图形处理计算机图形图像处理都有哪些研究方向

CAD 图形处理

方法很多。

1、可以在ACAD中直接“复制”，然后“粘贴”到WORD文档。

2、最好是在ACAD中输出WMF文件，然后在WORD文档中“插入”这个文件。

可以任意缩放。

保持清晰。

WMF文件是矢量格式文件。

3、不建议截图为BMP GIF JPG等点阵图形，会很粗糙。

图形处理和图象处理软件的各作用是什么？

图形处理是对矢量图形制作和编辑的，矢量图象放大不失真，侧重于图形处理的软件常见的主要有 illustrator、corledraw等； 而图象处理软件是制作或处理用相素够成的图象（比如数码相机拍摄的相片）的软件，放大后会失真，会有马赛克出现，图像处理软件最典型代表就是我们所熟悉的phototshop了，当然美图秀秀、光影魔术手等处理照片用的软件以及WINDOWS自带的画图软件都属于这一类。

图形处理是什么啊

图形图像处理有两种，一种偏向计算机理论，是研究相关的算法的。

另一种偏向艺术。

不过前者比较常见。

一些艺术课程为了听起来比较酷有时也起这个名字。

但是大多数时间它指的是研究抽象的计算机图形图象的理论、算法等等的，与艺术无关。

　　处理的范围可以是对图像做各种变换如放大、缩小、旋转、倾斜、镜象、透视等。

也可进行复制、去除斑点、修补、修饰图像的残损.对图像的颜色进行明暗、色编的调整和校正，也可在不同颜色进行切换以满足图像在不同领域的应用.

图像处理的形态学

形态学一词通常指生物学的一个分支，它用于处理动物和植物的形状和结构。

在数学形态学的语境中也使用该词来作为提取图像分量的一种工具，这些分量在表示和描述区域形状（如边界，骨骼和凸壳）时是很有用的。

此外，我们还很关注用于预处理和后处理的形态学技术，如形态学滤波、细化和裁剪。

数学形态学的基本运算 数学形态学的基本运算有4个：腐蚀、膨胀、开启和闭合。

数学形态学方法利用一个称作结构元素的”探针”收集图像的信息，当探针在图像中不断移动时，便可考察图像各个部分之间的相互关系，从而了解图像的结构特征。

在连续空间中，灰度图像的腐蚀、膨胀、开启和闭合运算分别表述如下。

腐蚀 腐蚀“收缩”或“细化”二值图像中的对象。

收缩的方式和程度由一个结构元素控制。

数学上，A被B腐蚀，记为AΘB，定义为： 换言之，A被B腐蚀是所有结构元素的原点位置的集合，其中平移的B与A的背景并不叠加。

膨胀 膨胀是在二值图像中“加长”或“变粗”的操作。

这种特殊的方式和变粗的程度由一个称为结构元素的集合控制。

结构元素通常用0和1的矩阵表示。

数学上，膨胀定义为集合运算。

A被B膨胀，记为A?B，定义为：其中，Φ为空集，B为结构元素。

总之，A被B膨胀是所有结构元素原点位置组成的集合，其中映射并平移后的B至少与A的某些部分重叠。

这种在膨胀过程中对结构元素的平移类似于空间卷积。

膨胀满足交换律，即A?B=B?A。

在图像处理中，我们习惯令A?B的第一个操作数为图像，而第二个操作数为结构元素，结构元素往往比图像小得多。

膨胀满足结合律，即A?(B?C)=(A?B)?C。

假设一个结构元素B可以表示为两个结构元素B1和B2的膨胀，即B=B1?B2，则A?B=A?(B1?B2)=(A?B1)?B2，换言之，用B膨胀A等同于用B1先膨胀A，再用B2膨胀前面的结果。

我们称B能够分解成B1和B2两个结构元素。

结合律很重要，因为计算膨胀所需要的时间正比于结构元素中的非零像素的个数。

通过结合律，分解结构元素，然后再分别用子结构元素进行膨胀操作往往会实现很客观的速度的增长。

A被B的形态学开运算可以记做A?B，这种运算是A被B腐蚀后再用B来膨胀腐蚀结果，即： 开运算的数学公式为： 其中，∪{·}指大括号中所有集合的并集。

该公式的简单几何解释为：A?B是B在A内完全匹配的平移的并集。

形态学开运算完全删除了不能包含结构元素的对象区域，平滑了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分。

A被B形态学闭运算记做A·B，它是先膨胀后腐蚀的结果： 从几何学上讲，A·B是所有不与A重叠的B的平移的并集。

想开运算一样，形态学闭运算会平滑对象的轮廓。

然后，与开运算不同的是，闭运算一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞。

基于这些基本运算可以推导和组合成各种数学形态学实用算法，用它们可以进行图像形状和结构的分析及处理，包括图像分割、特征提取、边界检测、图像降噪、图像增强和恢复等。

计算机图形图像处理都有哪些研究方向

实时图形学和图形处理器（大热门，看看显卡和游戏的火爆就知道了。

SIGGRAPH的多数论**是这方面的） 新的光照模型和渲染方法（如：波动光学渲染，各种模型的辐射度方法等） 虚拟现实和虚拟现实设备（如：空间全息成像，触觉传感器，嗅觉传感器，立体声学，空间定位设备） 场可视化和体图形学（医学图像立体显示） S计算几何(算法几何，区别于以前中的计算几何概念) 动画理论（元球动画，动力动画，粒子系统） 图形仿真（如：自然景物模拟，柔体仿真，分形树，流体仿真） 计算机视觉（主要指机器视觉，主题是图像序列到3D模型转换如：多目视觉，运动视觉等，本来应该归到模式识别类里面） 全息摄影术（如同心拼图法） 如果不算图像和模式识别的话图形学方面前沿的东西不多。

上面介绍的都不算太前沿的，太前沿如发明新的光照模型和渲染方法以便能真实又高效还不耗内存的渲染场景估计搞不出来，现在的实时渲染算法其图形质量是较差的远远比不上传统光线跟踪出来的质量。

倒是图像和模式识别方面的前沿要多的多。

在图像和模式识别领域的前沿有： 图像处理 图像压缩 图像分割 边沿检测 图像矢量化 图像匹配 模式识别 遥感图像处理 图像恢复 视频处理 这些都是我自己在网上找到的，但是具体是什么又不知道了，想做和动画相关的