企业为什么要做VI设计？
一方面，研究表明，人脑所获取的信息，约有80%来自于视觉。另一方面，视觉识别系统可以让我们通过每一种创造独特品牌风格的途径来传达品牌的核心理念，让受众可以感知、触摸和理解品牌。最后，视觉识别系统也是品牌的创造和管理中的一项重要内容，也是CIS系统中的VI，用完整、体系的视觉传达体系，将企业理念、文化特质、服务内容、企业规范等抽象语意转换为具体符号的概念，塑造出独特的企业形象。
视觉识别系统包含在哪里使用，以及如何使用创造视觉风格的要素，其项目最多，层面最广，效果更直接。
总的来说，视觉识别系统分为基础要素系统和应用要素系统两方面。基本要素系统主要是指标识的基础使用规范。而应用系统则包含办公事务用品、广告媒体、出版物、多媒体、流动媒体、建筑环境、产品和包装、衣着制服、导示招牌、展览展示、商务礼品、营销物料等。
哪些因素会影响视觉识别系统的建设？
视觉识别系统和品牌的其他操作性平台要素一样，都要从品牌战略的角度出发。除了品牌的核心理念之外，视觉识别系统还更多的受品牌的个性和外在表现特征所驱动。
创造视觉识别系统需要兼顾独特性、统一性和时代性。一个好的视觉识别系统不仅仅要彰显品牌独特性，也需要在各个不同的地方，具有一致的品牌表现，也就是我们特别强调的统一性。只有这样，才能更有效地积累起品牌的视觉资产。另外，视觉识别系统还应该顺应品牌的提升计划和潮流趋势，适时更新，更好地打动品牌的合作商和消费者。
计算机视觉与机器视觉的区别？”计算机视觉“，是指用计算机实现人的视觉功能，对客观世界的三维场景的感知、识别和理解。计算机视觉是一个处于指示前沿的领域。我们认为计算机视觉，或简称为“视觉”，是一项事业，它与研究人类或动物的视觉是不同的。它借助于几何、物理和学习技术来构筑模型，从而用统计的方法来处理数据。因此从我们的角度看，在透彻理解摄像机性能与物理成像过程的基础上，视觉对每个像素进行简单的推理，将在多幅图像中可能得到的信息综合成和谐的整体，确定像素集之间的联系以便将它们彼此分割开，或推断一些形状信息，使用几何信息或概率统计技术来识别物体。
”机器视觉“，即采用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分cmos和d两种）把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别。进而根据判别的结果来控制现场的设备动作。目前广泛应用于食品和饮料、化妆品、建材和化工、金属加工、电子制造、包装、汽车制造等行业。
机器视觉是个相对较新的技术，它为制造工业在提高产品质量、提高生产效率和操作安全性上提供了许多技术。在其他相关技术中，机器视觉包括图像数字化、图像操作和图像分析，通常使用计算机来完成，所以说它是一门覆盖图像处理和计算机视觉的专业。然而，我们又强调过机器视觉、计算机视觉和图像处理不是同义的。它们其中之一都不是任何其他两个的子集。计算机视觉是计算机科学的一个分支，而机器视觉是系统工程一个特殊领域。机器视觉没有说明要使用计算机，但是在获取高速处理速度上经常会使用特殊的图像处理硬件，这个速度是普通计算机所不能达到的。
机器视觉是计算机视觉在工厂自动化的一个应用。正如监视员在一个装配线上工作，可视地监视物件并判断其质量，因此机器视觉系统使用照相机和图像处理软件来完成类似的监视。一个机器视觉系统是一个在基于数字图像分析上作决定的计算机。
综上所述，其实机器视觉和计算机视觉并没有很清晰的界限，而是紧密的联系在一起，它们有着相同的理论，只是在实际应用中有所不同，计算机视觉与机器视觉都是要从图像或图像序列中获取对世。
机器视觉和计算机视觉的区别与关系研祥慧视机器视觉是目前国内最先进的液晶面板质量检测智能设备,广泛用于LCD模组、平板电视、平板电脑灯产品屏幕缺陷检测,代替人工检测,大幅度降低人力成本,提高检测效率。计算机视觉与机器视觉还是有区别的 计算机视觉主要是在计算机上完成分析,比较偏理论 机器视觉可以有嵌入式、DSP完成。
