計算機視覺，計算機影象學，影象處理
1.基本概念
從定義理解概念是最嚴謹的。所以首先搞清楚維基百科中這些概念的定義。
計算機視覺(CV)：
Computer vision is a field that includes
methods for acquiring, processing, analyzing, and understanding images and, in
general, high-dimensional data from the real world in order to produce
numerical or symbolic information, e.g., in the forms of decisions.[1]
直譯過來就是
計算機視覺是一個學科/領域，它包括獲取、處理、分析和理解影象或者更一般意義的真實世界的高維資料的方法；它的目的是產生決策形式的數字或者符號資訊。
計算機影象學(CG)：
Computer graphics is a sub-field of
computer science which studies methods for digitally synthesizing and
manipulating visual content. Although the term often refers to the study of
three-dimensional computer graphics, it also encompasses two-dimensional
graphics and image processing.[2]
直譯過來就是
計算機圖形學是電腦科學的一個子領域，它包括數字合成和操作可視內容（影象、視訊）的方法。儘管這個術語通常指三維計算機圖形學的研究，但它也包括二維圖形學和影象處理。
影象處理（IP）：
In imaging science, image processing is
processing of images using mathematical operations by using any form of signal
processing for which the input is an image, such as a photograph or video
frame; the output of image processing may be either an image or a set of characteristics
or parameters related to the image.[3]
直譯過來就是
在影象科學中，影象處理是用任何訊號處理等數學操作處理影象的過程，輸入時影象（攝影影象或者視訊幀），輸出是影象或者與輸入影象有關的特徵、引數的集合。
2.區別和聯絡[4]
2.1 精簡的概括
Computer Graphics和Computer
Vision是同一過程的兩個方向。Computer Graphics將抽象的語義資訊轉化成影象，Computer Vision從影象中提取抽象的語義資訊。Image
Processing探索的是從一個影象或者一組影象之間的互相轉化和關係，與語義資訊無關。
2.2 從輸入輸出角度看
(1)區別
Computer Graphics，簡稱 CG 。輸入的是對虛擬場景的描述，通常為多邊形陣列，而每個多邊形由三個頂點組成，每個頂點包括三維座標、貼圖座標、rgb 顏色等。輸出的是影象，即二維畫素陣列。
Computer Vision，簡稱
CV。輸入的是影象或影象序列，通常來自相機、攝像頭或視訊檔案。輸出的是對於影象序列對應的真實世界的理解，比如檢測人臉、識別車牌。
Digital Image Processing，簡稱 DIP。輸入的是影象，輸出的也是影象。Photoshop 中對一副影象應用濾鏡就是典型的一種影象處理。常見操作有模糊、灰度化、增強對比度等。
(2)聯絡
CG 中也會用到 DIP，現今的三維遊戲為了增加表現力都會疊加全屏的後期特效，原理就是
DIP，只是將計算量放在了顯示卡端。
CV 更是大量依賴 DIP 來打雜活，比如對需要識別的照片進行預處理。
最後還要提到近年來的熱點——增強現實（AR），它既需要 CG，又需要 CV，當然也不會漏掉
DIP。它用 DIP 進行預處理，用 CV 進行跟蹤物體的識別與姿態獲取，用 CG 進行虛擬三維物體的疊加。
(3)圖解
這裡還有一張圖，簡明地表達了CV、CG、DIP和AI的區別和聯絡。
2.3 從問題本身看
(1)區別
從問題本身來說，這三者主要以兩類問題區分：是根據狀態模擬觀測環境，還是根據觀測的環境來推測狀態。假設觀測是Z，狀態是X：Computer
Graphics是一個Forwad Problem (Z|X)： 給你光源的位置，物體形狀，物體表面資訊，你如何根據已有的變數的狀態模擬出一個環境出來。
Computer Vision正好相反，是一個Inverse Problem (X|Z)：你所有能得到的都是觀測資訊(measurements),
根據得到的每一個Pixel的資訊(顏色，深度)，我要來估計物體環境的特徵和狀態出來，比如物體運動(Tracking)，三維結構（SFM）,物體類別（Classification
and Segmentation）等等。
對於Image Processing來說，它恰好介於兩者之間，兩種問題都有。但對於State-of-art的研究來說，Image Processing更偏於Computer Vision, 或者看上去更像Computer Vision的子類。儘管這三類研究中，隨著CV領域的不斷進步，以及越來越高階相機感測器出現（Depth Camera, Event
Camera），很多演算法都被互相用到，但是從Motivation來看，並沒有太大變化。
(2)聯絡
得益於這幾個領域的共同進步，所以你能看到Graphics和Computer Vision現在出現越來越多的交集。如果根據觀測量（圖片），Computer
Vision可以越來越準確的估計出越來越多的變數，那麼這些變數套到Graphics演算法中，就可以模擬出一個跟真實環境一樣的場景出來。
與此同時，Graphics需要構建更真實的場景，也希望能夠將變數更加接機與實際，或者通過演算法估計出來，這就引入了Vision的動機。這也是近年來三維重建演算法，同時大量發表在Graphics和Vision的會議的原因。隨著CV從2D向3D發展，以後兩者的交集會越來越大，除了learning以外的其他很多問題融合併到一個領域我也不會奇怪。
附：
VR 是電腦構建的3維立體；
AR 是計算機找準一個基點，繪製的三維圖形；
混合現實，是基於計算機輔助生成一個現實環境，再基於這個現實環境，生成一個多視角的三維圖形。
參考文獻
[1]
https://en.wikipedia.org/wiki/Computer_vision
[2]https://en.wikipedia.org/wiki/Computer_graphics_(computer_science)
[3]
https://en.wikipedia.org/wiki/Image_processing
[4] 張靜, 知乎,