数字图像由按空间位置排列的像素组成，计算机视觉从图像或视频中提取可用信息

透明和反光物体可能增加深度测量难度。目标检测同时估计对象类别和位置。图像分类通常只输出整幅图的类别信息。语义分割为每个像素分配相应类别。实例分割进一步区分相同类别的不同对象。目标跟踪在连续帧之间维护对象身份。遮挡可能导致轨迹中断和身份切换。光流估计描述图像局部运动的二维变化。

曝光不足可能丢失暗部细节和信噪比。过曝区域可能因饱和而失去可恢复信息。快门时间影响运动模糊和接收光量。全局快门在相近时刻曝光整个图像区域。滚动快门逐行曝光可能使运动物体变形。镜头焦距影响视场范围和投影比例。景深描述能够保持可接受清晰的距离范围。畸变校正根据镜头模型修正几何偏离。

图像滤波用于降噪或增强某些结构。边缘检测寻找图像亮度明显变化的位置。边缘不一定对应真实物体的外部边界。阈值分割根据强度规则划分图像区域。自适应阈值能够处理部分照明不均匀。形态学操作利用结构元素改变区域形状。连通域分析把相邻前景像素组织成区域。模板匹配比较目标图案与局部图像的相似度。