学好计算机图像处理需要综合运用多种方法和资源，以下是一些建议：
学习基础知识
掌握数字图像处理的基本概念，如像素、分辨率、色彩空间等。
学习图像处理算法，包括图像增强、滤波、分割、特征提取、图像识别等。
了解计算机视觉的基本任务，如目标检测、图像分割、图像识别等，并学习其在数学、物理和心理学等领域的基础支撑。
学习编程语言和开发工具
熟练掌握至少一种编程语言，如Python或C++，以便实现和优化图像处理算法。
学习常用的图像处理库和开发工具，如OpenCV、MATLAB等，这些工具提供了许多现成的图像处理算法和函数，可以加速开发过程。
练习实践
通过实现各种图像处理算法和技术来巩固基础知识，例如图像滤波、边缘检测、目标检测等。
参与实际的图像处理项目开发，如图像处理软件、计算机视觉应用等，以锻炼技能和实践经验。
学习深度学习
学习深度学习相关的知识和算法，如卷积神经网络（CNN）、循环神经网络（RNN）等，以提高处理图形图像的效率和精度。
学习并行计算
学习并行计算技术，如CUDA、OpenCL等，以提高处理速度和效率，特别是在处理大量数据和复杂运算时。
参考优质资源
阅读相关书籍、论文和博客文章，了解最新的技术动态和算法。
观看在线课程和教程，例如中科院研究生院的刘定生老师的数字图像处理与分析课程。
创新和实践
在学习过程中，尝试自己编写代码实现图像处理算法，并进行实践项目，以巩固所学知识。
参与开源项目或自己发起项目，将理论知识应用到实际问题中，不断迭代和改进。
通过以上步骤，你可以逐步掌握计算机图像处理的核心知识和技能，并在实际项目中不断提升自己的水平。