图像处理分析一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别三部分。
常见的图像处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。虽然某些处理也可以用光学方法或模拟技术实现，但它们远不及数字图像处理那样灵活和方便，因而数字图像处理成为图像处理的主要方面。
图像处理的各个内容是互相有联系的，一个实用的图像处理系统往往结合应用几种图像处理技术才能得到所需要的结果。以图片分析和理解为目的的分割、描述和识别将用于各种自动化检测系统，如字符和图形识别、用机器人进行产品的装配和检验、自动军事目标识别和跟踪、指纹识别、X光照片和血样的自动处理等。在这类应用中，往往需综合应用模式识别和计算机视觉等技术。
从某种意义上说，图像处理分析是机器视觉的一部分。而从另一种意义上说，图像处理分析是一门更广的学科。然而实际上，这两个领域是密不可分，互相支持的。
机器视觉的主要任务可分为：第一，定位，即能够自动判断物体的位置，并将位置信息通过一定的通讯协议输出；第二，测量，自动测量产品的外观尺寸，比如外形轮廓、孔径、高度、面积等尺寸的测量；第三，缺陷检测，这是机器视觉系统用的最多的一种功能，它可以检测产品表面的一些信息。譬如：包装正误，有没有包装正确、印刷有无错误、表面有无刮伤或颗粒、破损、有没有油污灰尘、塑料件有没有穿孔、有没有注塑不良等；基本上，产品的品质需要用人眼来判断的，都可以尝试用视觉技术来替代，获得更有的产品性能。
对于缺陷检测，也可以说是对物体进行比较，例如，将生产线上的单元与同样类型的KGU（已知优质单元）相比较，找出诸如缺少元件或标签等的制造缺陷。这种比较可能是简单的图样相减，也可能涉及到几何或矢量图形匹配算法。如果被比较物体的尺寸或方向各不相同的话，就必须采用后者。比较的类型包括检测物体的有无、匹配色彩和比较印刷质量。对于上述的检测而言，都是建立在机器视觉检测技术上来完成的。