計算機視覺就是是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的影象。

    機器視覺需要圖象訊號，紋理和顏色建模，幾何處理和推理，以及物體建模。實現影象理解是計算機視覺的終極目標。

    物理是與計算機視覺有著重要聯絡的另一領域，計算機視覺關注的目標在於充分理解電磁波——主要是可見光與紅外線部分——遇到物體表面被反射所形成的影象。另一個具有重要意義的領域是神經生物學，人們試圖建立人工系統，使之在不同的複雜程度上模擬生物的視覺運作。計算機視覺的另一個相關領域是訊號處理，很多有關單元變數訊號的處理方法，尤其是對時變訊號的處理，都可以很自然的被擴充套件為計算機視覺中對二元變數訊號或者多元變數訊號的處理方法。

    到目前為止，還沒有某個單一的方法能夠廣泛的對各種情況進行判定：在任意環境中識別任意物體。現有技術能夠也只能夠很好地解決特定目標的識別，比如簡單幾何圖形識別，人臉識別，印刷或手寫檔案識別或者車輛識別。而且這些識別需要在特定的環境中，具有指定的光照，背景和目標姿態要求。

    計算機視覺系統的結構形式很大程度上依賴於其具體應用方向。有些功能卻幾乎是每個計算機系統都需要具備的：
    1.影象獲取
    一幅數字影象是由一個或多個影象感知器產生，這裡的感知器可以是各種光敏攝像機，包括遙感裝置，X射線斷層攝影儀，雷達，超聲波接收器等。取決於不同的感知器，產生的圖片可以是普通的二維影象，三維圖組或者一個影象序列。圖片的畫素值往往對應於光在一個或多個光譜段上的強度（灰度圖或彩色圖），但也可以是相關的各種物理資料，如聲波，電磁波或核磁共振的深度，吸收度或反射度。
    2.預處理
    在對影象實施具體的計算機視覺方法來提取某種特定的資訊前，一種或一些預處理往往被採用來使影象滿足後繼方法的要求。例如：
        二次取樣保證影象座標的正確；
        平滑去噪來濾除感知器引入的裝置噪聲；
        提高對比度來保證實現相關資訊可以被檢測到；
        調整尺度空間使影象結構適合區域性應用。
    3.特徵提取
    從影象中提取各種複雜度的特徵。例如：
        線，邊緣提取；
        區域性化的特徵點檢測如邊角檢測，斑點檢測；
        更復雜的特徵可能與影象中的紋理形狀或運動有關。
    4.檢測分割
    在影象處理過程中，有時會需要對影象進行分割來提取有價值的用於後繼處理的部分，例如
        篩選特徵點；
        分割一或多幅圖片中含有特定目標的部分。
    5.高階處理
    到了這一步，資料往往具有很小的數量，例如影象中經先前處理被認為含有目標物體的部分。這時的處理包括：
        驗證得到的資料是否符合前提要求；
        估測特定係數，比如目標的姿態，體積；
        對目標進行分類。
    高階處理有理解影象內容的含義，是計算機視覺中的高階處理，主要是在影象分割的基礎上再經行對分割出的影象塊進行理解，例如進行識別等操作。