng)的指標
 
 
任何視覺系統(tǒng)（計算機視覺或者機器視覺）的兩個重要指標：
 
靈敏度：是機器在昏暗光線下觀察的能力，或在不可見波長下探測微弱脈沖的能力。
 
分辨率：是機器區(qū)分物體的程度。一般來說，分辨率越高，視野范圍就越狹窄。
 
當在其他因素保持不變的情況下，它們的關(guān)系是，增加靈敏度降低分辨率，提高分辨率降低靈敏度。
 
三.視覺系統(tǒng)
a.機器視覺系統(tǒng)的組件
簡單的機器視覺系統(tǒng)包含以下組件:
 
一個光學(xué)傳感器
 
黑白相機
 
照明（確保圖像清晰）
 
幀捕獲器（計算機攝像頭接口卡）
 
圖像處理的計算機軟件（用于圖像的分析和處理，根據(jù)所分析圖像的性質(zhì)，可以使用模式匹配或其他算法）
 
數(shù)字信號硬件或用于報告結(jié)果的網(wǎng)絡(luò)連接
 
光學(xué)傳感器一旦確定物體在傳送帶上移動到了待檢查位置，它就觸發(fā)相機對該物體拍照，機器視覺系統(tǒng)中的照明設(shè)計是用于物體高亮顯示感興趣的特征，并使不感興趣的特征的外觀變得模糊或最小化。相機的圖像由幀捕捉器捕捉。幀捕獲器是一種計算機卡，它將攝像機的輸出轉(zhuǎn)換為數(shù)字格式，并將圖像存儲在計算機內(nèi)存中，以便機器視覺軟件對其進行處理。該軟件通常會采取幾個步驟來處理圖像。通常首先對圖像進行處理，減少噪聲或?qū)⒒叶葓D轉(zhuǎn)換為二值圖。在最初的簡化之后，軟件將對圖像中的對象計數(shù)、測量和/或識別圖像中的對象。作為最后一步，軟件根據(jù)編程標準來判斷物體是否通過。如果某個物體出現(xiàn)故障，軟件會向機器人發(fā)出信號，讓其拒絕接受該物體;另外，系統(tǒng)會提示人工修復(fù)導(dǎo)致故障的生產(chǎn)問題。
 
四.圖像處理技術(shù)
 
 
商業(yè)和開源的機器視覺系統(tǒng)包通常包括許多不同的圖像處理技術(shù)，如: - 像素計數(shù):計算亮像素或暗像素的數(shù)量 - 閾值化:將灰度圖像轉(zhuǎn)換為黑白圖像 - 連通性和分割:通過區(qū)分像素的亮連接區(qū)域和暗連接區(qū)域來定位和/或計數(shù)部件 - 條碼讀取:機器讀取或掃描一維和二維條碼的解碼 - 光學(xué)字符識別:自動讀取文本 - 測量:測量物體的尺寸 - 邊緣檢測:尋找目標邊緣 - 模板匹配:查找、匹配和/或計數(shù)特定的模式 - 魯棒模式識別:對象的位置，可以旋轉(zhuǎn)，被另一個對象臨時遮擋，或改變大小
 
在大多數(shù)情況下，機器視覺系統(tǒng)將使用這些處理技術(shù)的組合來執(zhí)行完整的檢查。
 
五.區(qū)別
 
 
機器視覺不同于計算機視覺，計算機視覺是一個“學(xué)術(shù)研究領(lǐng)域”，通常被歸為人工智能的子領(lǐng)域。
 
計算機視覺擴展到與機器人和人類視覺的機器表示相關(guān)主題。機器視覺是指在工廠、裝配廠和其他工業(yè)環(huán)境中使用的自動化成像“系統(tǒng)”。機器視覺系統(tǒng)是一種基于數(shù)字圖像分析做出決策的計算機。正如在裝配線上工作的檢驗人員通過目視檢查零件來判斷工藝質(zhì)量一樣，機器視覺系統(tǒng)也使用數(shù)碼相機和圖像處理軟件進行類似的檢查。
 
如果我們把機器視覺看作一個系統(tǒng)的主體，那么計算機視覺就是視網(wǎng)膜、視神經(jīng)、大腦和中樞神經(jīng)系統(tǒng)。機器視覺系統(tǒng)使用攝像機來查看圖像，然后計算機視覺算法對圖像進行處理和解釋，然后指示系統(tǒng)中的其他組件對這些數(shù)據(jù)采取行動。
 
計算機視覺可以單獨使用，而不需要成為大型機器系統(tǒng)的一部分。但是一個機器視覺系統(tǒng)如果沒有計算機和其核心的特定軟件是無法工作的。這遠遠超出了圖像處理。在計算機視覺(CV)術(shù)語中，圖像甚至不必是照片或視頻;它可能是來自熱或紅外傳感器、運動探測器或其他來源的“圖像”。
 
 
 
六、工業(yè)級視覺技術(shù)應(yīng)用與消費級視覺技術(shù)的對比
 
 
除了以機器視覺為代表的視覺技術(shù)廣泛應(yīng)用于工業(yè)制作外，在消費級領(lǐng)域，隨著數(shù)據(jù)量上漲、運算力提升和深度學(xué)習(xí)算法的發(fā)展，計算機視覺技術(shù)越來越多地被應(yīng)用在各類消費級應(yīng)用場景中，典型的如人臉識別服務(wù)，具體包括人臉檢測、人臉關(guān)鍵特征點、人臉對比、人臉搜索、人臉屬性、人臉聚類、人力活體檢測等。計算機視覺是指用計算機實現(xiàn)人的視覺功能，對客觀世界的三維場景的感知、識別和理解。計算機視覺與研究人類或動物的視覺不同，它借助于幾何、物理和學(xué)習(xí)技術(shù)來構(gòu)筑模型，從而用統(tǒng)計的方法來處理數(shù)據(jù)。
 
