计算机图形学和计算机视觉

Q1：图像处理，计算机图形学，计算机视觉和模式识别领域的区别和联系

其实都是相辅相成的关系。
说白了计算机是白痴，需要通过图像处理，过滤掉图形的杂质，提取出一张干净的图像，突出要识别的重点。
图形学也是差不多，是通过一系列算法，尽可能简化图像，但是又不想失真，很多时候往往是让图像变成黑白画面。
最后才是模式识别，得到一张可能对计算机来说比较容易辨认的图像以后，进行辨认。
然后上诉的过程加起来综合就是计算机视觉。

Q2：计算机视觉，计算机图形学，图像处理的区别和联系

计算机视觉，是最难的。涉及到人工智能和云算法等等东西。
计算机图形学，是使用计算机做建模，电路设计等等，主要用于CAD之流
图形处理，往深了走可以涉及到基础人工智能算法（NV、AMD的人工智能都很强）浅了说就是AI PS 这些图形处理软件的使用。

Q3：计算机图形学 计算机视觉 研究生毕业了可以去哪里

有职位叫图形图像工程师，网上很多岗位。也可以做游戏，医学方向，就业不一定非要百分百对口，关键是学到思想和提高编程水平！

Q4：比较数字图像处理,计算机图形学,计算机视觉各自研究内容的特点,并给出具体实

数字图像处理偏重信号处理，计算机图形学偏重对graph元素的处理，计算机视觉偏重人工智能方向。比如：在数字图像处理中，用个数字滤波器抑制图像中的噪声；在计算机图形学中对点云进行三角网格化；在计算视觉中，针对街道场景自动地识别出行人和车辆。再具体点：
1）
数字图像处理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。数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
主要研究内容有：
几何变换：包括放大、缩小、旋转等。
颜色处理：颜色空间的转化、亮度以及对比度的调节、颜色修正等。
图像融合：多个图像的加、减、组合、拼接。
图像降噪：研究各种针对二维图像的去噪滤波器或者信号处理技术。
边缘检测：进行边缘或者其他局部特征提取。
图像分割：依据不同标准，把二维图像分割成不同区域。
图像编辑：和计算机图形学有一定交叉。
图像配准：比较或集成不同条件下获取的图像。
图像增强：改善图像的视觉效果。
图像水印：研究图像域的数据隐藏、加密、或认证。
图像压缩：以较少的比特有损或无损地表示原来的像素矩阵的技术，也称图像编码。
2）
计算机图形学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。简单地说，计算机图形学的主要研究内容就是研究如何在计算机中表示图形、以及利用计算机进行图形的计算、处理和显示的相关原理与算法。
计算机图形学的研究内容非常广泛，如图形硬件、图形标准、图形交互技术、光栅图形生成算法、曲线曲面造型、实体造型、真实感图形计算与显示算法，以及科学计算可视化、计算机动画、自然景物仿真、虚拟现实等。作为一本面向计算机专业本科生和非计算机专业研究生的图形学教材，本书着重讨论与光栅图形生成、曲线曲面造型和真实感图形生成相关的原理与算法
3）
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用camera和computer代替人眼对目标进行识别、跟踪和测量等等，并且进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。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。
计算机视觉包含如下一些分支：画面重建，事件监测，目标跟踪，目标识别，机器学习，索引建立，图像恢复等。
主要研究的内容包括：
a.识别
一个计算机视觉，图像处理和机器视觉所共有的经典问题便是判定一组图像数据中是否包含某个特定的物体，图像特征或运动状态。这一问题通常可以通过机器自动解决，但是到目前为止，还没有某个单一的方法能够广泛的对各种情况进行判定：在任意环境中识别任意物体。现有技术能够也只能够很好地解决特定目标的识别，比如简单几何图形识别，人脸识别，印刷或手写文件识别或者车辆识别。而且这些识别需要在特定的环境中，具有指定的光照，背景和目标姿态要求。
广义的识别在不同的场合又演化成了几个略有差异的概念：
识别（狭义的）：对一个或多个经过预先定义或学习的物体或物类进行辨识，通常在辨识过程中还要提供他们的二维位置或三维姿态。
鉴别：识别辨认单一物体本身。例如：某一人脸的识别，某一指纹的识别。
监测：从图像中发现特定的情况内容。例如：医学中对细胞或组织不正常技能的发现，交通监视仪器对过往车辆的发现。监测往往是通过简单的图象处理发现图像中的特殊区域，为后继更复杂的操作提供起点。
识别的几个具体应用方向：
基于内容的图像提取：在巨大的图像集合中寻找包含指定内容的所有图片。被指定的内容可以是多种形式，比如一个红色的大致是圆形的图案，或者一辆自行车。在这里对后一种内容的寻找显然要比前一种更复杂，因为前一种描述的是一个低级直观的视觉特征，而后者则涉及一个抽象概念（也可以说是高级的视觉特征），即‘自行车’，显然的一点就是自行车的外观并不是固定的。
姿态评估：对某一物体相对于摄像机的位置或者方向的评估。例如：对机器臂姿态和位置的评估。
光学字符识别：对图像中的印刷或手写文字进行识别鉴别，通常的输出是将之转化成易于编辑的文档形式。
b.运动
基于序列图像的对物体运动的监测包含多种类型，诸如：
自体运动：监测摄像机的三维刚性运动。
图像跟踪：跟踪运动的物体。
c.场景重建
给定一个场景的二或多幅图像或者一段录像，场景重建寻求为该场景建立一个计算机模型/三维模型。最简单的情况便是生成一组三维空间中的点。更复杂的情况下会建立起完整的三维表面模型。
WWW.yij※ITao.com

