在我看来，计算机视觉强调了视觉算法方面的开发，更主要的是用于民用，这个时候场景是不受控的，比如手机拍照、摄像后的一些图像识别、计算机视觉处理，这个时候是没有办法控制用户去在什么场景下操作摄像头的，而且也没办法去控制摄像头的质量，所以很多算法的效果无法满足用户真实需求，最后只能“玩”一下，“萌”一下。
　　我觉得机器视觉是计算机视觉在工业上的应用。既然现在的计算机视觉技术还无法与人眼的能力想媲美，而工业自动化等又迫切需要一些反馈变量来控制机械设备比如机械手臂等。为了实用性，那么必须明确工业场景，选用专业的工业相机、镜头，采用专业的打光技术，此时就大大降低了计算机视觉算法的难度，保证了视觉算法的稳定性。
　　举个例子，要检测矿泉水瓶还有多少矿泉水，或者检测里面有没有透明的杂质，这个时候，单纯计算机视觉处理比较困难，因为水的颜色和透明杂质颜色和瓶子颜色很接近。如果打上特有波长的光，那么光线可能容易穿过水不容易穿过杂质，就会在相机里有更加明显的色彩差异性。这样计算机视觉算法很容易对这个图像做后期处理和计算了。
　　对机器视觉领域来说，很多人称为机器视觉应用工程师，而不是算法工程师，主要是目前有比较成形的软件如HALCON。只要配置一些参数等，就可以进行工业检测了，例如元器件划痕检测、缺陷检测。HALCON我有资料但一直没看，有点类似于Matlab的simulink组件。当然也是可以进行二次开发的，具体怎么开发不清楚。
　　随着计算机视觉算法的进步，有些机器视觉领域会减少硬件的依赖。当然还有些领域，例如探测非表面的物体的质量，例如皮下组织的细胞病变，这个时候必须要必须配置特有波长的发光器材，这个单靠视觉算法是无法满足要求的。
　　从算法角度来说，计算机视觉和机器视觉都采用的是计算机视觉算法，只是在具体应用的时候有一定差异性。我固态硬盘坏了，之前收藏的一些好的介绍资料找不到了。下次找到了再发出来一起讨论吧。