机器视觉和计算机视觉的区别和联系简单的介绍一下。
”计算机视觉“，是指用计算机实现人的视觉功能，对客观世界的三维场景的感知、识别和理解。计算机视觉是一个处于指示前沿的领域。我们认为计算机视觉，或简称为“视觉”，是一项事业，它与研究人类或动物的视觉是不同的。它借助于几何、物理和学习技术来构筑模型，从而用统计的方法来处理数据。因此从我们的角度看，在透彻理解摄像机性能与物理成像过程的基础上，视觉对每个像素进行简单的推理，将在多幅图像中可能得到的信息综合成和谐的整体，确定像素集之间的联系以便将它们彼此分割开，或推断一些形状信息，使用几何信息或概率统计技术来识别物体。
”机器视觉“，即采用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分cmos和d两种）把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别。进而根据判别的结果来控制现场的设备动作。目前广泛应用于食品和饮料、化妆品、建材和化工、金属加工、电子制造、包装、汽车制造等行业。
机器视觉与计算机视觉的区别和共同之处
计算机视觉与机器视觉，首先是应用场景不一样，就像视远图像赵旭回答的那样：你把摄像头对着人就是CV，对着车间就是MV。
计算机视觉和机器视觉应用场景不同，就像拉货车和载客车是的，侧重点不同而已，一个侧重人工智能分支，一个侧重工业应用！简单说起来的话，计算机视觉偏重于深度学习并且偏向软件，机器视觉偏重于特征识别同时对硬件方面要求也比较高，不过随着对智能识别要求越来越高的发展，这两个方向毕竟会互相渗透互相融合，区别也仅仅限于应用领域不同而已。
其次，我感觉最大的区别，在于技术要求的侧重点不一样，甚至差别很大。
计算机视觉，主要是对质的分析，比如分类识别，这是一个杯子那是一条狗。或者做身份确认，比如人脸识别，车牌识别。或者做行为分析，比如人员入侵，徘徊，遗留物，人群聚集等。
机器视觉，主要侧重对量的分析，比如通过视觉去测量一个零件的直径，一般来说，对准确度要求很高。我记得以前接触过一个需求: 视觉测量铁路道岔缺口。哥刚毕业的时候在铁路上班，做过控制系统，还开过内燃机车，很清楚道岔缺口的重要性，这玩意儿你说要是测不准，呵呵:)
当然，也不能完全按质或量一刀切，有些计算机视觉应用也需要分析量，比如商场的人数统计。有些机器视觉也需要分析质，比如零件自动分拣。但，计算机视觉一般来说对量的要求不会很高，商场人数统计误差个百分之几死不了人的，但机器视觉真的会，比如那个道岔缺口测量。
既然要求这么高，是不是机器视觉就比计算机视觉难呢？也不是的，应该说各有各的难处。
计算机视觉的应用场景相对复杂，要识别的物体类型也多，形状不规则，规律性不强。有些时候甚至很难用客观量作为识别的依据，比如识别年龄，性别。所以深度学习比较适合计算机视觉。而且光线，距离，角度等前提条件，往往是动态的，所以对于准确度要求，一般来说要低一些。
机器视觉则刚好相反，场景相对简单固定，识别的类型少(在同一个应用中)，规则且有规律，但对准确度，处理速度要求都比较高。关于速度，一般机器视觉的分辨率远高于计算机视觉，而且往往要求实时，所以处理速度很关键，目前基本上不适合采用深度学习。
以上讨论的是技术，商业方面，计算机视觉的应用面更广一些，毕竟很多业务是跟人相关，比如人脸识别，行为分析等，很多垂直领域都有计算机视觉潜在需求，相对来说，更适合创业；
而机器视觉顾名思义，业务主要跟机器相关，而且对准确度甚至安全性要求很高，也就在资质品牌方面有较高的门槛，所以寡头垄断严重，一般来说，更适合上班而不是创业。
机器视觉（Machine Vision, MV） &计算机视觉(Computer Vision, CV)
从学科分类上， 二者都被认为是 Artificial Intelligence 下属科目.
