我已经在计算机视觉和图像处理方面工作和学习了几年，我相信我不再是一个完整的初学者了。
尽管如此，经过这么多年，我还是很难判断我工作的任何特定部分是主要与计算机视觉相关，还是与图像处理相关。我只是看不到这条线——当我工作、学习和研究时，我会阅读带有两个关键词的参考资料。
因此，我对计算机视觉和图像处理领域的定义感兴趣，重点是领域的比较（差异和重叠）。
此外，我认为有一个（概念的或现有的）实际应用程序、项目和工作的例子来处理/利用：
特别注意是什么使它成为一个而不是另一个，或者是什么使它两者兼而有之。
我知道这些领域是高度相关的，“线”可能不像这个问题所要求的那么清楚，但我希望你明白这个问题的重点不是设计一个简单的分类决策规则（我的）工作，而是更好地理解这些领域的重点和目标。此外，欢迎任何与我的问题语气相关的附加信息，即使我没有特别要求。
我相信Gonzalez 和 Woods 的书 - Digital Image Processing足以依靠他们的意见：
对于图像处理在何处停止以及其他相关领域（例如图像分析和计算机视觉）从何处开始，作者之间没有达成普遍共识。有时通过将图像处理定义为一个过程的输入和输出都是图像的学科来进行区分。我们认为这是一个限制性的并且有点人为的边界。例如，根据这个定义，即使是计算图像平均强度（产生单个数字）的琐碎任务也不会被视为图像处理操作。另一方面，还有一些领域，比如计算机视觉，其最终目标是用计算机来模拟人类的视觉。，包括学习和能够根据视觉输入做出推断和采取行动。该领域本身就是人工智能 (AI) 的一个分支，其目标是模仿人类智能。就发展而言，人工智能领域处于起步阶段，进展比最初预期的要慢得多。图像分析（也称为图像理解）领域介于图像处理和计算机视觉之间。
所以我想说，主要区别在于目标，而不是方法。例如，如果目标是增强图像以供人类以后使用，那么这可以称为图像处理。如果目标是模仿人类视觉（无论是物体识别、缺陷检测还是自动驾驶），那么它更接近于计算机视觉。但是请注意，根据定义模拟人类视觉可能还需要图像增强，因此在大多数实际情况下，计算机视觉依赖于图像处理。
图像理解（特征提取）可以同样用于纯图像处理和计算机视觉。
我理解它的方式，图像处理的目标是获得（以某种方式转换的）图像。计算机视觉的目标是找出图像中事物的一些信息（例如图片上的人是高兴还是悲伤，图像中有多少辆车以及他们驾驶的方式）。
单独（或大部分）计算机视觉工具和想法
我不认为这是可能的，不是我理解这些术语的方式。
单独（或大部分）图像处理工具和想法
以 Adobe Photoshop 为例：它可以拍摄图像并将其转换为更苗条、皮肤更好的人的图像。但它对图像中描绘的对象一无所知。