Lexikon · C
Computer Vision
Kurzantwort
Computer Vision, auf Deutsch maschinelles Sehen, ist das Teilgebiet der Informatik, das Rechnern beibringt, Bilder und Videos auszuwerten. Es umfasst viele Einzelaufgaben, vom Einordnen eines Fotos über das Finden von Objekten bis zum Lesen von Schrift.

Was ist auf einem Bild zu sehen, wo liegt es, wie bewegt es sich und wie weit ist es entfernt? Mit diesen Fragen befasst sich Computer Vision. Ein Mensch erkennt auf einem Foto sofort eine Straße, eine Ampel und eine Radfahrerin, für den Rechner besteht dasselbe Foto aus einem Raster von Zahlen für Helligkeit und Farbe, ohne jede Bedeutung. Das Fach macht aus diesen Zahlen Aussagen.
Ein Sommerprojekt, das Jahrzehnte dauerte
Wie unterschätzt die Aufgabe anfangs war, zeigt ein Papier des Massachusetts Institute of Technology vom 1. Juli 1966. Seymour Papert beschrieb darin das "Summer Vision Project": Sommerkräfte sollten in einem Sommer Teile eines Sehsystems bauen, das Bilder in Objekte, Hintergrund und Unklares zerlegt und die Objekte schließlich benennt, indem es sie mit einem Vorrat bekannter Dinge vergleicht2. Dafür sollten die Programme Form und Oberfläche einzelner Bildbereiche beschreiben; das Papier spricht von einer Figur-Grund-Analyse2.
Lehrbuch und Werkzeuge
Das Lehrbuch von Richard Szeliski, "Computer Vision: Algorithms and Applications", erschien 2022 in zweiter Auflage; der Autor bietet eine elektronische Fassung zum Download für den persönlichen Gebrauch an1. Für eigene Versuche gibt es die freie Programmbibliothek OpenCV, die "Open Source Computer Vision Library", unter der Apache-Lizenz 2.03.
Die Aufgaben des Fachs
Computer Vision ist ein Sammelbegriff. Zu den wichtigsten Teilaufgaben gehören:
- die Bilderkennung, die ein ganzes Bild einer Klasse zuordnet,
- die Objekterkennung, die einzelne Dinge findet, umrandet oder pixelgenau ausschneidet,
- die Texterkennung (OCR) in Scans und Fotos,
- das Verfolgen von Objekten über die Bilder eines Videos,
- das Schätzen von Tiefe und das Rekonstruieren räumlicher Szenen aus mehreren Aufnahmen.
Über Jahrzehnte entwickelten Fachleute für jede dieser Aufgaben eigene Verfahren. Mit neuronalen Netzen, zuerst vor allem dem CNN, wuchsen sie zusammen. Inzwischen gibt es Grundmodelle, die viele Aufgaben ohne eigenes Training lösen. Eine Forschungsgruppe um Alexander Kirillov stellte 2023 mit "Segment Anything" ein Modell vor, das auf mehr als einer Milliarde Masken in 11 Millionen Bildern trainiert wurde und Objekte auch in Bildarten ausschneidet, die es nie gesehen hat4. Modell und Datensatz haben die Autoren frei veröffentlicht4.
Wo du Computer Vision begegnest
Die Kamera deines Handys erkennt Gesichter für die Schärfe, Text für die Übersetzung und Dokumente für den Scan. Beim autonomen Fahren lesen Kameras Verkehrszeichen und erkennen Fahrspuren, in der Produktion prüfen sie Bauteile auf Kratzer und Maßfehler.
Rechtlich heikel ist die Erkennung von Personen: Gesichtserkennung im öffentlichen Raum wirft Fragen zu Grundrechten und Überwachung auf. Für alle Anwendungen gilt eine Grenze: Ein System, das mit Aufnahmen bei bestimmtem Licht und aus bestimmtem Blickwinkel trainiert wurde, kann bei anderem Licht oder Winkel deutlich schlechter abschneiden.
Häufige Fragen
Ist Computer Vision dasselbe wie Bildverarbeitung?
Die Begriffe überschneiden sich. Bildverarbeitung verändert Bilder, etwa durch Schärfen oder Entrauschen. Computer Vision will verstehen, was ein Bild zeigt.
Welche Programmiersprache nutzt man für Computer Vision?
Am verbreitetsten ist Python, weil die wichtigen Bibliotheken wie OpenCV und die Frameworks für neuronale Netze dafür Schnittstellen haben. Die rechenintensiven Teile sind meist in C++ geschrieben.
Quellen
Stand:
- Richard Szeliski: Computer Vision: Algorithms and Applications, 2nd edition, Stand 2022, abgerufen am 22.11.2026. zurück
- MIT DSpace (Papert): The Summer Vision Project, AI Memo 100, Stand 01.07.1966, abgerufen am 22.11.2026. zurück
- OpenCV (GitHub): opencv/opencv, README, abgerufen am 22.11.2026. zurück
- arXiv (Kirillov u. a.): Segment Anything, Stand 05.04.2023, abgerufen am 22.11.2026. zurück





