计算机图形学
计算机图形学(Computer Graphics，简称CG)是一种使用数学算法将二维或三维图形转化为计算机显示器的栅格形式的科学。 —— [ 百度百科 ]
通俗说来，计算机图形学讲的是给定关于景象结构、表面反射特性、光源配置及相机模型的数据信息，利用计算机生成具有三维真实感的画面。主要应用于。。。领域
图形学要解决的问题主要包括建模、渲染和某些物理模拟。 建模就是用曲面生成现实世界物体的模型，比如三角面片或者四边形网格，或者是用粒子来模拟流水火焰。
渲染是对模型和场景上色的过程，这也是最耗时的一个步奏，基本上渲染可以分为物理真实的（physically based）和NPR（非照片级真实的）两类，physically based 渲染往往需要大量时间，算法有 path tracing; radiosity等等。本质上都是Monte-carlo方法和有限元法在计算机领域的应用。 而游戏里的渲染基本上做不到physically-based 往往是接近这个效果，游戏里的渲染很多采用基于屏幕空间的延迟渲染来实现。
物理模拟也有很多方面，最复杂的当然是流体的模拟，比如火焰，爆炸等等
计算机视觉
计算机视觉（Computer Vision）用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。。 —— [ 百度百科 ]
人类的感知能力可以看作是从感官信号中提取信息（这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息），所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。
数字图像处理
数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 —— [ 百度百科 ]
数字图像处理主要是针对已有图像如可见光的图像、红外图像、雷达成像等进行噪声滤除、边缘检测、图像恢复等处理，生成具有所希望特性的另一幅图像。例如，可通过处理使输出图象有较高的信-噪比，或通过增强处理突出图象的细节，以便于操作员的检验。在计算机视觉研究中经常利用图象处理技术进行预处理和特征抽取。人脸、指纹识别、运动物体跟踪等都属于图像处理（特征提取）。另外去噪有各种滤波算法；其他的有各种时频变化算法，如傅里叶变化，小波变换等，有很多这方面的书籍。
数字图像处理常用方法有以下几个方面：
1. 图像变换：由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。
2. 图像编码压缩：图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
3. 图像增强和复原：图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。
4. 图像分割：图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是图像处理中研究的热点之一。
5. 图像描述：图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。
6. 图像分类（识别）：图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。
总结
根据以上分析，计算机视觉、图像处理、机器视觉，三者并没有很清晰的界限，而是紧密的联系在一起。目前来说，它们的不同更多只是应用领域的不同，计算机视觉和机器视觉系统在运行的过程中，大都需要先经过基本的图像处理以及特征提取的工作，才能进行下一步运算。而在一些复杂的机器人领域，需要借助人工智能的计算机视觉，才能让机器视觉更大价值地发挥作用。三者相辅相成，在“让机器能更好地看懂世界”的层面上达到了统一。
如果您有任何好的意见或建议，欢迎留言联系本文博主，对本博客进行改进.