有几个分支：
一个是图像处理，主要是信号与系统，统计，优化
一个是求解景物与图像之间的关系，如立体视觉、三维重建，主要是几何
一个是模式识别，例如如何分割图像、识别目标，主要是人工智能
但实际提及时， 主观感觉上
MV 更多注重广义图像信号（激光，摄像头）与自动化控制（生产线）方面的应用。
CV 更多注重（2D, 3D）图像信号本身的研究以及和图像相关的交叉学科研究（医学图像分析，地图导航）。
简述计算机视觉、机器视觉、及视觉测量的区别及联系计算机视觉、机器视觉类似，计算机视觉强调软件解决，是机器视觉的分支。
视觉测量是机器视觉的应用，用超分辨率达到低成本、高精度的测量目的
机器视觉技术与计算机视觉技术的区别是什么前者偏工程，后者偏研究
前者是把视觉技术应用于生产，后者偏日常生活
研祥慧视机器视觉与计算机视觉有什么区别？计算机视觉与机器视觉还是有区别的
计算机视觉主要是在计算机上完成分析，比较偏理论
机器视觉可以有嵌入式、DSP完成
计算机多视几何，机器视觉的问题基本矩阵是从本质矩阵推导出来的，描述的是两个相机视点之间的三维投影变换关系，是对极约束的一种代数表示。常用F表示的一个3x3矩阵，该矩阵的秩为0。经典的8点算法就可以比较准确地计算出该关系。
单应矩阵一般描述的是两个平面之间的二维投影变换关系。常用H表示，一般也是3x3的矩阵。最少情况下用平面上的4个点对应就以求出该矩阵。
上述基本矩阵和单应矩阵的求解对应点越多越好，以避免出现退化情况。
用一句话来概括，基本矩阵是表示两个三维空间对应点集之间的变换关系，单应矩阵一般是表示两个二维空间对应点集之间的变换关系。
给出由一个平面引入的单应矩阵H可以计算出基本矩阵F=[e']xH。
另外，二般情况下，三维空间中也有单应矩阵，它也用H表示，却是个4x4的矩阵。
图像处理和计算机视觉的区别楼上的的回答很关键。这里再加一些：
图像处理，针对图像本身进行一些处理，这里可以是工业、医疗、娱乐、多媒体、广告等多个行业的，如常见的Photoshop也是图像处理软件，使用此软件从事相关工作的人也是图像处理人员。其它行业也有类似的效果，即将原始图像，通过一些算法、技术、手段等，转换成用户自己认为理想的图像，即把图像给处理了。
计算机视觉，或者说是机器视觉（计算机视觉与机器视觉略有不同，不过更相近），则类似于人类的视觉效果，只不过是用到了机器、计算机上。这其中，大部分的机器视觉，都包含了图像处理的过程，只有图像处理过后，才能找到图像中需要的特征，从而更进一步的执行其它的指令动作，如机械手臂的运动、机台的移动等，这些应用在大学里主要表现在机器人上，如机器人踢球、下棋等，在工业上，则主要应用于工业机器人，完成自动生产、装配、检测等工作，富士康就有大量的机器人，在农业上，则表现在一些自动收割机，如棉花收割，自动分类机器。
当然也有一些机器视觉是不需要图像处理的，如经过相机镜头等直接连接到显示器上观察的，结果好坏是由人来判断的，这时图像处理的过程是由人自己完成的，而不是计算机。还有一些图像传感器有固定的特性，如颜色传感器，那样只会有信号出来即可，也是没有图像处理的。
计算机视觉，一定是包含计算机的，而机器视觉，则不一定需要计算机，可以是智能相机，也可以是图像传感器，当然也可以使用计算机完成。
Visual Identity System（视觉识别系统），简称-VIS，通俗称为VI，是司肖系统的重要组成部分。 是将企业理念、企业文化、运用整体的传达系统，通过标准化、规范化的形式语言和系统化的视觉符号，传达给社会大众，具有突出企业个性，塑造企业形象的功能。 视觉识别系统手册，是以公司的经营理念及精神文化为指导而制定的标准徽标、标准字体、标准色彩的完善组合在企业管理与交往中的应用规范。 视觉识别手册通常分为基础系统和应用系统。应用系统是各基本要素规范的延伸使用；包括办公事务用品、公关事务用品、广告、环境识别、服饰、交通工具等。在各项实际应用中，除了考虑形象美观因素外，还应考虑到功能性及经济实用性。 视觉识别作为企业各部门准确实施的标准，全体员工有维护本企业整体形象的责任与义务，必须严格遵守。
