计算机视觉系统中，视觉信息的处理技术主要依赖于图像处理方法，经过这些处理操作后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。

早期的图像处理目的是改善图像的质量，它以人为对象，以改善人的视觉效果为主要目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码等。

常用的图像处理方法有：

图像增强

图像增强用于调整图像的对比度，突出图像中的重要细节，改善图像质量。有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。

图像变换

由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理。

边缘锐化与图像平滑

图像平滑是指用于突出图像的宽大区域、低频成分或抑制图像噪声和干扰高频成分的图像处理方法，目的是使图像亮度平缓渐变，减小突变梯度，改善图像质量。

图像边缘锐化处理主要是加强图像中的轮廓边缘和细节，形成完成的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。

图像数据编码压缩

图像编码压缩技术可减少描述图像的数据量，以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

图像分割

图像分割是将图像中有意义的特征部分提取出来，有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已有不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。、

图像识别

图像识别过程实际上可以看作是一个标记过程，其主要内容是图像经过某些预处理（增强、复原）后，进行图像分割和特征提取，从而进行判决分类。

机器视觉的应用

机器视觉被称为自动化的眼睛，在国民经济、科学研究及国防建设等领域都有着广泛的应用。近些年在海量的图像数据集、机器学习(深度学习)方法以及性能日益提升的计算机支持下，机器视觉领域的技术与应用均得到迅速发展。

工业上的应用：例如对烟叶品质进行图像处理过程中，对各类型的烟叶的数字图形进行计算机视觉分析，达到自动识别待测烟叶样本品质的智能评定。

公安工作的应用：计算机人脸识别技术就是利用计算机对人脸图像进行分析，从中提取有效的识别信息，用来"辨别"身份的一门技术。

医学方面的应用：X-CT、放射性同位素扫描、B型超声、核磁共振成像等。

军事方面的应用：在执行低空突防飞行和其他空袭任务过程中，采用被动式地形侦察与勘测技术能够提高飞行隐秘性，解决易于被地方探测的需要。