计算机图形学和计算机视觉的区别(计算机图形学和计算机视觉的区别与联系)

《计算机视觉教程》笔记

编著：章毓晋（清华大学电子工程系）

出版社：人民邮电出版社

出版时间：2017.3

  计算机视觉与许多学科都有着千丝万缕的联系，特别是与一些相关和相近的学科交融交叉。

  图像工程是一门内容非常丰富的学科，包括既有联系又有区别的三个层次：

  机器视觉或机器人视觉与计算机视觉有着千丝万缕的联系，很多情况下都作为同义词使用。

  具体地说，一般认为计算机视觉更侧重于场景分析和图像解释的理论和方法，而机器视觉则更关注通过视觉传感器获取环境的图像，构建具有视觉感知功能的系统以及实现检测和辨识物体的算法。

  另一方面，机器人视觉更强调机器人的机器视觉，要让机器人具有视觉感知功能。

  模式是指有相似性但又不完全相同的客观事物或现象所构成的类别。

  模式包含的范围很广，图像就是模式的一种。

  目前，对图像模式的识别主要集中在对图像中感兴趣内容（目标）进行分类、分析和描述，在此基础上还可以进一步实现计算机视觉的目标。

  同时，计算机视觉的研究中也使用了很多模式识别的概念和方法，但视觉信息有其特殊性和复杂性，传统的模式识别（竞争学习模型）并不能把计算机视觉全部包括进去。

  人类智能主要指人类理解世界、判断事物、学习环境、规划行为、推理思维、解决问题等的能力。

  人工智能则指由人类用计算机模拟、执行或再生某些与人类智能有关的功能的能力和技术。

  视觉功能是人类智能的一种体现，所以计算机视觉与人工智能密切相关。

  计算机视觉的研究中使用了许多人工智能技术，反过来，计算机视觉也可看作是人工智能的一个重要应用领域，需要借助人工智能的理论研究成果和系统实现经验。

  机器学习是人工智能的核心，它研究如何使计算机模拟或实现人类的学习行为，从而获取新的知识或技能，这是计算机视觉完成复杂视觉任务的基础。

  图形学原本指用图形、图表、绘图等形式表达数据信息的科学，而计算机图形学研究的就是如何利用计算机技术来产生这些形式，它与计算机视觉也有密切的关系。

  一般人们将计算机图形学称为计算机视觉的反/逆（inverse）问题，因为视觉从2-D图像提取3-D信息，而图形学里使用3-D模型来生成2-D场景图像（更一般的是从非图像形式的数据描述来生成逼真的图像）。

  需要注意的是，与计算机视觉中存在许多不确定性相比，计算机图形学处理的多是确定性问题，是通过数学途径可以解决的问题。

  在许多实际应用中，人们更多关心的是图形生成的速度和精度，即在实时性和逼真度之间取得某种妥协。

计算机图形学和计算机视觉的区别与联系

计算机科学与许多专业领域结合，可以产生许多有趣和有用的交叉学科。以下是一些与计算机科学结合的专业领域：

1.人工智能和机器学习：计算机科学与人工智能和机器学习领域的结合，可以用于开发智能系统和算法，使计算机能够学习和自主决策。

2.数据科学和大数据分析：计算机科学与数据科学和大数据分析的结合，可以帮助处理和分析大规模数据集，从中提取有价值的信息和洞察。

3.生物信息学：计算机科学与生物学的结合，可以应用计算方法和算法来分析和解释生物学数据，如基因组序列、蛋白质结构等。

4.计算机图形学和计算机视觉：计算机科学与图形学和计算机视觉的结合，可以开发出各种图像处理和计算机视觉算法，用于图像生成、模式识别、目标检测等应用。

5.嵌入式系统和物联网：计算机科学与嵌入式系统和物联网的结合，可以开发智能设备和系统，实现物联网的连接和交互。

6.软件工程和项目管理：计算机科学与软件工程和项目管理的结合，可以提供有效的软件开发和项目管理方法，确保软件项目按时交付和高质量。

7.计算机网络和网络安全：计算机科学与计算机网络和网络安全的结合，可以开发网络协议、网络安全算法和防御机制，保护网络和信息的安全。

这些是仅举几例，计算机科学与其他专业的结合还有很多，这些交叉学科的发展为各行各业带来了许多创新和机会。