計算機視覺和機器學習的關系是什么？機器學習是方法，更具體來說是基于統計的方法；計算機視覺是具體的領域，而這個領域會用到機器學習的方法來解決問題。朱松純教授這樣比喻:機器學習是數學，計算機視覺是物理學，

計算機視覺和機器學習的關系是什么？

機器學習是方法，更具體來說是基于統計的方法；計算機視覺是具體的領域，而這個領域會用到機器學習的方法來解決問題。朱松純教授這樣比喻:機器學習是數學，計算機視覺是物理學，而人工智能則是整個自然科學的范疇。

計算機視覺:主要研究的在于從圖像或圖像序列中提取對世界的描述（比如用攝像機對目標進行跟蹤）。

機器學習:主要研究怎么模擬或實現人類的學習方法，以獲取新的技能，重新組織已有的知識結構使之不斷改善自己的性能，它是人工智能的核心。

現在計算機視覺使用什么語言開發？

c 、java、python都有，主流的opencv或者深度學習框架都支持上述語言的。但在實際產品落地時，如果與相關硬件對接的話，主流的攝像機等廠家提供的sdk或者api，主流還是c 、或者是網絡api

深度學習用來進行計算機視覺，與傳統圖像算法有關聯嗎？

剛好最近在做計算機視覺相關項目，所以就回答下吧，其實這些東西歸根結底都是數學問題，但是在數學問題的上層都還是圖像的處理，他們運用的算法基本是差不多的，只不過要看哪種算法更優。比如圖像邊緣檢測，我們一般會先進行濾波處理然后找到圖像的強度梯度，理論就這么個理論剩下就看誰做的精準了。

有關聯。

因為一般的機器視覺項目中，是需要傳統算法和深度學習相互配合來完成的。項目中只要用到的有深度學習的部分。我們就認為是用深度學習來進行計算機視覺。

傳統方法和深度學習的區別是:圖像特征的提取辦法以及有沒有用傳統的分類器。

圖像處理和計算機視覺的區別？

它們兩者既有許多相同點，但若把兩者等同起來，就會束縛你的視野，它們屬于不同的學科。我們研究計算機視覺的目的就是根據人類的視覺特性來給計算機帶來“光明”，讓它更好的來替代人來工作或者完成人類不能完成的工作，更好的為企業減少勞動力，也更大的提高生產效率，同時也不斷在提高人們的生活質量。研究機器視覺是更好為工業中的制造業提供更多有利于提高產品質量和提高生產效率的支持。

機器視覺中把計算機作為載體或者說是工具，主要是利用計算機高效率的cpu，因為視覺里看到的都是圖像，而對圖像的處理往往比較耗時，所以能更快的完成圖像處理，為以后的控制贏得時間，計算機是“當仁不讓”了，而隨著大規模集成電路的發展，fpga、dsp等這些具有處理能力的芯片也在不斷的提高性能，以后的機器視覺會不會把它們作為載體而產生fpga視覺或dsp視覺呢？