直观：图像处理，计算机视觉和模式识别领域的差异和联系

一.差异

1.数字图像处理（数字图像处理）

数字图像处理是对现有图像的转换，分析和重建，并且仍然可以获取图像。

数字图像处理，或简称DIP。输入是图像，输出也是图像。在Photoshop中将滤镜应用于图像是一种典型的图像处理。常见的操作包括模糊，变灰和对比度增强。

图像处理，这主要用于图像的基本处理，例如图像检索或图像识别，压缩，还原等。机器视觉技术实际上是工业数字图像处理。

2.计算机图形学

计算机图形学用于根据给定的场景结构，表面反射特性，光源配置和相机模型等信息来生成图像。

Graphics讨论图形，即图形的构造方式。从头开始是从数据中获取图像的概念。

计算机图形学，称为CG。输入是对虚拟场景的描述，通常是一个多边形数组，每个多边形由三个顶点组成，每个顶点包括三维坐标，纹理坐标，RGB颜色等。输出是图像，即二维像素阵列。

计算机图形学，主要与图形成像和游戏开发有关，例如opengl等，以及视频渲染等。

3.计算机视觉（Computer Vision）

计算机视觉是一个给定的图像，可以推断场景的特征以实现从模型到图像的转换，即从图像数据中提取信息，包括场景的三维结构，运动检测，对象识别等。

计算机视觉，简称CV。输入是图像或图像序列，通常来自相机或USB相机。输出是对与图像序列相对应的真实世界的理解，例如面部检测和车牌识别。

计算机视觉中有更多的人工智能，不仅包括图像处理知识，还包括人工智能，机器学习等领域的知识

4.模式识别

模式识别是从特征空间到类别空间的转换。研究内容包括特征提取（PCA，LDA，LFA，内核，均值漂移，SIFT，ISOMAP，LLE）；特征选择；分类器设计（SVM，AdaBoost）等。

PR（模式识别）的本质是分类。分类基于常识或样本或两者的组合。可以对图像进行分类并从图像中获取数据。

二.联系人

计算机图形学是计算机视觉的反问题。两者的并行发展是与最近的融合并行发展的主要趋势。图像模式的分类是计算机视觉中的重要问题。模式识别的许多方法都可以应用于计算机视觉。

计算机图形学和计算机视觉是同一过程的两个方向。计算机图形学将抽象语义信息转换成图像，而计算机视觉从图像中提取抽象语义信息。图像处理探索图像或一组图像之间的相互转换和关系，与语义信息无关。

DIP也用于CG。如今，3D游戏将叠加全屏后期效果，以提高表现力。原理是DIP，但计算位于图形卡上。

CV非常依赖DIP来做家务，例如预处理需要识别的照片。

最后，我要提到近年来的热点-增强现实（AR），它需要CG和CV，当然也不能错过DIP。它使用DIP进行预处理，使用CV跟踪对象识别和姿态获取，使用CG叠加虚拟三维对象。返回搜狐查看更多

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/shumachanpin/article-314043-1.html