„Aparat cyfrowy” to termin używany dla urządzenia, którego rolą jest przechwytywanie obrazu lub nagrywanie sekwencji klatek bez użycia rzeczywistego filmu, na którym można naświetlać obrazy. „Wykrywanie obiektów” lub „śledzenie obiektów” to termin odnoszący się wyłącznie do aparatu cyfrowego. Dziedzina informatyki badająca zjawiska związane z tworzeniem i udoskonalaniem cyfrowych rejestratorów wideo nazywana jest widzeniem komputerowym. Te dwa terminy – przetwarzanie obrazu i widzenie komputerowe – są czasami uważane za te same pojęcia i używane zamiennie. W tym rozdziale rozważymy je jeden po drugim. Przetwarzanie obrazu skupia się na przetwarzaniu obrazów przez pewne przekształcenia, takie jak wygładzanie, zwiększanie jasności lub kontrast oraz wykrywanie lub podkreślanie krawędzi obrazu. Przetwarzanie obrazu przyjmuje dane wejściowe jako obraz i przywraca dane wyjściowe jako obraz. Z drugiej strony, wizja komputerowa służy do pobierania informacji lub cech z obrazu. Wizja komputerowa przyjmuje dane wejściowe jako obraz, ale wyjściem są informacje dotyczące obrazu, wyodrębnione za pomocą technik przetwarzania obrazu. Widzenie komputerowe jest więc zależne od technik przetwarzania obrazu. W wielu scenariuszach czasu rzeczywistego, w których komputer zastępuje ludzkie widzenie, warunki są takie, w których ludzkie oczy nie działają. Informatyka już od kilkudziesięciu lat próbuje wyposażać maszyny w system wizualny. Ponad 150 lat od wynalezienia pierwszego aparatu fotograficznego trwają badania, aby maszyna widziała z większą dokładnością i dbałością o szczegóły niż ludzie. Widzenie komputerowe coraz częściej podejmuje złożone wyzwania, wykorzystując uczenie maszynowe, sztuczną inteligencję i głębokie uczenie, aby analizować bardziej złożone obrazy z większą dokładnością. Istnieje kilka zaawansowanych obszarów widzenia komputerowego, które muszą zostać zbadane przez studentów i badaczy, omówione w dalszej części.