计算机视觉系统学习的内容包括 数学基础、编程基础、图像处理、机器学习和深度学习等。具体学习内容如下：
数学基础：
包括矩阵论、数理统计、复变函数、离散数学等。
信号处理：
信号与线性系统分析。
计算机基础知识：
数据结构与算法、编译原理、设计范式、图形图像学的基础知识，包括数字图像处理，MATLAB，OpenCV，halcon。
编程语言：
如C/C++、Python等。
图像处理：
包括图像读取、缩放、裁剪、滤波、边缘检测等。
机器学习基础：
包括回归、分类、聚类、决策树等。
深度学习基础：
包括神经网络、卷积神经网络、循环神经网络等。
计算机视觉的五大常规任务：
包括图像分割、物体检测、物体识别、图像描述、语义推理。
应用领域：
如生物特征识别、图像搜索、图像风格迁移等。
建议从数学和编程基础开始学习，逐步深入到图像处理、机器学习和深度学习等核心领域，同时结合实际项目进行实践，以更好地掌握计算机视觉系统的相关知识。