石鑫华视觉
计算机图形学(Computer Graphics，简称CG)是一种使用数学算法将二维或三维图形转化为计算机显示器的栅格形式的科学。简单地说，计算机图形学的主要研究内容就是研究如何在计算机中表示图形、以及利用计算机进行图形的计算、处理和显示的相关原理与算法。
计算机图像学
图形通常由点、线、面、体等几何元素和灰度、色彩、线型、线宽等非几何属性组成。从构成要素上看，图形主要分为两类，一类是几何要素在构图中具有突出作用的图形，如工程图、等高线地图、曲面的线框图等，另一类非几何要素在构图中具有突出作用的图形，如明暗图、晕渲图、真实感图形等。
计算机图形学一个主要的目的就是要利用计算机产生令人赏心悦目的真实感图形。为此，必须建立图形所描述的场景的几何表示，再用某种光照模型，计算在假想的光源、纹理、材质属性下的光照明效果。所以计算机图形学与另一门学科计算机辅助几何设计有着密切的关系。事实上，图形学也把可以表示几何场景的曲线曲面造型技术和实体造型技术作为其主要的研究内容。同时，真实感图形计算的结果是以数字图像的方式提供的，计算机图形学也就和图像处理有着密切的关系。
图形与图像两个概念间的区别越来越模糊，但还是有区别的：图像纯指计算机内以位图形式存在的灰度信息，而图形含有几何属性，或者说更强调场景的几何表示，是由场景的几何模型和景物的物理属性共同组成的。
计算机图形学的研究内容非常广泛，如图形硬件、图形标准、图形交互技术、光栅图形生成算法、曲线曲面造型、实体造型、真实感图形计算与显示算法、非真实感绘制，以及科学计算可视化、计算机动画、自然景物仿真、虚拟现实等。
计算机图形学狭义上是一种研究基于物理定律、经验方法以及认知原理，使用各种数学算法处理二维或三维图形数据，生成可视数据表现的科学。它是计算机科学的一个分支领域与应用方向，主要关注数字合成与操作视觉的图形内容。广义上来看，计算机图形学不仅包含了从三维图形建模、绘制到动画的过程，同时也包括了对二维矢量图形以及图像视频融合处理的研究。 计算机图形学经过将近40年的发展，已进入了较为成熟的发展期。目前，其主要应用领域包括计算机辅助设计与加工，影视动漫，军事仿真，医学图像处理，气象、地质、财经和电磁等的科学可视化等。由于计算机图形学在这些领域的成功运用，特别是在迅猛发展的动漫产业中，带来了可观的经济效益。动漫产业是目前各国优先发展的绿色产业，具有高科技、高投入与高产出等特点。据统计，截至2009年3月，美国动画梦工厂所拍摄的三维动画片《怪物史莱克II》在预算为1.5亿美元的情况下，获得了超过9.2亿的全球累计票房。而我国在2008年度共制作完成的国产电视动画片249部，计131042分钟，与2007年度相比增加了近28%。另一方面，由于这些领域应用的推动，也给计算机图形学的发展提供了新的发展机遇与挑战。
从计算机图形学目前学科发展来看，有以下几个发展趋势：
（1） 与图形硬件的发展紧密结合，突破实时高真实感、高分辨率渲染的技术难点
图形渲染是整个图形学发展的核心。在计算机辅助设计，影视动漫以及各类可视化应用中都对图形渲染结果的高真实感提出了很高的要求。同时，由于显示设备的快速发展，人们要求能提供高清分辨率（1920x1080），进一步要能达到数字电影所能播放的4K分辨率(4096x2060)；色彩的动态范围也希望从原来每个通道的8Bit提高到10bit及以上。虽然已有的图形学方法已经能较为真实地再现各类视觉效果，然而为了能提供高分辨率高动态的渲染效果，必须消耗非常可观的计算能力。一帧精美的高清分辨率图像，单机渲染往往需要耗费数小时至数十小时。为此，传统方法主要采用分布式系统，将渲染任务分配到集群渲染节点中。即使这样，也需要使用上千台计算机，耗费数月时间才能完成一部标准90分钟长度的影片渲染。
近10年来，基于GPU的图形硬件技术得以发展迅速，已经能在一个GPU芯片上采用64nm工艺集成上千个采用SIMD（单指令多数据流）架构的通用计算核心。而2009年底，主流图形硬件商nVidia和AMD以及Intel还会推出基于MIMD（多指令多数据流）计算核心的GPU芯片用于图形加速绘制，以支持DirectX 11以及OpenGL 3.0图形标准。最新的图形学研究，采用GPU技术可以充分利用计算指令和数据的并行性，已可在单个工作站上实现百倍于基于CPU方法的渲染速度。
然而已知的实现方法，其实现效果还较为初步，无法实现复杂的视觉特效，离实时的高真实感渲染还有很大差距。其主要原因是：（i）缺乏良好的数据组织方法，基于GPU方法由于硬件的架构原因，数据组织无法如同CPU方法一样的组织，因此对复杂的数据结构仍无法得到很好地支持。（ii）缺乏标准高效的GPU高层编程语言、编译器以及相应调试工具,（iii）由于以上两个问题，无法完整地实现适于电影渲染制作的RenderMan标准，以及其他各类基于物理真实感的渲染算法。因此，如何充分利用GPU的计算特性，结合分布式的集群技术，解决以上这些难题，从而来构造低功耗的渲染服务是图形学的未来发展趋势之一。
