计算机视觉系统的结构形式很大程度上依赖于其具体应用方向。有些是独立工作的，用于解决具体的测量或检测问题；也有些作为某个大型复杂系统的组成部分出现，比如和机械控制系统，数据库系统，人机接口设备协同工作。计算机视觉系统的具体实现方法同时也由其功能决定——是预先固定的抑或是在运行过程中自动学习调整。尽管如此，有些功能却几乎是每个计算机系统都需要具备的：

图像获取

　　一幅数字图像是由一个或多个图像感知器产生，这里的感知器可以是各种光敏摄像机，包括遥感设备，X射线断层摄影仪，雷达，超声波接收器等。去绝不与同的感知器，产生的图片可以是普通的二维图像，三维图组或者一个图像序列。图片的像素值往往对应于光在一个或多个光谱段上的强度（灰度图或彩色图），但也可以是相关的各种物理数据，如声波，电磁波或核磁共振的深度，吸收度或反射度。

预处理

　　在对图像实施具体的计算机视觉方法来提取某种特定的信息前，一种或一些预处理往往被采用来使图像满足后继方法的要求。例如： 　　二次取样保证图像坐标的正确； 　　平滑去噪来滤除感知器引入的设备噪声； 　　提高对比度来保证实现相关信息可以被检测到； 　　调整尺度空间使图像结构适合局部应用。

特征提取

　　从图像中提取各种复杂度的特征。例如： 　　线，边缘提取； 　　局部化的特征点检测如边角检测，斑点检测； 　　更复杂的特征可能与图像中的纹理形状或运动有关。

检测分割

　　在图像处理过程中，有时会需要对图像进行分割来提取有价值的用于后继处理的部分，例如 　　筛选特征点； 　　分割一或多幅图片中含有特定目标的部分。

高级处理

　　到了这一步，数据往往具有很小的数量，例如图像中经先前处理被认为含有目标物体的部分。这时的处理包括： 　　验证得到的数据是否符合前提要求； 　　估测特定系数，比如目标的姿态，体积； 　　对目标进行分类。

要件

　　光源布局影响大需审慎考量。 　　正确的选择镜组，考量倍率、空间、尺寸、失真… 。 　　选择合适的摄影机(CCD)，考量功能、规格、稳定性、耐用...。 　　视觉软件开发需靠经验累积，多尝试、思考问题的解决途径。 　　以创造精度的不断提升，缩短处理时间为最终目标。

会议

顶级

　　ICCV：International Conference on Computer Vision，国际计算机视觉大会 　　CVPR：International Conference on Computer Vision and Pattern Recognition，国际计算机视觉与模式识别大会 　　ECCV：European Conference on Computer Vision，欧洲计算机视觉大会

较好

　　ICIP：International Conference on Image Processing，国际图像处理大会 　　BMVC：British Machine Vision Conference，英国机器视觉大会 　　ICPR：International Conference on Pattern Recognition，国际模式识别大会 　　ACCV：Asian Conference on Computer Vision，亚洲计算机视觉大会

期刊

顶级

　　PAMI：IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE 模式分析与机器智能杂志 　　IJCV：International Journal on Computer Vision，国际计算机视觉杂志

较好

　　CVIU：Computer Vision and Image Understanding，计算机视觉与图像理解