随着计算机技术和人工智能等科学的发展，计算机在越来越多的领域取代人来进行工作，并由此衍生出很多热点学科，计算机视觉就是其中之一。计算机视觉是利用机器来模拟人的视觉系统，通过成像系统来捕获图像，然后通过计算机处理、分析图像，获得图像中包含的模式信息，然后做出相应判断的学科。计算机视觉可以用于生产、医疗诊断、监控等多个领域，并可大大减少人的劳动。计算机视觉是一门很综合的学科，其中涉及到图像处理、模式识别等多方面的知识。通过运用图像处理知识，可以对图像进行滤噪、分割等操作，进而修补图像的缺陷和简化图像复杂度。利用模式识别知识，可以使计算机模拟人的思考过程，智能的对图像进行分析、理解，提取其中的特征量，进而对所得的特征量进行综合、比较，最后帮人做出正确的判断。在这个过程中，模式识别是重点，也是其中的难点。因为事物千差万别，各自包含的特征分布也各不相同。只有认真地对待分类图像进行分析后，才能正确地提取不同图像中的特征量，然后再利用这些特征量对计算机进行训练、学习，才能在之后的工作过程中正确、高效地对图像判断、分类。模式识别的过程一般包括信息提取、预处理、特征提取选择和分类几个步骤。本文中分类部分采取了BP神经网络的方法，它是一种有导师的智能神经网络识别法，通过有限的案例学习就可以使神经系统保持“记忆”，并利用这种记忆去分类。特征的选取分类有多种方法，比如欧氏距离、概率距离等多种方法，本文的后面章节将以手势分类和干细胞分类为例，展示了对不同模式进行分析后，综合利用上述方法，合理地选择不同的特征对图像进行区分，分类结果表明实验取得了较好的分类效果。