图像处理中，outlier和inlier分别指什么？

可以这样理解：
如图所示，给定一些点（红+绿+黑）要求用这些数据点拟合椭圆。

以ransac拟合椭圆为例，可以看出，黄色椭圆为拟合结果，
红色点是由ransac随机选择用来拟合的数据点
黑色点是除红色点外距离椭圆距离小于某一阈值的点，而绿色点是距离椭圆距离大于这一阈值的点
那么，红色+黑色点即为内点，而绿色点为外点：

RANSAC为Random Sample Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。它于1981年由Fischler和Bolles最先提出 。

RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(outliers，偏离正常范围很远、无法适应数学模型的数据)，即数据集中含有噪声。这些异常数据可能是由于错误的测量、错误的假设、错误的计算等产生的。同时RANSAC也假设，给定一组正确的数据，存在可以计算出符合这些数据的模型参数的方法。