你越往上走，你的视野就越宽广。也许现在你还是觉得有点困惑。当你对自己的专业和领域有了一定的了解，你就会知道方向在哪里
计算机视觉是一门研究如何让机器“看见”的科学。机器视觉是指用摄像机和计算机代替人眼对目标进行识别、跟踪和测量，并进一步进行图形处理，使计算机处理更适合人眼观察或传输到仪器检测图像。
计算机视觉作为一门科学学科，研究相关的理论和技术，试图建立一个能够从图像或多维数据中获取“信息”的人工智能系统
作为人工智能的重要组成部分，机器学习和计算机视觉是近年来研究生的热门话题。机器学习和计算机视觉需要处理各种算法，所以我们经常需要使用一些方便的工具来辅助研究，比如MATLAB就是一个常用的工具。
与Python相比，Matlab更像一个工具。虽然我经常说编程语言是一种工具，但python可以做除科学计算之外的其他事情，比如web开发。因此，Python是一种编程语言，而MATLAB更接近于一种工具。目前，matlab还支持语言输出。
因为我是作为一个程序员出生的，所以在早期我并不费心使用MATLAB。直到我们的一位同事在我面前展示了MATLAB的强大功能，我才对MATLAB更感兴趣，并用了一段时间。使用MATLAB有很强的方便性。以前需要很多代码的地方，只需要简单的配置，这样matlab就可以节省很多时间。如果你在做研究，你不需要实现这个项目，所以使用MATLAB绝对是一个不错的选择，你不必在编码上投入太多精力。
后来，我开始做机器学习，因为我的很多研究内容是要实现的（基于实际应用），所以我直接用python。在使用python之前，我使用了java（其中有更多的故事）。如果您需要在实践中使用该算法，那么必须正确地使用python。MATLAB擅长分析和建模。
Python机器学习需要使用numpy、Matplotlib和SciPy，使用起来并不复杂。学习Python也相对简单易用。
建议在研究生阶段学习Python，但这取决于导师的具体安排和指导。虽然他们都做机器学习，但我的研究更倾向于机器学习应用，所以我推荐python。机器视觉是最常用的人工智能应用之一。更好的介绍请看维基百科。
https://en.wikipedia.org/wiki/Computer计算机视觉是利用计算机对图像进行处理，获得我们想要的信息。在人工智能领域，计算机视觉的意义更近了一步，它不再是简单的图像采集和图像处理，如裁剪、缩放、滤波等，而是如何像人一样理解图像。这一领域的先驱者可以追溯到更早的时代，但直到20世纪70年代末，计算机性能的提高足以处理图像等大规模数据，计算机视觉才得到了正式的关注和发展。
例如，在下面的图片中，人们可以很容易地识别一个男人、一条斑马线、一个黑色背包、一部手机等等。同时，他们还可以了解这些对象之间的关系。一个背着黑色背包的男子正在打电话穿越斑马线。甚至可以进行进一步的推理，比如根据男人的穿着，那么他可能是一个喜欢运动的人。
信息，计算机视觉就是这么做的。
目前，计算机视觉主要包括：最基本的，如目标检测与识别，在此基础上，动作手势识别，目标跟踪，图像恢复与增强。
进一步的研究是图像理解。例如，在下面的图片中，我们首先需要识别图片中的所有对象并为它们添加标签。例如，在左边的图片中，我们可以识别大象、河流等，甚至包括描述性信息，如脏的、躺着的、站着的等等。这些标记在语义上被重新组织成一个句子。然而，在图像中仍然存在许多问题，如识别图像中不存在的对象，如马、人等。因此，输出语句（黑色）与实际语句（蓝色）有很大的不同。
计算机视觉属于什么专业？计算机视觉和机器视觉，首先应用场景是不一样的
其次，我觉得大的区别在于重点的技术要求不一样，甚至有很大的不同。
计算机视觉，主要用于定性分析，如分类识别，这是一个杯子，那是一只狗。或者做身份识别，比如人脸识别，车牌识别。或者做行为分析，比如入侵、游荡、剩饭剩饭、人群聚集等
机器视觉主要关注数量的分析，比如通过视觉测量零件的直径。一般来说，它要求高精度。当然，不能按质量或数量来做。一些计算机视觉应用还需要分析数量，比如商场里的人数。有些机器视觉还需要对质量进行分析，比如零件的自动分类。但一般来说，计算机视觉对质量的要求不是很高。商场里人数的统计误差不能杀人，但机器视觉确实可以，比如说测量出的道岔间距。
既然要求如此之高，机器视觉比计算机视觉更难吗？
