圖像處理一般指數字圖像處理。數字圖像是指用數字攝像機、掃描儀等設備經過采樣和數字化得到的一個大的二維數組，該數組的元素稱為像素，其值為一整數，稱為灰度值。圖像處理技術的主要內容包括圖像壓縮，增強和復原，匹配、描述和識別三部分。
常見的圖像處理有圖像數字化、圖像編碼、圖像增強、圖像復原、圖像分割和圖像分析等。雖然某些處理也可以用光學方法或模擬技術實現，但它們遠不及數字圖像處理那樣靈活和方便，因而數字圖像處理成為圖像處理的主要方面。
圖像處理的各個內容是互相有聯系的，一個實用的圖像處理系統往往結合應用幾種圖像處理技術才能得到所需要的結果。以圖片分析和理解為目的的分割、描述和識別將用于各種自動化檢測系統，如字符和圖形識別、用機器人進行產品的裝配和檢驗、自動軍事目標識別和跟蹤、指紋識別、X光照片和血樣的自動處理等。在這類應用中，往往需綜合應用模式識別和計算機視覺等技術。
從某種意義上說，圖像處理分析是機器視覺的一部分。而從另一種意義上說，圖像處理分析是一門更廣的學科。然而實際上，這兩個領域是密不可分，互相支持的。
機器視覺的主要任務可分為：第一，定位，即能夠自動判斷物體的位置，并將位置信息通過一定的通訊協議輸出；第二，測量，自動測量產品的外觀尺寸，比如外形輪廓、孔徑、高度、面積等尺寸的測量；第三，缺陷檢測，這是機器視覺系統用的最多的一種功能，它可以檢測產品表面的一些信息。譬如：包裝正誤，有沒有包裝正確、印刷有無錯誤、表面有無刮傷或顆粒、破損、有沒有油污灰塵、塑料件有沒有穿孔、有沒有注塑不良等；基本上，產品的品質需要用人眼來判斷的，都可以嘗試用視覺技術來替代，獲得更有的產品性能。
對于缺陷檢測，也可以說是對物體進行比較，例如，將生產線上的單元與同樣類型的KGU（已知優質單元）相比較，找出諸如缺少元件或標簽等的制造缺陷。這種比較可能是簡單的圖樣相減，也可能涉及到幾何或矢量圖形匹配算法。如果被比較物體的尺寸或方向各不相同的話，就必須采用后者。比較的類型包括檢測物體的有無、匹配色彩和比較印刷質量。對于上述的檢測而言，都是建立在機器視覺檢測技術上來完成的。