（2） 研究和谐自然的三维模型建模方法
三维模型建模方法是计算机图形学的重要基础，是生成精美的三维场景和逼真动态效果的前提。然而，传统的三维模型方法，由于其主要思想方法来源于CAD中基于参数式调整的形状构造方法，建模效率低而学习门槛高，不易于普及和让非专业用户使用。而随着计算机图形技术的普及和发展，各类用户都提出了高效的三维建模需求，因此研究和谐自然的三维建模方法是目前发展的一个重要趋势。
采用合适的交互手段，来进行三维模型的快速构造，特别是应用于概念设计和建筑设计领域目前已引起了国际同行的广泛关注。由于笔式或草图交互方式，非常符合人类原有日常生活中的思考习惯，是目前研究的重点问题。其难点是根据具体的应用领域，与视觉方法相融合，如何设计合理的交互语汇以及对应的过程式“识别-构造”方法。
与此相关的一个问题是基于规则的过程式建模方法。目前由于Google Earth等数字地图信息系统的广泛应用，对于地图之上的建筑物信息等存在迫切需求。为此，研究者希望通过激光扫描或者视频等获取方式获得相关信息后能迅速地重建出相关三维模型信息。然而单纯的重建方式存在精度低、稳定性差和运算量大等不足，远未能满足实际的需求。因此，最近的研究中，倾向于采用基于规则的过程式建模方法相结合来尝试高效地构造出三维建筑模型，以及相关的树木等结构化场景。
三维建模方法中的另一主要问题是研究合适的曲面表达方法，以适于各类图形学的应用。在CAD的主流方法是采用NURBS（非均匀有理B-样条）方法，然而此类方法无法很好解决非正规情况下的曲面拼合，不甚适合于图形学。为此，细分曲面方法，作为一种离散迭代的曲面构造方法，由于其构造过程朴素简单以及实现容易，是一个方兴未艾的研究热点，而且极有可能逐步取代NURBS方法。目前主要需要解决的问题有：（i）奇异点处的C连续性的有效构造方法；(ii)与GPU图形硬件相结合的曲面处理方法。
（3） 利用日益增长的计算性能，实现具有高度物理真实的动态仿真
高度物理真实感的动态模拟，包括对各种形变、水、气、云、烟雾、燃烧、爆炸、撕裂、老化等物理现象的真实模拟，是计算机图形学一直试图达到的目标。这一技术是各类动态仿真应用的核心技术，可以极大地提高虚拟现实系统的沉浸感。然而高度物理真实性模拟，主要受限于目前计算机的处理能力和存储容量限制，不能处理很高精度的模拟，也无法做到很高的响应速度。所幸的是，GPU技术带来了革新这一技术的可能。充分利用GPU硬件内部的并行性，研究者开始普遍关注基于GPU的各类数学物理方程求解极其相关的有限元加速计算方法。就目前而言，主要研究关注焦点还是单个物理方法的GPU实现。然而，最近随着nVidia推出了基于GPU的PhysX通用物理加速技术，以及Havok公司与AMD合作开发了通用物理中间件技术，相信未来可为高度物理真实的动态模拟提供新的研究机遇。
（4） 研究多种高精度数据获取与处理技术，增强图形技术的表现
真实感的画面与逼真动态效果，一种有效的解决途径是采用各种高精度手段获取所需的几何、纹理以及动态信息。为此，研究者正在考虑对各个尺度上的信息进行获取。小到物体表面的微结构、纹理属性和反射属性通过研制特殊装置予以捕获与处理，或采用一组同摄像机来获取演员的几何形体与动态，大到采用激光扫描获取整幢建筑物的三维数据。这里主要研究的三个问题是：（a）图形获取设备的设计与实现，这是与计算机视觉、硬件、软件相关的系统工程研究问题；（b）由于一般获取的数据均极为庞大且附加了各种噪声与冗余信息，如何进行处理与压缩以适合于图形学应用是主要问题；（c）一旦获取相关的数据，如何进行重用是一个主要课题，因此使得基于数据驱动的方法，与机器学习相交叉的图形学方法是最近的研究热点。
（5） 计算机图形学与图像视频处理技术的结合
家用数字相机和摄像机的日益普及，对于数字图像与视频数据处理成为了计算机研究中的热点问题。而计算机图形学技术，恰可以与这些图像处理，视觉方法相交叉融合，来直接地生成风格化的画面，实现基于图像三维建模，以及直接基于视频和图像数据来生成动画序列。当计算机图形学正向地图像生成方法和计算机视觉中逆向地从图像中恢复各种信息方法相结合，可以带来无可限量的想象空间，构造出很多视觉特效来，最终用于增强现实、数字地图、虚拟博物馆展示等多种应用中去。
（6） 从追求绝对的真实感向追求与强调图形的表意性转变
计算机图形学在追求真实感方向的研究发展已进入一个发展的平台期，基本上各种真实感特效在不计较计算代价的前提下均能较好得以重现。然而，人们创造和生成图片的终极目的不仅仅是展现真实的世界，更重要的是表达所需要传达的信息。例如，在一个所需要描绘的场景中每个对象和元素都有其相关需要传达的信息，可根据重要度不同可采用不同的绘制策略来进行分层渲染再加以融合，最终合成具有一定表意性的图像。为此，研究者已经开始研究如何与图像处理、人工智能、心理认知等领域相结合，探索合适表意性图形生成方法。而这一技术趋势的兴起，实际上延续了已有的非真实感绘制研究中的若干进展，必将在未来有更多的发展。