在我的理解里，要實現計算機視覺必須有圖像處理的幫助，而圖像處理倚仗與模式識別的有效運用，而模式識別是人工智能領域的一個重要分支，人工智能與機器學習密不可分。縱觀一切關系，發現計算機視覺的應用服務于機器學習。各個環節缺一不可，相輔相成。

計算機視覺（computer vision），用計算機來模擬人的視覺機理獲取和處理信息的能力。就是是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，用電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。計算機視覺研究相關的理論和技術，試圖建立能夠從圖像或者多維數據中獲取‘信息’的人工智能系統。計算機視覺的挑戰是要為計算機和機器人開發具有與人類水平相當的視覺能力。機器視覺需要圖象信號，紋理和顏色建模，幾何處理和推理，以及物體建模。一個有能力的視覺系統應該把所有這些處理都緊密地集成在一起。

圖像處理（image processing），用計算機對圖像進行分析，以達到所需結果的技術。又稱影像處理。基本內容圖像處理一般指數字圖像處理。數字圖像是指用數字攝像機、掃描儀等設備經過采樣和數字化得到的一個大的二維數組，該數組的元素稱為像素，其值為一整數，稱為灰度值。圖像處理技術的主要內容包括圖像壓縮，增強和復原，匹配、描述和識別3個部分。常見的處理有圖像數字化、圖像編碼、圖像增強、圖像復原、圖像分割和圖像分析等。圖像處理一般指數字圖像處理。

模式識別（Pattern Recognition）是指對表征事物或現象的各種形式的（數值的、文字的和邏輯關系的）信息進行處理和分析，以對事物或現象進行描述、辨認、分類和解釋的過程，是信息科學和人工智能的重要組成部分。模式識別又常稱作模式分類，從處理問題的性質和解決問題的方法等角度，模式識別分為有監督的分類（Supervised Classification）和無監督的分類（Unsupervised Classification）兩種。模式還可分成抽象的和具體的兩種形式。前者如意識、思想、議論等，屬于概念識別研究的范疇，是人工智能的另一研究分支。我們所指的模式識別主要是對語音波形、地震波、心電圖、腦電圖、圖片、照片、文字、符號、生物傳感器等對象的具體模式進行辨識和分類。模式識別研究主要集中在兩方面，一是研究生物體（包括人）是如何感知對象的，屬于認識科學的范疇，二是在給定的任務下，如何用計算機實現模式識別的理論和方法。應用計算機對一組事件或過程進行辨識和分類，所識別的事件或過程可以是文字、聲音、圖像等具體對象，也可以是狀態、程度等抽象對象。這些對象與數字形式的信息相區別，稱為模式信息。模式識別與統計學、心理學、語言學、計算機科學、生物學、控制論等都有關系。它與人工智能、圖像處理的研究有交叉關系。

機器學習（Machine Learning）是研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要使用歸納、綜合而不是演繹。機器學習在人工智能的研究中具有十分重要的地位。一個不具有學習能力的智能系統難以稱得上是一個真正的智能系統，但是以往的智能系統都普遍缺少學習的能力。隨著人工智能的深入發展，這些局限性表現得愈加突出。正是在這種情形下，機器學習逐漸成為人工智能研究的核心之一。它的應用已遍及人工智能的各個分支，如專家系統、自動推理、自然語言理解、模式識別、計算機視覺、智能機器人等領域。機器學習的研究是根據生理學、認知科學等對人類學習機理的了解，建立人類學習過程的計算模型或認識模型，發展各種學習理論和學習方法，研究通用的學習算法并進行理論上的分析，建立面向任務的具有特定應用的學習系統。這些研究目標相互影響相互促進。

人類研究計算機的目的，是為了提高社會生產力水平，提高生活質量，把人從單調復雜甚至危險的工作中解救出來。今天的計算機在計算速度上已經遠遠超過了人，然而在很多方面，特別是在人類智能活動有關的方面例如在視覺功能、聽覺功能、嗅覺功能、自然語言理解能力功能等等方面，還不如人。

這種現狀無法滿足一些高級應用的要求。例如，我們希望計算機能夠及早地發現路上的可疑情況并提醒汽車駕駛員以避免發生事故，我們更希望計算機能幫助我們進行自動駕駛，目前的技術還不足以滿足諸如此類高級應用的要求，還需要更多的人工智能研究成果和系統實現的經驗。

責任編輯：ct