基本概念
计算机图形学（Computer Graphics）是一门使用数学算法将图形转化为计算机可以显示的数字存储信息的学问。而计算机视觉（computer vision）是一门用于从数字影像或者视频中获得高维信息的、跨学科的学问。从工程层面来说，计算机视觉探索自动化任务，例如人脸识别，并追求实现计算机视觉和人类视觉等同的效果。计算机视觉使得计算机明白如何去获取图片中有用的二进制信息，而人脸识别使然计算机自动获取图片中人相有关的二进制信息，最常见的是通过照片和直接打开计算机道德摄像头拍摄了。
色彩空间
表示彩色图像常用有两种色彩模型，即RGB色彩模型和HSV色彩模型。RGB即我们常说的三原色红（R）、绿（G）、蓝（B）的英文首字母缩写，而HSV是通过色调（H）、饱和度（S）、明亮度（V）来选取颜色的。不过计算机常用的是RGB色彩模型，其他的色彩模型一般都会转换成这个形式来存储在计算机的硬盘中。RGB通过改变红绿蓝三色的浓淡再加以混合得到色彩，每个原色的浓度范围都是[0，255]，0是纯黑而255是纯白。而HSV的色调是以牛顿环为基础的，所以范围为0°到360°，所以H的范围是[0，360]。而明亮度（V）和饱和度（S）使用百分比表示，范围都是[0，100]。从计算机角度看，一张图片是由三个矩阵组成的，分别是由各个像素红、绿、蓝的数值构成的矩阵，我们可以用数学公式将三个矩阵合并得到最终结果。
灰度图和二值图
无论是彩色图片还是黑白图片都是由灰度图的，它虽然没有了颜色信息，但是我么们依然能够从这些图片中获取轮廓、纹理、形状等特征。我们当然可以用RGB三个矩阵合成灰度图，但有更节约内存的量化方法，即用255作为纯白，0作为纯黑，这样只要使用到一个矩阵就可以存放灰度图了。从彩色图片转化为灰度图可以用这样的式子 ：
其中I（gray）是灰度值，而[Ia,Ib,Ic]是原来的图片，[a,b,c]是转化参数，建议使用的大致比例是3：6：1。
二值图像顾名思义就是只有黑和白两种颜色的图片，数值只有用0或者1来表示。二值图像占用的空间更少每个像素点只要1比特。二值图像的意义在于用于图像分割。
信号和噪声与滤波
信号和噪声是一对反作用，信号可以看作是完好的图像，而噪声就是由于相机拍摄较暗场景而出现的黑点和白点。这些噪声呈高斯分布，即正态分布，称高斯噪声。白点是盐，黑点看作黑胡椒，称椒盐噪声。噪声无法消除，我们需要通过滤波的办法来改经噪声，一般情况下分为均值滤波和中值滤波。中值滤波用于处理椒盐噪声，而均值滤波用于处理高斯噪声。
