一个典型的机器视觉系统由光源、镜头、相机、图像采集卡、图像处理软件等部分组成。随着行业自动化进程的加剧，机器视觉技术已经成为工业生产中检测方案的最佳选择。随着机器视觉技术的不断发展和应用，行业的需求也逐步提高，例如更宽动态范围、更高像素和更低噪声等需求，而这些需求也同样是影响机器视觉系统成像的重要参数。
机器视觉技术是通过对信号的获取以及转换，最终达到成像目的的，信号的出现就总是会伴随着噪声的存在。在整个机器视觉系统的运作过程中，噪声的影响普遍存在着。噪声的种类也是多样的，其中有由于开关介入电容后带来电压而产生的复位噪声，有由入射光子数的变动而引发的散粒噪声，还有最为常见也是最重要的成像影响因素暗电流噪声等。
噪声会对机器视觉系统接收正常信号产生干扰影响，而这些接收到的干扰，在成像时就会造成图像的失真，大大降低了图像的质量。因此，对于噪声的处理是机器视觉技术的一个重要的技术环节。
而信噪比便是评价噪声的一项技术指标，即有用信号与噪声强度之比。其比值越大就说明噪声对信号的影响越小，图像质量就越高。反之，图像质量就会越低。
因此，如果我们想通过机器视觉系统获得更高品质的图像，就要抑制噪声的影响，提高信噪比。随着噪声种类的不同，影响机器视觉信噪比的因素也有所不同，我们用来抑制噪声的方法就不同。
例如：随机噪声与绝对温度的平方根成正比、暗电流噪声随温度每升高10℃则提高2倍，因此降低温度可以减小随机噪声和暗电流噪声；散粒噪声与信号电荷量的平方根成正比，光强度增加，信噪比会变得越大；暗电流噪声与信号的储存时间成正比，存储时间越长，暗电流噪声就越大；对于转移噪声，可以采用提高衬底电压；对于复位噪声，可以采用相关双采样电路来消除。