計算機視覺和圖像處理就像堂兄妹，但他們有著很不同的目標。圖像處理技術主要是用來提高圖像的質量，將其轉換成另外壹種格式(如直方圖)或改變它以進壹步處理。另壹方面，計算機視覺更側重於從圖像中提取信息，以感知它們。因此，您可能會使用圖像處理將彩色圖像轉換為灰度圖像，然後用計算機視覺檢測圖像中的對象。如果我們再進壹步往上看這個“族譜”，我們看到，這兩個領域都受物理領域很大的影響特別是光學。
圖形識別與機器學習(Pattern Recognition and Machine Learning)
到目前為止，情況還這麽簡單。當我們將圖形識別或更廣泛的機器學習加入到“族譜”當中的時候，情況就開始變得有些復雜。這個分支專註於識別數據中的圖形，對於需要機器人視覺的旭東更先進的功能來說這是相當重要的。例如，為了能夠從它的圖像中識別壹個對象，該軟件必須能夠監測到它所看到的對象是不是之前看到過的對象。因此，機器學習是計算機視覺除信號處理之外的另外壹個母體。
然而，並不是所有的計算機視覺技術都需要機器學習。妳也可以使用信號，而不是圖像進行機器學習，然後將其作為壹個Input輸入到機器學習算法。例如。計算機視覺檢測到傳送帶上的零件大小和顏色，然後機器學習根據它從正常的良品看起來應該是什麽樣子學到的知識，來判定這些零件是不是不良品。
機器視覺(MachineVision)
現在我們談到機器視覺，壹切都將改變。這是因為機器視覺完全不同於之前談到的術語。它更側重於特定的應用，而不僅僅是關註技術的部分。機器視覺是指工業用途的視覺來進行自動檢測、過程控制和機器人導引。“族譜”的其余部分是科學領域，而機器視覺是壹個工程領域。
某種程度上來說，妳可以認為機器視覺是計算機視覺的孩子，因為它使用計算機視覺和圖像處理的技術和算法。但是，雖然它可以用來指導機器人的，他又不完全是機器人視覺。