看到這個問題忍不住進來答一下。
計算機視覺與機器視覺，首先是應用場景不一樣，就像@Vinjn張靜 回答的那樣。

其次，我感覺最大的區別，在於技術要求的側重點不一樣，甚至差別很大。
計算機視覺，主要是對質的分析，比如分類識別，這是一個杯子那是一條狗。或者做身份確認，比如人臉識別，車牌識別。或者做行為分析，比如人員入侵，徘徊，遺留物，人群聚集等。
機器視覺，主要側重對量的分析，比如通過視覺去測量一個零件的直徑，一般來說，對準確度要求很高。我記得以前接觸過一個需求: 視覺測量鐵路道岔缺口。哥剛畢業的時候在鐵路上班，做過控制系統，還開過內燃機車，很清楚道岔缺口的重要性，這玩意兒你說要是測不準，呵呵:)

當然，也不能完全按質或量一刀切，有些計算機視覺應用也需要分析量，比如商場的人數統計。有些機器視覺也需要分析質，比如零件自動分揀。但，計算機視覺一般來說對量的要求不會很高，商場人數統計誤差個百分之幾死不了人的，但機器視覺真的會，比如那個道岔缺口測量。

既然要求這麼高，是不是機器視覺就比計算機視覺難呢？也不是的，應該說各有各的難處。
計算機視覺的應用場景相對複雜，要識別的物體型別也多，形狀不規則，規律性不強。有些時候甚至很難用客觀量作為識別的依據，比如識別年齡，性別。所以深度學習比較適合計算機視覺。而且光線，距離，角度等前提條件，往往是動態的，所以對於準確度要求，一般來說要低一些。
機器視覺則剛好相反，場景相對簡單固定，識別的型別少(在同一個應用中)，規則且有規律，但對準確度，處理速度要求都比較高。關於速度，一般機器視覺的解析度遠高於計算機視覺，而且往往要求實時，所以處理速度很關鍵，目前基本上不適合採用深度學習。

以上討論的是技術，商業方面，計算機視覺的應用面更廣一些，畢竟很多業務是跟人相關，比如人臉識別，行為分析等，很多垂直領域都有計算機視覺潛在需求，相對來說，更適合創業；
而機器視覺顧名思義，業務主要跟機器相關，而且對準確度甚至安全性要求很高，也就在資質品牌方面有較高的門檻，所以寡頭壟斷嚴重，一般來說，更適合上班而不是創業。