学习计算机视觉需要掌握以下几个方面的知识：
数学基础：
包括线性代数、概率统计、微积分等，这些是理解和设计计算机视觉算法的基础。
编程能力：
需要熟练掌握至少一门编程语言，如Python或C++，并且能够使用相关的库，如OpenCV、NumPy等。
图像处理：
学习图像处理的基本操作、技术、变换，包括图像滤波、特征提取、图像配准与全景拼接等。
特征工程：
学习如何从图像中提取有意义的特征，包括关键点检测、描述子提取等。
机器学习与深度学习：
理解并掌握监督学习、无监督学习和强化学习等基本概念，学习深度学习模型如卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等。
目标检测与分割：
学习如何定位目标位置、分出目标类别、提取目标关键点、从画面中分割出目标的像素。
模型评估与优化：
学习如何评估模型的性能，并进行模型优化以提高准确度和效率。
实践与项目经验：
通过实际项目来应用所学知识，积累实践经验。
相关学科：
了解与计算机视觉相关的学科，如机器视觉、数字图像处理、医学成像等。
系统能力：
培养系统性的思维方式，能够从整体上理解和解决复杂的计算机视觉问题。
建议的学习顺序是先掌握数学和编程基础，然后逐步深入到图像处理、特征工程、机器学习和深度学习，最后通过实践项目来巩固和应用所学知识。同时，保持对新技术和新方法的关注，不断更新自己的知识体系。