很多人認為機器視覺和計算機視覺是一個概念，其實還是不一樣的。一般來說，機器視覺就是用機器代替人眼進行測量和判斷，側重於工程實用性，實時性，高精度等。計算機視覺是一個通過技術幫助計算機“看到”並理解數字影像內容的研究領域，例如理解照片和視訊的內容。側重於理論和演算法。
這麼說好像有點不好理解，那我從其他方面講一下。
機器視覺要考慮的很多問題，其實還不是演算法問題，演算法是很重要，但對於很多機器視覺任務來說，其實最重要的是整個系統如何組織和執行。比如在什麼平臺上？在什麼環境下？需要達到什麼精度和速度？類似於光源、鏡頭、相機、相機-計算機介面這種問題，在計算機視覺裡，都是基本上不怎麼考慮的問題。但實際上，這種問題恰恰是機器視覺系統中很重要的問題。
至於題主說到的OpenCV，其實機器視覺領域用得最多的軟體應該不是OpenCV，而是Halcon。雖然知道OpenCV的人比知道Halcon的人多多了，但實際上，Halcon才是最適合做機器視覺的軟體，這是由它的定位決定的。
在機器視覺行業，從易用性來說，Halcon比OpenCV好用多了。當然OpenCV有很多自己的優勢，比如開源，比如豐富的演算法，但體現在機器視覺領域會比較少一些。
所以如果你真的想學習機器視覺，我覺得從Halcon開始是比較合適的。當然最好是以專案驅動的方式來學習，這樣一個流程走完後，應該就會對機器視覺有所瞭解了。
如果是想快速解決某個問題，用Halcon做好演算法以後，可以生成各種所需語言的程式碼，比如C，C++，C#，然後也很方便地整合到目標系統中。
至於選擇整合到用什麼語言的軟體，如果是Windows平臺的話，C#可能是最容易學的，而且不容易出錯，對新手非常友好。C++的話，建議選Qt而不是VC++。
機器視覺的書籍，只推薦一本，這本書對於機器視覺來說，非常經典。雖然比較古老，但並不過時。即使你只想學習OpenCV，那這本書其實也很有啟發性。
本作品採用《CC 協議》，轉載必須註明作者和本文連結