從問題本身來說，這三者主要以兩類問題區(qū)分：是根據(jù)狀態(tài)模擬觀測環(huán)境，還是根據(jù)觀測的環(huán)境來推測狀態(tài)。
假設(shè)觀測是Z，狀態(tài)是X：
Computer Graphics是一個(gè)Forwad Problem (Z|X)： 給你光源的位置，物體形狀，物體表面信息，你如何根據(jù)已有的變量的狀態(tài)模擬出一個(gè)環(huán)境出來。
Computer Vision正好相反，是一個(gè)Inverse Problem (X|Z)：你所有能得到的都是觀測信息(measurements), 根據(jù)得到的每一個(gè)Pixel的信息(顏色，深度)，我要來估計(jì)物體環(huán)境的特征和狀態(tài)出來，比如物體運(yùn)動(dòng)(Tracking)，三維結(jié)構(gòu)（SFM）,物體類別（Classification and Segmentation）等等。
對于Image Processing來說，它恰好介于兩者之間，兩種問題都有。但對于State-of-art的研究來說，Image Processing更偏于Computer Vision, 或者看上去更像Computer Vision的子類。
盡管這三類研究中，隨著CV領(lǐng)域的不斷進(jìn)步，以及越來越高級(jí)相機(jī)傳感器出現(xiàn)（Depth Camera, Event Camera），很多算法都被互相用到，但是從Motivation來看，并沒有太大變化。
得益于這幾個(gè)領(lǐng)域的共同進(jìn)步，所以你能看到Graphics和Computer Vision現(xiàn)在出現(xiàn)越來越多的交集。如果根據(jù)觀測量（圖片），Computer Vision可以越來越準(zhǔn)確的估計(jì)出越來越多的變量，那么這些變量套到Graphics算法中，就可以模擬出一個(gè)跟真實(shí)環(huán)境一樣的場景出來。與此同時(shí)，Graphics需要構(gòu)建更真實(shí)的場景，也希望能夠?qū)⒆兞扛咏訖C(jī)與實(shí)際，或者通過算法估計(jì)出來，這就引入了Vision的動(dòng)機(jī)。這也是近年來三維重建算法，同時(shí)大量發(fā)表在Graphics和Vision的會(huì)議的原因。隨著CV從2D向3D發(fā)展，以后兩者的交集會(huì)越來越大，除了learning以外的其他很多問題融合并到一個(gè)領(lǐng)域我也不會(huì)奇怪。