Q5：学习计算机图形学是否有利于学习计算机视觉

学习电脑的几个主要方法

学习电脑主要靠自学

电脑对初学者，老师引进门很重要，但以后就要靠自学。自学能力对于计算机学习尤为重要，原因就是计算机发展奇快，掌握了自学方法，具备了自学能力，才能应付计算机日新月异的发展形势。有人说，"自学，谈何容易!"我说别的学科自学可能较难，而计算机却相对容易一些。为什么这样说呢?因为计算机越来越"平易近人"，让人能够看得见、摸得着。能够让人动的东西就好学，比如几岁的娃娃就敢去开电视机和调台，能够去控制VCD等，难道电视机和VCD机不是高科技产品吗?计算机作为学习对象，理论知识和实践环境是统一的，学习内容和进度自己可以掌握，自学当中有弄不懂的东西，大多可以通过上机加以解决。因此，我说它易于自学、便于自学。当然，有一本便于自学的指导书就更好了。

学习电脑要勤动手

电脑这个学科实践性特强，不动手是学不会的。计算机从诞生那天起就被人蒙上了神秘的面纱，许多专著像"天书"，让初学者望而生畏。但是，很多小孩子为什么能把计算机用得那么好呢?窍门在哪儿呢?动手!一动手就会感到"原来如此"、"没有什么了不得"!这样，就会越学越轻松、越学越有兴趣。边动手边动脑是计算机学习的基本模式，可以自然而然地摈弃那种死记硬背、"纸上谈兵"的学习模式，既动手又动脑，形成生动活泼的学习氛围。动手，还能强化理论联系实际的优良学风、培养实干精神。

3

学习电脑要注重应用

在学习计算机知识与技能的过程中，要想到"用"，"用"到自己的学习、工作和生活中。作为智力工具，作为人脑的延伸物，让计算机帮助我们思维、论证、决策，以提高分析问题和解决问题的能力。参加信息学奥林匹克活动的孩子们为什么能在国际大赛中摘取金牌，就是他们学以致用，在"用"中加深理解，把计算机变成了得心应手的工具。人们常说"熟能生巧"，泛指学用一般工具，对学用计算机这种智力工具，就不仅仅是"生巧"了，而且还"益智"，即有利于开发智力。计算机中浓缩着人类智慧的结晶，集成着现代人的思维方式和科学方法，通过人脑指挥电脑、电脑帮助人脑的过程，会使人越来越聪明，越来越能干。在新世纪大智大勇，富有创造才能的人，一定是会使用电脑帮自己工作的人。

wWw.yiJiTAo.@Com