計算機視覺領域包括的主要領域有影象分割（影象資訊預處理）、三維重建和模式識別（包括對靜態、動態物體的識別與理解）。
（1）影象分割：影象分割是影象識別和
計算機視覺
至關重要的預處理。沒有正確的分割就不可能有正確的識別。但是，進行分割僅有的依據是影象中畫素的亮度及顏色，由計算機自動處理分割時，將會遇到各種困難。例如，光照不均勻、雜訊的影響、影象中存在不清晰的部分，以及陰影等，常常發生分割錯誤。因此影象分割是需要進一步研究的技術。
（2）三維重建（場景重建）：是指對三維物體建立適合計算機表示和處理的數學模型,是在計算機環境下對其進行處理、操作和分析其性質的基礎,也是在計算機中建立表達客觀世界的虛擬實境的關鍵技術。
（3）模式識別：模式識別（英語：pattern recognition），又稱圖形識別，就是通過計算機用數學技術方法來研究模式的自動處理和判讀。我們把環境與客體統稱為「模式」。資訊處理過程的乙個重要形式是生命體對環境及客體的識別。對人類來說，特別重要的是對光學資訊（通過
視覺器官
來獲得）
和聲學資訊（通過聽覺器官來獲得）的識別。這是模式識別的兩個重要方面。
模式識別中的預處理和
特徵抽取
環節應用影象處理的技術；影象處理中的影象分析也應用模式識別的技術。
關於計算機視覺研究方向的應用的方法也分為兩個方向：
基於深度學習的和基於幾何方法的
（傳統方法）。
基於深度學習的應用包括：
。
基於幾何方法的應用：
虛擬實境、增強現實、三維重建、機械人、無人機、無人駕駛等。
乙個計算機視覺，影象處理和機器視覺所共有的經典問題便是
判定一**像資料中是否包含某個特定的物體，影象特徵或運動狀態。這一問題通常可以通過機器自動解決，但是到目前為止，還沒有某個單一的方法能夠廣泛的對各種情況進行判定：在任意環境中識別任意物體。現有技術能夠也只能夠很好地解決特定目標的識別，比如簡單幾何圖形識別，人臉識別，印刷或手寫檔案識別或者車輛識別。而且這些識別需要在特定的環境中，具有指定的光照，背景和目標姿態要求。
廣義的識別在不同的場合又演化成了幾個略有差異的概念：
識別（狹義的）：對乙個或多個經過預先定義或學習的物體或物類進行辨識，通常在辨識過程中還要提供他們的二維位置或三維姿態。
鑑別：識別辨認單一物體本身。例如：某一人臉的識別，某一指紋的識別。
監測：從影象中發現特定的情況內容。例如：醫學中對細胞或組織不正常技能的發現，交通監視儀器對過往車輛的發現。監測往往是通過簡單的圖象處理發現影象中的特殊區域，為後繼更複雜的操作提供起點。
識別的幾個具體應用方向：
基於內容的影象提取：在巨大的影象集合中尋找包含指定內容的所有。被指定的內容可以是多種形式，比如乙個紅色的大致是圓形的圖案，或者一輛自行車。在這裡對後一種內容的尋找顯然要比前一種更複雜，因為前一種描述的是乙個低階直觀的視覺特徵，而後者則涉及乙個抽象概念（也可以說是高階的視覺特徵），即『自行車』，顯然的一點就是自行車的外觀並不是固定的。
姿態評估：對某一物體相對於攝像機的位置或者方向的評估。例如：對機器臂姿態和位置的評估。（1
）深度學習(ae\vae\rbm\dbn\cnn\rnn\gan)； （
2）機器學習
常用基本演算法
：決策樹、樸素貝葉斯分類器、聚類、支援向量機、線性回歸、logistic 回歸、k近鄰演算法、整合學習等 （
3）概率圖(貝葉斯有向圖、馬爾可夫無向圖)； （
4）最優化理論(最小二乘、線性規劃、非線性規劃、凸優化);
計算機視覺常識
此外資料集還有imagenet 微軟的ms coco資料集 imagenet 資料集包含 21841 個類別，14,197,122張，其通過wordnet對類別進行分組，使資料集的語義資訊更合理，非常適合影象識別 imagenet large scale visual recognition cha...
計算機前沿研究方向
1 計算機應用技術 計算機網路 實時計算機應用 cims 計算機圖形學 平行計算 網路資訊保安 資料庫 情感計算 資料探勘 分布式計算 知識工程 計算機視覺 自動推理 機器學習 草圖理解 網路效能分析與協議設計 網路管理與安全 計算機圖形學 資訊視覺化 基於gpu的高效能計算 複雜系統 應急 物流 ...
（計算機視覺）計算機視覺基礎
opencv cximage cimg freeimage opencv中vc庫的版本與visual studio版本的對應關係 vc8 2005 vc9 2008 vc10 2010 vc11 2012 vc12 2013 vc14 2015 vc15 2017 visual studio中的輔助...