研究生搞機器視覺算法搞不出來怎么辦？這相對來說并不太難，你也不必灰心。如果你根本沒有基礎。再過兩個月，現(xiàn)在就可以開始學習了。我也從機械設計專業(yè)的零基礎開始學習機器視覺。買書的第一步，opencv3編程

研究生搞機器視覺算法搞不出來怎么辦？

這相對來說并不太難，你也不必灰心。如果你根本沒有基礎。再過兩個月，現(xiàn)在就可以開始學習了。我也從機械設計專業(yè)的零基礎開始學習機器視覺。

買書的第一步，opencv3編程入門。根據(jù)上面的例子，慢慢學習，一個接一個地敲代碼，遇到不懂百度上的函數(shù)、語法等，遇到高手一個。這一步將持續(xù)大約一個月。中間不要涉及太復雜的算法，只要掌握語法和函數(shù)即可。

第二步是從Internet下載案例教程。每種算法都有一個經典的案例和實現(xiàn)代碼來學習、理解和掌握參數(shù)設置的意義。這一步不需要有太多的創(chuàng)意，只需按照已有的算法學習即可。

完成以上兩個步驟后，即使您是初學者，您的opencv機器視覺也不會如此混亂。如果循序漸進，基本上不會有大問題。

機器視覺與計算機視覺的區(qū)別是什么？

計算機視覺和機器視覺，首先應用場景是不一樣的

其次，我覺得最大的區(qū)別在于重點的技術要求不一樣，甚至有很大的不同。

計算機視覺，主要用于定性分析，如分類識別，這是一個杯子，那是一只狗?；蛘咦錾矸葑R別，比如人臉識別，車牌識別?；蛘咦鲂袨榉治?，比如入侵、游蕩、剩飯剩飯、人群聚集等

機器視覺主要關注數(shù)量的分析，比如通過視覺測量零件的直徑。一般來說，它要求高精度。當然，不能按質量或數(shù)量來做。一些計算機視覺應用還需要分析數(shù)量，比如商場里的人數(shù)。有些機器視覺還需要對質量進行分析，比如零件的自動分類。但一般來說，計算機視覺對質量的要求不是很高。商場里人數(shù)的統(tǒng)計誤差不能殺人，但機器視覺確實可以，比如說測量出的道岔間距。

既然要求如此之高，機器視覺比計算機視覺更難嗎？