從學(xué)科上，機器視覺（Machine Vision, MV）與計算機視覺（Computer Vision, CV）都被認為是人工智能的下屬科目。兩者既有聯(lián)系又有區(qū)別。首先，機器視覺與計算機視覺有很多相似之處，在架構(gòu)上都是基礎(chǔ)層+技術(shù)層+應(yīng)用層；并且兩者的基本理論框架、底層理論、算法等是相似的，因此機器視覺與計算機視覺在技術(shù)和應(yīng)用領(lǐng)域上會有一定重疊。
 
 
 
 
 
 
 
 
 
但兩者確實是相互區(qū)別的，機器視覺與計算機視覺是兩個不同的概念，并且側(cè)重點不同。計算機視覺是采用圖像處理、模式識別、人工智能技術(shù)相結(jié)合的手段，著重于一幅或多幅圖像的計算機分析。圖像可以由單個或者多個傳感器獲取，也可以是單個傳感器在不同時刻獲取的圖像序列。
 
機器視覺則偏重于計算機視覺技術(shù)工程化，能夠自動獲取和分析特定的圖像，以控制相應(yīng)的行為。具體的說，計算機視覺為機器視覺提供圖像和景物分析的理論和算法基礎(chǔ)，機器視覺為計算機視覺的實現(xiàn)提供傳感器模型、系統(tǒng)構(gòu)造和實現(xiàn)手段。二者共用一套理論系統(tǒng)，只是發(fā)展的方向不同，機器視覺側(cè)重于在工業(yè)領(lǐng)域的實際應(yīng)用，而計算機視覺側(cè)重理論算法的研究。
 
 
 
 
 
 
 
 
 
 
 
從應(yīng)用領(lǐng)域上，機器視覺大多應(yīng)用在工業(yè)領(lǐng)域上，具體應(yīng)用包括計量與檢測、智能制造等；除了在工業(yè)領(lǐng)域應(yīng)用外，在消費領(lǐng)域的眾多場景中，多是計算機視覺的具體應(yīng)用。由于理論的研究發(fā)展速度往往快于實踐應(yīng)用，即計算機視覺的發(fā)展遠遠超過了其時間實踐。目前掌握的具體計算機視覺任務(wù)的方法，也僅僅適用于狹隘的人臉識別、指紋識別等簡單任務(wù)，無法廣泛的應(yīng)用于不同場合。
 
從組成上看，機器視覺系統(tǒng)包含硬件和軟件諸多元素，除了算法與軟件是系統(tǒng)核心內(nèi)容外，如傳感器、控制器等也是核心組成部分。以天準科技為例，其成本90%以上是原材料，而原材料中，傳感器類（鏡頭、相機、傳感器）、機械類成本分別占41.5%、37.1%。在機器視覺產(chǎn)業(yè)鏈中，除了視覺系統(tǒng)、傳感器、光源、鏡頭等零部件廠商外，中游還包括具備核心技術(shù)的裝備制造商、以及其他眾多的系統(tǒng)集成商。
 
而在消費級領(lǐng)域的應(yīng)用，企業(yè)多提供解決方案，其中以算法與軟件為核心，硬件成本不高。
 
由于機器視覺側(cè)重工程的應(yīng)用，因而強調(diào)實時性、高精度和高速度，以及算法的可靠性、系統(tǒng)的穩(wěn)定性。從技術(shù)變革趨勢來看，3D視覺、多光譜成像、高速成像與處理、深度學(xué)習(xí)是機器視覺持續(xù)改善性能的重要方向。當前機器視覺輸入的圖像仍以2D信息為主，后續(xù)結(jié)合新型傳感器的3D視覺技術(shù)有望大幅提升機器視覺的應(yīng)用范圍。其次，高光譜和多光譜成像能夠同時處理多個不同品類的產(chǎn)品檢測，也是未來機器視覺演進的重要方向。另外，以線掃描為代表的高速成像技術(shù)能夠提升成像速度，進而提升檢測效率。最后，深度學(xué)習(xí)+機器視覺能夠不斷優(yōu)化檢測參數(shù)、增加檢測靈活性，也是后續(xù)機器視覺創(chuàng)新的重要方向。
 
總結(jié)：工業(yè)級機器視覺和消費級機器視覺有本質(zhì)的區(qū)別，在應(yīng)用側(cè)重點、結(jié)構(gòu)上有著明顯的差別，但是工業(yè)機器視覺和消費級機器視覺都源自人工智能的技術(shù)，感知和算法是核心技術(shù)，也就意味著產(chǎn)品和技術(shù)在各個領(lǐng)域的可延展性是比較強的。機器視覺是比較通用的底層技術(shù)，可以廣泛應(yīng)用在工業(yè)和非工業(yè)領(lǐng)域，對當前制造業(yè)的改造和升級，起到了至關(guān)重要的作用。機器視覺，以其可靠性和經(jīng)濟性正在廣泛應(yīng)用各個工業(yè)制造場景，未來的增長前景廣泛。