這兩個概念是不能隔離開來分析的，給題主講一個故事。我同學上研一的時候，他們學院叫做影象處理學院，研二的時候叫做人工智慧學院。

我是想告訴題主，二者不是單純的二分類問題，而是繼承和發展的關係。

人工智慧的定義是像人一樣思考行動，延伸一下，人工智慧計算機視覺是對讓計算機像人一樣去看。

狹隘的講，影象處理偏向於傳統的數字影象識別演算法。人工智慧機器視覺，側重於機器學習、深度學習等演算法，但不能脫離傳統的視覺演算法。

目前，傳統影象處理依然會被大量用到人工智慧計算機視覺的影象初級計算階段，機器學習和深度學習則把計算機視覺識別的準確度提升到了前所未有的高度。

因此說影象處理是人工智慧計算機視覺的童年階段，人工智慧計算機視覺是在傳統影象處理的基礎上大大提升了識別的準確度。

我在研究生期間，研究的就是影象處理和計算機視覺方面，兩者之間有很大的關聯性。影象處理側重利用傳統影象處理技術“處理”影象，對輸入的影象做某種變換，輸出仍然是影象，基本不涉及或者很少涉及影象內容的分析，比較典型的有影象變換，影象增強，影象去噪，影象壓縮，影象恢復，二值影象處理等等；而計算機視覺在於使用計算機來模擬人的視覺，用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的影象。

關於影象處理，影象分析和計算機視覺的劃分並沒有一個很統一的標準。一般的來說，影象處理的書籍總會或多或少的介紹一些計算機視覺的知識，而計算機視覺的書籍基本上都會包括影象處理和影象分析，只是不會介紹的太詳細。影象處理是底層視覺上的處理，計算機視覺是高層視覺上的分析，現在大多數研究者可能集中在計算機視覺領域，當然傳統影象處理技術是計算機視覺的基礎知識，也需要學習。

影象處理工程師可能主要在最基本圖形處理的開發與研究，熟悉影象處理的各種演算法，特別是影象去燥、影象增強、復原、質量改善、檢測、色彩科學、影象分割、影象識別處理、影象跟蹤、影象的獲取及影片處理。另外，要有優秀的數學功底（特別是線性代數、最佳化理論、統計知識）；計算機視覺工程師應該是演算法方向，需要掌握計算機視覺和影象處理基本演算法，瞭解機器學習基本演算法，如分類、迴歸、聚類、機率模型等，並在如下一個或多個相關方向有較深入研究：移動影象技術應用、影象內容搜尋、人臉檢測識別、影象分類標註、OCR、增強現實、影象質量評價、影象處理等；這兩個崗位具體應用包括人臉檢測識別、醫學影像處理、文字檢測與是識別、智慧駕駛、安防監控、三維視覺檢測、工業視覺檢測等，計算機視覺工程師崗位要求相比影象處理工程師要高，相比薪資待遇好，發展前景也不錯。

研一期間我主要是利用傳統影象處理技術來研究課題，後來隨著深度學習技術的發展，我也開始研究深度學習演算法，從就業要求來看，大多數網際網路招聘的計算機視覺崗位都需要掌握深度學習技術，傳統影象處理技術為輔。就這兩個崗位的發展前景來看，個人建議選擇計算機視覺方向，當然以上只代表個人觀點，題主需要多方面諮詢和考慮。

人工智慧技術是個非常大的範疇，其保函了機器學習，機器學習又保函了神經網路，神經網路又保函了深度學習。而影象處理也是一個針對影象演算法的技術用語，其可以廣義的來說是保函計算機視覺的，計算機視覺運用的技術也是影象處理的技術。

影象處理工程師和計算機視覺工程師可能側重點不一樣吧，在我看來影象處理工程師更偏重於基礎和通用演算法的研究與運用，需要的影象理論知識與經驗要多一點，側重點在工程應用，而計算機視覺更關注於影象深層演算法的研究，在演算法的創新性和改進上下功夫，所以一般都需要理論比較紮實的人去做，懂得從底層研究影象演算法。

總之，個人感覺，影象處理工程師偏重於影象演算法的應用，而計算機視覺工程師則偏重於底層演算法的研究與創新。對於深度學習在計算機視覺中應用的情況，可以參考我的這篇文章https://www.toutiao.com/i6800547638371418632/