计算机视觉（CV）的算法有：1、卷积神经网络（CNN）；2、图像分割；3、目标检测；4、光流法；5、深度学习；6、立体匹配。其中，卷积神经网络（CNN）是近年来较受欢迎的图像分类算法，而图像分割则是对图像进行区域划分的关键技术。

1、卷积神经网络（CNN）

CNN是目前计算机视觉中，特别是图像分类任务中较受欢迎的算法。它通过模拟生物中的视觉机制，使用多个卷积层对图像进行特征提取。

算法应用：CNN广泛应用于人脸识别、物体识别等领域，并取得了很好的效果。

2、图像分割

图像分割技术是将图像划分为若干个有意义的区域，每个区域内部具有一致性，这些区域之间则明显区分开。

算法应用：在医学图像、遥感图像处理以及物体检测等领域都有广泛应用。

3、目标检测

目标检测是识别图像中的所有感兴趣的目标，并给出其精确的位置信息。

算法应用：被广泛用于行人检测、车辆检测、人脸检测等任务。

4、光流法

光流法主要用于估计图像序列中的像素运动信息，从而实现对动态场景的理解。

算法应用：在视频分析、动作识别和实时追踪中都有广泛的应用。

5、深度学习

深度学习在计算机视觉中的应用非常广泛，它通过深层神经网络对图像特征进行抽象表示。

算法应用：主要用于图像识别、语义分割和目标检测等任务。

6、立体匹配

立体匹配技术是从两个或多个相机捕获的图像中计算深度信息，以获取三维结构信息。

算法应用：在三维重建、人机交互以及虚拟现实中都有重要的应用价值。

延伸阅读：

计算机视觉的基本概念

计算机视觉是一门研究如何使机器“看”世界的科学。这不仅仅是使机器检测和识别图像中的物体，更是要让机器能够理解图像的语义内容。这需要机器对图像中的物体、场景、属性以及它们之间的关系进行深入的解读。