图像处理：应该了解基本的图像处理技术，例如过滤、阈值处理、边缘检测和特征提取。

机器学习：将需要了解机器学习算法，尤其是那些用于图像分类和对象检测的算法，例如卷积神经网络(CNN)、支持向量机(SVM)和随机森林。

深度学习：了解TensorFlow和PyTorch等深度学习框架对于开发更高级的机器视觉应用程序也很重要。数学先决条件：需要对线性代数、微积分和统计学有很好的理解，才能理解计算机视觉和机器学习算法背后的基础数学。

此外，实践经验在该领域至关重要，因此应用通过实践项目学到的概念和技术非常重要。可能还会发现加入在线社区和论坛以与其他机器视觉爱好者联系并从他们的经验中学习很有帮助。