机器视觉与计算机视觉概念是一样的吗？
初识机器视觉和计算机视觉这两个名词，感觉是差不多的，都是视觉，而且计算机也是机器，研究计算机视觉不就是研究机器视觉吗？也许很多人都跟我同感，但通过涉入这一领域，在通过系统的学习之后，我发觉它们两者既有许多相同点，但若把两者等同起来，就会束缚你的视野，它们属于不同的学科。我们研究计算机视觉的目的就是根据人类的视觉特性来给计算机带来“光明”，让它更好的来替代人来工作或者完成人类不能完成的工作，更好的为企业减少劳动力，也更大的提高生产效率，同时也不断在提高人们的生活质量。研究机器视觉是更好为工业中的制造业提供更多有利于提高产品质量和提高生产效率的支持。
机器视觉中把计算机作为载体或者说是工具，主要是利用计算机高效率的CPU，因为视觉里看到的都是图像，而对图像的处理往往比较耗时，所以能更快的完成图像处理，为以后的控制赢得时间，计算机是“当仁不让”了，而随着大规模集成电路的发展，FPGA、DSP等这些具有处理能力的芯片也在不断的提高性能，以后的机器视觉会不会把它们作为载体而产生FPGA视觉或DSP视觉呢？
什么是机器视觉？
"机器视觉"，即采用机器代替人眼来做测量和判断。
机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别。进而根据判别的结果来控制现场的设备动作。
机器视觉伴随计算机技术、现场总线技术的发展，技术日臻成熟，已是现代加工制造业不可或缺的产品，广泛应用于食品和饮料、化妆品、制药、建材和化工、金属加工、电子制造、包装、汽车制造等行业。[摘自工控论坛：http://bbs.gongkong.com/detail.asp?id=232610]
机器视觉是个相对较新的技术，它为制造工业在提高产品质量、提高生产效率和操作安全性上提供了许多技术。机器视觉越来越受欢迎有这样一个主要原因：光学传感具有与生俱来的清洁、安全性和通用性。用视觉有可能去做其他人不知道用传感方法可以做到的事情，比如识别污点、铁锈或者表面腐蚀等等.
在其他相关技术中，机器视觉包括图像数字化、图像操作和图像分析，通常使用计算机来完成，它是一门覆盖图像处理和计算机视觉的专业。然而，我们强调机器视觉、计算机视觉和图像处理不是同义的。它们其中之一都不是任何其他两个的子集。计算机视觉是计算机科学的一个分支，而机器视觉是系统工程一个特殊领域。机器视觉没有说明要使用计算机，但是在获取高速处理速度上经常会使用特殊的图像处理硬件，这个速度是普通计算机所不能达到的。
尽管早在20世纪30年代用于工业监测的视频系统就已被使用，但工业机器视觉系统首次引起关注是在20世纪70年代中期。在整个20世纪80年代早期，机器视觉发展的很缓慢，主要就是学术研究，很少引起工业兴趣。到了20世纪80年代中期，机器视觉有了一个很大推动力，这个就是主要美国汽车制造商对视觉系统产生了较大兴趣。然后，在美国经历了一段严重的幻觉时期，许多视觉公司纷纷倒闭。而到了80年代末期和90年代早期，由于处理速度的大大提升，机器视觉系统引起了广泛关注。在90年代中期，随着现代RISC处理器提供了在标准计算平台的高处理速度，于是具有通用目的的处理器的角色被修改。在这个时期，学术工作者一直在大范围的产品中稳步地提高灵活性，这个取代了制造工业的主要分支的所有研究。[引自：http://www.eeng.dcu.ie/~whelanp/resources/r_preface.html]
什么是计算机视觉？
计算机视觉是指用计算机实现人的视觉功能――对客观世界的三维场景的感知、识别和理解。这里主要有两类方法：一类是仿生学的方法，参照人类视觉系统的结构原理，建立相应的处理模块完成类似的功能和工作；另一类是工程的方法，从分析人类视觉过程的功能着手，并不去刻意模拟人类视觉系统内部结构，而仅考虑系统的输入和输出，并采用任何现有的可行的手段实现系统功能。[摘自《图像理解与计算机视觉》]
计算机视觉是一个处于指示前沿的领域。我们认为计算机视觉，或简称位“视觉”，是一项事业，它与研究人类或动物的视觉是不同的。它借助于几何、物理和学习技术来构筑模型，从而用统计的方法来处理数据。因此从我们的角度看，在透彻理解摄像机性能与物理成像过程的基础上，视觉对每个像素进行简单的推理，将在多幅图像中可能得到的信息综合成和谐的整体，确定像素集之间的联系以便将它们彼此分割开，或推断一些形状信息，使用几何信息或概率统计技术来识别物体。[摘自《计算机视觉――一种现代方法》]
计算机视觉成为一门独立的学科，至少可以从美国麻省理工学院Marr教授这一代人所做的奠基工作开始，因此计算机视觉这门学科至少已有20～30年的历史。在此期间，由于计算机视觉具有的潜在应用十分广泛，所涉及的学科知识极其繁多，研究的问题又几富挑战性，因此它一直是计算机学科中的一门热门学科，并吸收了许多从事心理学、神经科学、生理学、生物物理学、数学与计算机学科等各种学科研究人员的关注，从而把图像处理、模式识别、人工智能、数学、认知科学、机器学习、计算机图形学等各方面的研究成果融会进来。
计算机视觉是人工智能的一个子领域，它的目的是让计算机理解图像中的一个场景或者特征，它包括以下几个方面的解释：[摘自machine vision的网上定义]
1. 为了控制目标而获取所需数据通过图像的自动获取和分析
www.machinevisiononline.org/public/articles/articlesdetails.cfm
2. 给一个有能力去做事和反应的机器人提供导航系统使之能改变位置
www.assemblymag.com/CDA/ArticleInformation/news/news_item/0,6501,144248,00.html
3. 用视频摄像机、机器人或者其他设备的一个系统，并且用计算机去做可视化的分析操作或行为。典型应用包括自动监测、光学字符识别和其他的非接触应用。
www.bridgefieldgroup.com/glos6.htm
4. 机器视觉是计算机视觉在工厂自动化的一个应用。正如监视员在一个装配线上工作，可视地监视物件并判断其质量，因此机器视觉系统使用照相机和图像处理软件来完成类似的监视。一个机器视觉系统是一个在基于数字图像分析上作决定的计算机。
http://en.wikipedia.org/wiki/Machine_vision
通过上面的定义，其实机器视觉和计算机视觉并没有很清晰的界限，而是紧密的联系在一起，它们有着相同的理论，只是在应用中根据具体实际应用目标的不同而不同。计算机视觉与机器视觉都是要从图像或图像序列中获取对世界的描述，因此，对基本层的图像获取、图像处理，中层的图像分割、图像分析和高层的图像理解这些理论知识的掌握对两者来说都是“万变不离其宗”。
正是有了前面的问题，才使得我去找答案，不管答案是否正确，在这过程当中我已经学到了知识，正如这样一句话：”The important thing about a problem is not its solution, but the strength we gain in finding the solution.” 其实做研究很重要的就是要发现问题，只有发现了问题，才能竭尽所能去找寻解决方法。如果你们有什么好的看法，或者有什么不对的地方，可以不妨提出来交流一下，希望能在交流中获得新的知识，鼓励自己去继续学习研究！
