计算机视觉 (CV) 是人工智能领域的一个分支，专注于使机器能够解释和理解图像或视频等视觉数据。其目标是提取有意义的信息——例如识别物体、检测模式或理解场景——以支持决策。另一方面，图像处理 (IP) 是指用于处理或分析图像的技术，旨在提高图像质量、提取细节或将其转换为更易用的形式。尽管这两个领域都处理视觉数据，但 CV 旨在获得高层理解，而 IP 则侧重于修改或增强原始数据本身。
CV 和 IP 之间的关系是层级性的。IP 通常作为 CV 任务的预处理步骤。例如，在计算机视觉系统检测图像中的人脸之前，它可能会使用 IP 方法（如降噪（例如高斯模糊）或对比度调整）来清理输入。类似地，边缘检测算法（一种常见的 IP 技术）可能会突出物体边界，然后 CV 算法利用这些边界来识别形状或跟踪运动。反之，CV 也可以通过提供上下文来指导 IP——例如使用物体识别来确定图像的哪些部分需要增强。OpenCV 等库集成了这两个领域，提供了用于过滤、转换和分析图像的工具，从而连接了这两个领域。
从事 CV 项目的开发者通常依赖 IP 技术来提高输入质量或降低计算复杂度。例如，在将图像送入神经网络 (CV) 之前对其进行缩放 (IP) 可以加快处理速度而不会牺牲准确性。一个实际例子是自动驾驶汽车：IP 算法纠正摄像头图像的镜头畸变或调整光照，而 CV 系统则解释清理后的数据以检测行人或交通标志。理解这两个领域使开发者能够优化流程——例如将直方图均衡化 (IP) 与卷积神经网络 (CV) 相结合以改善医学图像分析。CV 处理图像中的“是什么”，而 IP 则处理“如何”准备或优化图像，使它们成为解决视觉计算问题的互补工具。