图像处理与人工智能计算机视觉有什么关联？

图像处理侧重利用传统图像处理技术“处理”图像，对输入的图像做某种变换，输出仍然是图像，基本不涉及或者很少涉及图像内容的分析，比较典型的有图像变换，图像增强，图像去噪，图像压缩，图像恢复，二值图像处理等等；而计算机视觉在于使用计算机来模拟人的视觉，用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

关于图像处理，图像分析和计算机视觉的划分并没有一个很统一的标准。一般的来说，图像处理的书籍总会或多或少的介绍一些计算机视觉的知识，而计算机视觉的书籍基本上都会包括图像处理和图像分析，只是不会介绍的太详细。图像处理是底层视觉上的处理，计算机视觉是高层视觉上的分析，现在大多数研究者可能集中在计算机视觉领域，当然传统图像处理技术是计算机视觉的基础知识，也需要学习。

图像处理工程师可能主要在最基本图形处理的开发与研究，熟悉图像处理的各种算法，特别是图像去噪、图像增强、复原、质量改善、检测、色彩科学、图像分割、图像识别处理、图像跟踪、图像的获取及视频处理。另外，要有优秀的数学功底（特别是线性代数、优化理论、统计知识）；计算机视觉工程师应该是算法方向，需要掌握计算机视觉和图像处理基本算法，了解机器学习基本算法，如分类、回归、聚类、概率模型等，并在如下一个或多个相关方向有较深入研究：移动图像技术应用、图像内容搜索、人脸检测识别、图像分类标注、OCR、增强现实、图像质量评价、图像处理等；这两个岗位具体应用包括人脸检测识别、医学影像处理、文字检测与是识别、智能驾驶、安防监控、三维视觉检测、工业视觉检测等，计算机视觉工程师岗位要求相比图像处理工程师要高，相比薪资待遇好，发展前景也不错。

上学的时候主要是利用传统图像处理技术来研究课题，后来随着深度学习技术的发展，我也开始研究深度学习算法，从就业要求来看，大多数互联网招聘的计算机视觉岗位都需要掌握深度学习技术，传统图像处理技术为辅。就这两个岗位的发展前景来看，个人建议选择计算机视觉方向。