学习计算机视觉图可以从以下几个方面入手：
了解基础概念
学习计算机视觉技术需要掌握的基础概念包括图像处理、图像分割、目标检测、图像识别等。这些概念是理解计算机视觉技术的核心原理的基础。
学习编程基础
编程是实现计算机视觉技术的关键，因此需要学习一门编程语言，如Python或C++，并掌握其基本语法和编程思想。熟练掌握编程能力将为你在计算机视觉领域的学习和实践提供坚实的基础。
掌握图像处理技术
图像处理是计算机视觉技术的基础，包括图像增强、滤波、边缘检测等技术。通过学习和实践图像处理技术，你将能够理解和应用各种图像处理算法，为后续的计算机视觉任务打下基础。
学习机器学习算法
机器学习是计算机视觉技术的核心方法之一。学习机器学习算法，如支持向量机、决策树、神经网络等，能够帮助你理解和应用各种计算机视觉任务中的分类、回归和聚类算法。
深入学习深度学习
深度学习在计算机视觉领域取得了重大突破，特别是在图像分类、目标检测、图像生成等任务中。学习深度学习框架，如TensorFlow、PyTorch等，以及常用的卷积神经网络（CNN）和循环神经网络（RNN）等模型，将使你能够利用深度学习技术解决复杂的计算机视觉问题。
掌握目标检测技术
目标检测是计算机视觉中的重要任务，它能够识别图像中的目标并标出其位置。学习目标检测算法，如R-CNN、Fast R-CNN、YOLO等，掌握目标检测技术将使你能够应对各种实际场景中的目标检测问题。
学习图像分割技术
图像分割在像素级别对图像本身进行区分，划分出像素来自于不同的物体。学习图像分割算法，如FCN、U-Net、Grabcut等，将使你能够实现图像分割和语义分割的应用。
了解三维视觉和立体匹配技术
三维视觉和立体匹配技术用于从多个视角的图像中重建三维场景。学习三维视觉和立体匹配算法，如SFM、SLAM、立体匹配算法等，将使您能够实现三维视觉和立体匹配的应用。
熟悉人脸识别和物体跟踪技术
人脸识别和物体跟踪是计算机视觉技术中的热门应用。学习人脸识别和物体跟踪算法，如人脸检测、人脸识别、多目标跟踪等，将使您能够实现人脸识别和物体跟踪的应用。
实践项目
通过实际项目来巩固所学的知识，可以选择一些开源项目或者自己实现一些算法，通过实践来加深对理论知识的理解和应用能力。
建议从基础知识开始，逐步深入到具体的算法和技术，同时结合实际项目进行练习，这样可以更好地掌握计算机视觉图的学习。