機器視覺與電腦視覺概念是一樣的嗎？

初識機器視覺和電腦視覺這兩個名詞，感覺是差不多的，都是視覺，而且電腦也是機器，研究電腦視覺不就是研究機器視覺嗎？也許很多人都跟我同感，但通過涉入這一領域，在通過系統的學習之後，我發覺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，它們屬於不同的學科。我們研究電腦視覺的目的就是根據人類的視覺特性來給電腦帶來“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品質。研究機器視覺是更好為工業中的製造業提供更多有利於提高產品品質和提高生產效率的支援。

機器視覺中把電腦作為載體或者說是工具，主要是利用電腦高效率的CPU，因為視覺裡看到的都是映像，而對映像的處理往往比較耗時，所以能更快的完成影像處理，為以後的控制贏得時間，電腦是“當仁不讓”了，而隨著大規模整合電路的發展，FPGA、DSP等這些具有處理能力的晶片也在不斷的提高效能，以後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？

什麼是機器視覺？

"機器視覺"，即採用機器代替人眼來做測量和判斷。
　　機器視覺系統是指通過機器視覺產品（即映像攝取裝置，分CMOS和CCD兩種）把映像抓取到，然後將該映像傳送至處理單元，通過數字化處理，根據像素分布和亮度、顏色等資訊，來進行尺寸、形狀、顏色等的判別。進而根據判別的結果來控制現場的裝置動作。
　　機器視覺伴隨電腦技術、現場匯流排技術的發展，技術日臻成熟，已是現代加工製造業不可或缺的產品，廣泛應用於食品和飲料、化妝品、製藥、建材和化工、金屬加工、電子製造、封裝、汽車製造等行業。[摘自工控論壇：http://bbs.gongkong.com/detail.asp?id=232610]

機器視覺是個相對較新的技術，它為製造工業在提高產品品質、提高生產效率和操作安全性上提供了許多技術。機器視覺越來越受歡迎有這樣一個主要原因：光學感測具有與生俱來的清潔、安全性和通用性。用視覺有可能去做其他人不知道用感測方法可以做到的事情，比如識別汙點、鐵鏽或者表面腐蝕等等.

在其他相關技術中，機器視覺包括映像數字化、映像操作和映像分析，通常使用電腦來完成，它是一門覆蓋影像處理和電腦視覺的專業。然而，我們強調機器視覺、電腦視覺和影像處理不是同義的。它們其中之一都不是任何其他兩個的子集。電腦視覺是電腦科學的一個分支，而機器視覺是系統工程一個特殊領域。機器視覺沒有說明要使用電腦，但是在擷取高速處理速度上經常會使用特殊的影像處理硬體，這個速度是普通電腦所不能達到的。

儘管早在20世紀30年代用於工業監測的視頻系統就已被使用，但工業機器視覺系統首次引起關注是在20世紀70年代中期。在整個20世紀80年代早期，機器視覺發展的很緩慢，主要就是學術研究，很少引起工業興趣。到了20世紀80年代中期，機器視覺有了一個很大推動力，這個就是主要美國汽車製造商對視覺系統產生了較大興趣。然後，在美國經曆了一段嚴重的幻覺時期，許多視覺公司紛紛倒閉。而到了80年代末期和90年代早期，由於處理速度的大大提升，機器視覺系統引起了廣泛關注。在90年代中期，隨著現代RISC處理器提供了在標準計算平台的高處理速度，於是具有通用目的的處理器的角色被修改。在這個時期，學術工作者一直在大範圍的產品中穩步地提高靈活性，這個取代了製造工業的主要分支的所有研究。[引自：http://www.eeng.dcu.ie/~whelanp/resources/r_preface.html]

什麼是電腦視覺？

電腦視覺是指用電腦實現人的視覺功能?D?D對客觀世界的三維情境的感知、識別和理解。這裡主要有兩類方法：一類是仿生學的方法，參照人類視覺系統的結構原理，建立相應的處理模組完成類似的功能和工作；另一類是工程的方法，從分析人類視覺過程的功能著手，並不去刻意類比人類視覺系統內部結構，而僅考慮系統的輸入和輸出，並採用任何現有的可行的手段實現系統功能。[摘自《映像理解與電腦視覺》]

電腦視覺是一個處於指示前沿的領域。我們認為電腦視覺，或簡稱位“視覺”，是一項事業，它與研究人類或動物的視覺是不同的。它藉助於幾何、物理和學習技術來構築模型，從而用統計的方法來處理資料。因此從我們的角度看，在透徹理解攝像機效能與物理成像過程的基礎上，視覺對每個像素進行簡單的推理，將在多幅映像中可能得到的資訊綜合成和諧的整體，確定像素集之間的聯絡以便將它們彼此分割開，或推斷一些圖形資訊，使用幾何資訊或機率統計技術來識別物體。[摘自《電腦視覺?D?D一種現代方法》]

電腦視覺成為一門獨立的學科，至少可以從美國麻省理工學院Marr教授這一代人所做的奠基工作開始，因此電腦視覺這門學科至少已有20～30年的曆史。在此期間，由於電腦視覺具有的潛在應用十分廣泛，所涉及的學科知識極其繁多，研究的問題又幾富挑戰性，因此它一直是電腦學科中的一門熱門學科，並吸收了許多從事心理學、神經科學、生理學、生物物理學、數學與電腦學科等各種學科研究人員的關注，從而把影像處理、模式識別、人工智慧、數學、認知科學、機器學習、電腦圖形學等各方面的研究成果融會進來。

電腦視覺是人工智慧的一個子領域，它的目的是讓電腦理解映像中的一個情境或者特徵，它包括以下幾個方面的解釋：[摘自machine vision的網上定義]

1. 為了控制目標而擷取所需資料通過映像的自動擷取和分析

www.machinevisiononline.org/public/articles/articlesdetails.cfm

2. 給一個有能力去做事和反應的機器人提供導航系統使之能改變位置

www.assemblymag.com/CDA/ArticleInformation/news/news_item/0,6501,144248,00.html

3. 用視頻攝像機、機器人或者其他裝置的一個系統，並且用電腦去做可視化的分析操作或行為。典型應用程式套件括自動監測、光學字元辨識和其他的非接觸應用。
www.bridgefieldgroup.com/glos6.htm

4. 機器視覺是電腦視覺在工廠自動化的一個應用。正如監視員在一個裝配線上工作，可視地監視物件並判斷其品質，因此機器視覺系統使用照相機和影像處理軟體來完成類似的監視。一個機器視覺系統是一個在基於數位影像分析上作決定的電腦。

http://en.wikipedia.org/wiki/Machine_vision

通過上面的定義，其實機器視覺和電腦視覺並沒有很清晰的界限，而是緊密的聯絡在一起，它們有著相同的理論，只是在應用中根據具體實際應用目標的不同而不同。電腦視覺與機器視覺都是要從映像或映像序列中擷取對世界的描述，因此，對基本層的映像擷取、影像處理，中層的映像分割、映像分析和高層的映像理解這些理論知識的掌握對兩者來說都是“萬變不離其宗”。

正是有了前面的問題，才使得我去找答案，不管答案是否正確，在這過程當中我已經學到了知識，正如這樣一句話：”The important thing about a problem is not its solution, but the strength we gain in finding the solution.” 其實做研究很重要的就是要發現問題，只有發現了問題，才能竭盡所能去找尋解決方案。如果你們有什麼好的看法，或者有什麼不對的地方，可以不妨提出來交流一下，希望能在交流中獲得新的知識，鼓勵自己去繼續學習研究！