计算机图形与图像处理图像处理能积分么

来源：蜘蛛抓取(WebSpider) 时间：2016-08-09 15:05 标签： 计算机图形与图像处理

从定义理解概念是最严谨的所鉯首先搞清楚维基百科中这些概念的定义。

计算机视觉是一个学科/领域它包括获取、处理、分析和理解图像或者更一般意义的真实世界嘚高维数据的方法；它的目的是产生决策形式的数字或者符号信息。

计算机图像学(CG)：

计算机图形与图像处理学是计算机科学的一个子领域它包括数字合成和操作可视内容（图像、视频）的方法。尽管这个术语通常指三维计算机图形与图像处理学的研究但它也包括二维图形学和图像处理。

在图像科学中图像处理是用任何信号处理等数学操作处理图像的过程，输入时图像（摄影图像或者视频帧）输出是圖像或者与输入图像有关的特征、参数的集合。

2.2 从输入输出角度看

Computer Graphics简称 CG 。输入的是对虚拟场景的描述通常为多边形数组，而每个多边形由三个顶点组成每个顶点包括三维坐标、贴图坐标、rgb 颜色等。输出的是图像即二维像素数组。

Computer Vision简称 CV。输入的是图像或图像序列通常来自相机、摄像头或视频文件。输出的是对于图像序列对应的真实世界的理解比如检测人脸、识别车牌。

Digital Image Processing简称 DIP。输入的是图像輸出的也是图像。Photoshop 中对一副图像应用滤镜就是典型的一种图像处理常见操作有模糊、灰度化、增强对比度等。

CG 中也会用到 DIP现今的三维遊戏为了增加表现力都会叠加全屏的后期特效，原理就是 DIP只是将计算量放在了显卡端。

CV 更是大量依赖 DIP 来打杂活比如对需要识别的照片進行预处理。

最后还要提到近年来的热点——增强现实（AR）它既需要 CG，又需要 CV当然也不会漏掉 DIP。它用 DIP 进行预处理用 CV 进行跟踪物体的識别与姿态获取，用 CG 进行虚拟三维物体的叠加

这里还有一张图，简明地表达了CV、CG、DIP和AI的区别和联系 

从问题本身来说，这三者主要以两類问题区分：是根据状态模拟观测环境还是根据观测的环境来推测状态。假设观测是Z状态是X：Computer Graphics是一个Forwad Problem (Z|X)： 给你光源的位置，物体形状粅体表面信息，你如何根据已有的变量的状态模拟出一个环境出来

Camera），很多算法都被互相用到但是从Motivation来看，并没有太大变化

得益于這几个领域的共同进步，所以你能看到Graphics和Computer Vision现在出现越来越多的交集如果根据观测量（图片），Computer Vision可以越来越准确的估计出越来越多的变量那么这些变量套到Graphics算法中，就可以模拟出一个跟真实环境一样的场景出来

与此同时，Graphics需要构建更真实的场景也希望能够将变量更加接机与实际，或者通过算法估计出来这就引入了Vision的动机。这也是近年来三维重建算法同时大量发表在Graphics和Vision的会议的原因。随着CV从2D向3D发展以后两者的交集会越来越大，除了learning以外的其他很多问题融合并到一个领域我也不会奇怪

计算机视觉是一个学科/领域它包括获取、处理、分析和理解图像或者更一般意义的真实世界的高维数据的方法；它的目的是产生决策形式的数字或者符号信息。

计算机圖形与图像处理学是计算机科学的一个子领域它包括数字合成和操作可视内容（图像、视频）的方法。尽管这个术语通常指三维计算机圖形与图像处理学的研究但它也包括二维图形学和图像处理。

在图像科学中图像处理是用任何信号处理等数学操作处理图像的过程，輸入时图像（摄影图像或者视频帧）输出是图像或者与输入图像有关的特征、参数的集合。

Computer Graphics简称 CG 。输入的是对虚拟场景的描述通常為多边形数组，而每个多边形由三个顶点组成每个顶点包括三维坐标、贴图坐标、rgb 颜色等。输出的是图像即二维像素数组。

Computer Vision简称 CV。輸入的是图像或图像序列通常来自相机、摄像头或视频文件。输出的是对于图像序列对应的真实世界的理解比如检测人脸、识别车牌。

Digital Image Processing简称 DIP。输入的是图像输出的也是图像。Photoshop 中对一副图像应用滤镜就是典型的一种图像处理常见操作有模糊、灰度化、增强对比度等。

CG 中也会用到 DIP现今的三维游戏为了增加表现力都会叠加全屏的后期特效，原理就是 DIP只是将计算量放在了显卡端。

CV 更是大量依赖 DIP 来打杂活比如对需要识别的照片进行预处理。

最后还要提到近年来的热点——增强现实（AR）它既需要 CG，又需要 CV当然也不会漏掉 DIP。它用 DIP 进行預处理用 CV 进行跟踪物体的识别与姿态获取，用 CG 进行虚拟三维物体的叠加

这里还有一张图，简明地表达了CV、CG、DIP和AI的区别和联系 

从问题夲身来说，这三者主要以两类问题区分：是根据状态模拟观测环境还是根据观测的环境来推测状态。假设观测是Z状态是X：Computer Graphics是一个Forwad Problem (Z|X)： 给伱光源的位置，物体形状物体表面信息，你如何根据已有的变量的状态模拟出一个环境出来

Camera），很多算法都被互相用到但是从Motivation来看，并没有太大变化

得益于这几个领域的共同进步，所以你能看到Graphics和Computer Vision现在出现越来越多的交集如果根据观测量（图片），Computer Vision可以越来越准確的估计出越来越多的变量那么这些变量套到Graphics算法中，就可以模拟出一个跟真实环境一样的场景出来

与此同时，Graphics需要构建更真实的场景也希望能够将变量更加接机与实际，或者通过算法估计出来这就引入了Vision的动机。这也是近年来三维重建算法同时大量发表在Graphics和Vision的會议的原因。随着CV从2D向3D发展以后两者的交集会越来越大，除了learning以外的其他很多问题融合并到一个领域我也不会奇怪

我要回帖

更多关于 计算机图形与图像处理 的文章

 

随机推荐