这个问题可能会被搁置，因为它是基于意见的。我仍然想补充一个基本的比较。

OpenCV能够实现任何可能被研究或发明的关于视觉和ml的功能。视觉文学是以它为基础的，它是根据文学发展起来的。即使是诞生于MATLAB的新ml算法，如TLD(http://www.tldvision.com/)也可以使用OpenCV实现(http://gnebehay.github.io/OpenTLD/)付出了一些努力。

Mahout也很有能力，而且是ml特有的。它不仅包括众所周知的ml算法，还包括特定的算法。假设你偶然看到一篇论文“用K-的方向过滤处理苹果”。你可以在网上找到这篇论文的OpenCV实现。甚至实际的算法也可能是开源的，并使用OpenCV开发。对于OpenCV，假设它需要500行代码，但是对于Mahout，这篇论文可能已经用一个单一的方法实现了，使一切变得更容易

关于这种情况的一个例子是http://en.wikipedia.org/wiki/Canopy_clustering_algorithm,，它现在使用OpenCV很难实现。

由于您将使用图像数据集，因此您也需要了解HIPI。

综上所述，这里有一个简单的利弊表:

诀窍(学习曲线):OpenCV更容易，因为您已经了解了它。看象人HIPI需要更多的时间。

例子:文学视觉社区常用OpenCV。开源算法大多是用OpenCV的C api创建的。

ml算法：Mahout只有大约ml，而OpenCV更通用。OpenCV仍然可以使用基本的ml算法。

开发:就编码和时间复杂度而言，Mahout更容易使用(我不确定后者，但我认为是这样)。