圖像分析或圖像分析是從圖像中提取有意義的信息；主要是通過數字圖像處理技術從數字圖像中提取。圖像分析任務可以簡單到讀取條形碼標簽，也可以復雜到從人的臉部識別出一個人。對于分析大量的數據，對于需要復雜計算的任務，或者對于定量信息的提取，計算機是不可或缺的。另一方面，人類的視覺皮層是一個優秀的圖像分析儀器，特別是在提取更高層次的信息方面，對于許多應用--包括醫學、安全和遙感--人類分析人員仍然無法被計算機取代。出于這個原因，許多重要的圖像分析工具，如邊緣檢測器和神經網絡都受到人類視覺感知模型的啟發。數字化數字圖像分析或計算機圖像分析是指計算機或電氣設備自動研究圖像，從中獲得有用的信息。它涉及計算機或機器視覺和醫學成像領域，并大量使用模式識別、數字幾何和信號處理。這一計算機科學領域于20世紀50年代在麻省理工學院人工智能實驗室等學術機構發展起來，最初是作為人工智能和機器人學的一個分支。它是對二維（2D）或三維（3D）數字圖像進行定量或定性描述。例如，二維圖像要在計算機視覺中進行分析，而三維圖像要在醫學成像中進行分析。該領域建立于20世紀50-70年代，例如由AzrielRosenfeld、HerbertFreeman、JackE.Bresenham或King-SunFu做出的開創性貢獻。

在自動分析圖像方面有許多不同的技術。每種技術都可能對小范圍的任務有用，然而，與人類的圖像分析能力相比，目前還沒有任何已知的圖像分析方法足以通用于廣泛的任務。不同領域中的圖像分析技術的例子包括。二維和三維物體識別，圖像分割，運動檢測，如單粒子跟蹤，視頻跟蹤，光流，醫學掃描分析，三維姿勢估計。應用數字圖像分析的應用在科學和工業的各個領域不斷擴大，包括天文學，如計算行星的大小。自動物種識別（如植物和動物物種）防御錯誤水平分析過濾機器視覺，如自動計算工廠傳送帶上的物品。材料科學，如確定金屬焊縫是否有裂縫。醫學，如在乳房X光掃描中檢測癌癥。金屬學，如確定巖石樣品的礦物含量。顯微學，如計算棉簽中的細菌。自動車牌識別；光學字符識別，如自動車牌檢測。遙感，如檢測房屋中的入侵者，并制作土地覆蓋/土地使用圖。機器人，如避免轉向進入障礙物。安全，如檢測一個人的眼睛顏色或頭發顏色。基于對象的基于對象的圖像分析（OBIA）采用兩個主要過程，分割和分類。

傳統的圖像分割是在每個像素的基礎上進行的。然而，OBIA將像素分組為同質的物體。這些對象可以有不同的形狀和比例。對象也有與之相關的統計數據，可以用來對對象進行分類。統計資料可以包括圖像對象的幾何形狀、背景和紋理。分析師在分類過程中定義了統計數據，以生成例如土地覆蓋。當應用于地球圖像時，OBIA被稱為基于地理對象的圖像分析（GEOBIA），被定義為地理信息科學的一個子學科，致力于（...）將遙感（RS）圖像劃分為有意義的圖像對象，并通過空間、光譜和時間尺度評估其特征。國際GEOBIA會議自2006年以來每年舉行兩次。基于對象的圖像分析也被應用于其他領域，如細胞生物學或醫學。例如，它可以檢測細胞分化過程中細胞形狀的變化。該技術在eCognition或Orfeo工具箱等軟件中實現。