数字图像处理偏重信号处理，计算机图形学偏重对graph元素的处理，计算机视觉偏重人工智能方向。
比如：在数字图像处理中，用个数字滤波器抑制图像中的噪声；在计算机图形学中对点云进行三角网格化；在计算视觉中，针对街道场景自动地识别出行人和车辆。
再具体点：
1）
数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
主要研究内容有：
几何变换：包括放大、缩小、旋转等。
颜色处理：颜色空间的转化、亮度以及对比度的调节、颜色修正等。
图像融合：多个图像的加、减、组合、拼接。
图像降噪：研究各种针对二维图像的去噪滤波器或者信号处理技术。
边缘检测：进行边缘或者其他局部特征提取。
图像分割：依据不同标准，把二维图像分割成不同区域。
图像编辑：和计算机图形学有一定交叉。
图像配准：比较或集成不同条件下获取的图像。
图像增强：改善图像的视觉效果。
图像水印：研究图像域的数据隐藏、加密、或认证。
图像压缩：以较少的比特有损或无损地表示原来的像素矩阵的技术，也称图像编码。
2）
计算机图形学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，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。作为一本面向计算机专业本科生和非计算机专业研究生的图形学教材，本书着重讨论与光栅图形生成、曲线曲面造型和真实感图形生成相关的原理与算法
3）
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用camera和computer代替人眼对目标进行识别、跟踪和测量等等，并且进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。
计算机视觉包含如下一些分支：画面重建，事件监测，目标跟踪，目标识别，机器学习，索引建立，图像恢复等。
主要研究的内容包括：
a.识别
一个计算机视觉，图像处理和机器视觉所共有的经典问题便是判定一组图像数据中是否包含某个特定的物体，图像特征或运动状态。这一问题通常可以通过机器自动解决，但是到目前为止，还没有某个单一的方法能够广泛的对各种情况进行判定：在任意环境中识别任意物体。现有技术能够也只能够很好地解决特定目标的识别，比如简单几何图形识别，人脸识别，印刷或手写文件识别或者车辆识别。而且这些识别需要在特定的环境中，具有指定的光照，背景和目标姿态要求。
广义的识别在不同的场合又演化成了几个略有差异的概念：
识别（狭义的）：对一个或多个经过预先定义或学习的物体或物类进行辨识，通常在辨识过程中还要提供他们的二维位置或三维姿态。
鉴别：识别辨认单一物体本身。例如：某一人脸的识别，某一指纹的识别。
监测：从图像中发现特定的情况内容。例如：医学中对细胞或组织不正常技能的发现，交通监视仪器对过往车辆的发现。监测往往是通过简单的图象处理发现图像中的特殊区域，为后继更复杂的操作提供起点。
识别的几个具体应用方向：
基于内容的图像提取：在巨大的图像集合中寻找包含指定内容的所有图片。被指定的内容可以是多种形式，比如一个红色的大致是圆形的图案，或者一辆自行车。在这里对后一种内容的寻找显然要比前一种更复杂，因为前一种描述的是一个低级直观的视觉特征，而后者则涉及一个抽象概念（也可以说是高级的视觉特征），即‘自行车’，显然的一点就是自行车的外观并不是固定的。
姿态评估：对某一物体相对于摄像机的位置或者方向的评估。例如：对机器臂姿态和位置的评估。
光学字符识别：对图像中的印刷或手写文字进行识别鉴别，通常的输出是将之转化成易于编辑的文档形式。
b.运动
基于序列图像的对物体运动的监测包含多种类型，诸如：
自体运动：监测摄像机的三维刚性运动。
图像跟踪：跟踪运动的物体。
c.场景重建
给定一个场景的二或多幅图像或者一段录像，场景重建寻求为该场景建立一个计算机模型/三维模型。最简单的情况便是生成一组三维空间中的点。更复杂的情况下会建立起完整的三维表面模型。
温馨提示：答案为网友推荐，仅供参考