图像处理和分析计算机通过图像处理软件对图像进行处理，分析获取其中的有用信息。如PCB板的图像中是否存在线路断路、纺织品的图像中是否存在疵点、文档图像中存在哪些文字等。这是整个机器视觉系统的。

图像采集利用光源照射被观察的物体或环境，通过光学成像系统采集图像，通过相机和图像采集卡将光学图像转换为数字图像，这是机器视觉系统的前端和信息来源。

图像特征分析理解是对目标图像进行检测和各种物理量的计算，以获得对目标图像的客观描述，主要包括图像分割、特征提取（几何形状、边界描述、纹理特性）等。机器视觉中常用的算法包括: 搜索、边缘、Blob分析、卡尺工具、光学字符识别、色彩分析。目前，机器视觉软件的竞争已经从追求功能转变为算法的准确性和效率的竞争。已有专门提供视觉软件或者开发包的厂商。因为常规的机器视觉软件开发包尽管均能提供上述功能，但其检测效果和运算效率却有很大差别。的机器视觉软件可对图像中目标特征进行快速而准确的检测，对图像的适应性强; 而不好的软件则存在速度慢、结果不准确、鲁棒性差的缺点。

从硬件平台的角度说，计算机在CPU和内存方面的改进给视觉系统提供了很好的支撑，多核CPU配合多线程的软件可以成倍提高速度。伴随DSP、FPGA技术的发展，嵌入式处理模块以其强大的数据处理能力、集成性、模块化和无需复杂操作系统支持等优点而得到越来越多的重视。

总体而言，机器视觉是一个光机电计算机高度综合的系统，其性能并不仅仅由某一个环节决定。每一个环节都很，也未必意味着终性能的满意。系统分析和设计是机器视觉系统开发的难点和基础，也是许多开发商所不擅长的，急需加强。