计算机视觉，计算机图形学，模式识别，数字图像处理等概念和联系

学习了计算机视觉方向有段时间了，整理一下一些基本的概念：

计算机视觉，计算机图形学，模式识别，数字图像处理等概念和联系

1.计算机图形学

计算机图形学是给定关于景象结构、表面反射特性、光源配置及相机模型的信息，生成图像，实现的是从模型到图像的变换。 

例如使用opengl进行渲染生成三维场景，这前提是我们已经给定了图形绘制，纹理，材质，灯光，摄像机等这些的配置信息，最后得到的是图形图像。

2.模式识别

模式识别则是从特征空间到类别空间的变换。研究内容包括特征提取（PCA，LDA，LFA，Kernel，Mean Shift，SIFT，ISOMAP，LLE）；特征选择；分类器设计（SVM，AdaBoost）等。 这其中通过对先验知识的学习，训练分类器，得到特征与类别的映射关系模型，通过这一模型（分类器），将待测样本分开到相应类别中。

3.数字图像处理

数字图像处理，顾名思义，就是对已经数字化的图像进行处理，包括对数字图像的增强（空域和频域），形态学操作，图像分割，图像复原等操作，数字图像处理实在像素级别上对图像进行操作的，不涉及图像的内容。实现的是从图像到图像的变换。人是最终的解释者。

数字图像处理的三个层次：

4.计算机视觉和机器视觉

计算机视觉（Computer Vision, CV）是用计算机来模拟人的视觉机理获取和处理信息的能力。更准确点说，它是利用摄像机和电脑代替人眼使得计算机拥有类似于人类的那种对目标进行分割、分类、识别、跟踪、判别决策的功能。计算机视觉是给定图象，推断景象特性，实现的是从图像到模型信息的变换，也就是说从图象数据提取信息，包括景象的三维结构，运动检测，识别物体等。 计算机是图像的最终解释者。机器视觉和计算机视觉有时候可以等同，机器视觉是计算机视觉的工程化。计算机视觉中的基本理论就是Marr理论。

计算机图形学是计算机视觉的逆问题，两者从最初相互独立的平行发展到最近的融合是一大趋势。图像模式的分类是计算机视觉中的一个重要问题，模式识别中的许多方法可以应用于计算机视觉中。