计算机图形在推进计算机视觉方面发挥着重要作用，它提供了生成和操作视觉数据的工具，这对于训练和测试视觉系统至关重要。 计算机视觉的核心是理解图像和视频，图形技术能够创建模拟真实世界场景的合成数据集。 例如，生成具有不同光照、纹理和对象排列的 3D 渲染场景，使开发人员无需收集大量真实世界数据即可训练对象检测模型。 这在真实数据稀缺、昂贵或不安全（例如在极端天气条件下进行自动驾驶汽车测试）的情况下尤其有用。
另一个关键交集在于模拟和建模。 像 Blender 或 Unity 这样的图形引擎可以模拟在受控条件下对视觉算法进行压力测试的环境。 例如，机器人开发人员可能会使用基于物理的图形引擎来模拟机器人的摄像头如何感知杂乱空间中的物体，从而调整诸如摄像机角度或遮挡级别之类的参数。 这些模拟有助于在实际部署之前识别感知算法中的弱点。 此外，来自图形的诸如光线追踪或栅格化之类的技术用于在合成数据中创建逼真的阴影和反射，从而确保视觉系统可以处理自然场景中发生的复杂视觉伪像。
最后，计算机图形概念直接影响视觉系统解释 3D 几何的方式。 了解光与表面之间的相互作用（核心图形主题）有助于开发用于诸如从阴影中恢复形状或深度估计等任务的算法。 例如，视觉中的运动结构算法借鉴了图形中的摄像机投影模型的思想，以从 2D 图像重建 3D 场景。 像 OpenGL 或 DirectX 这样的工具通常用于预处理视觉任务的数据，例如将 3D 点云与渲染模型对齐。 虽然这两个领域具有不同的目标——图形侧重于创建图像，视觉侧重于提取含义——但它们共享的数学基础（例如，线性代数、优化）使跨学科知识对于解决诸如遮挡处理或视点不变性等挑战非常有价值。