基于內容的圖像檢索，也稱為按圖像內容查詢（QBIC）和基于內容的視覺信息檢索（CBVIR），是將計算機視覺技術應用于圖像檢索問題，即搜索數字圖像的問題 在大型數據庫中（有關 CBIR 領域的科學概述，請參閱此調查）。 基于內容的圖像檢查反對傳統的基于概念的方法（參見基于概念的圖像索引）。

基于內容意味著搜索分析圖像的內容而不是元數據，例如與圖像關聯的關鍵字、標簽或描述。 此上下文中的術語內容可能指的是顏色、形狀、紋理或可以從圖像本身導出的任何其他信息。 CBIR 是可取的，因為純粹依賴元數據的搜索依賴于注釋質量和完整性。

讓人類通過在大型數據庫中輸入關鍵字或元數據來手動注釋圖像可能非常耗時，并且可能無法捕獲描述圖像所需的關鍵字。 關鍵詞圖片搜索的有效性評價是主觀的，沒有明確的定義。 同樣，CBIR 系統在定義成功方面也面臨著類似的挑戰。 關鍵字還將查詢范圍限制在一組預定標準內。 并且，已設置的內容不如使用內容本身可靠。

基于內容的圖像檢索這個術語似乎起源于 1992 年，當時日本電工實驗室工程師 Toshikazu Kato 使用它來描述基于當前顏色和形狀從數據庫中自動檢索圖像的實驗。 從那時起，該術語就被用來描述基于句法圖像特征從大量集合中檢索所需圖像的過程。 使用的技術、工具和算法源自統計、模式識別、信號處理和計算機視覺等領域。

最早的商用 CBIR 系統由 IBM 開發，稱為 QBIC（Query By Image Content）。 最近基于網絡和圖形的方法已經提出了一種簡單且有吸引力的現有方法的替代方法。

雖然將多個圖像存儲為單個實體的一部分出現在術語 BLOB（二進制大型對象）之前，但完全按內容而不是按描述進行搜索的能力必須等待 IBM 的 QBIC。

由于基于元數據的系統固有的局限性以及高效圖像檢索的廣泛可能用途，人們對 CBIR 的興趣有所增長。 使用現有技術可以輕松搜索有關圖像的文本信息，但這需要人類手動描述數據庫中的每張圖像。 對于非常大的數據庫或自動生成的圖像，例如，這可能是不切實際的。 那些來自監控攝像頭的。 也有可能錯過在描述中使用不同同義詞的圖像。 基于將貓等語義類別中的圖像分類為動物子類的系統可以避免錯誤分類問題，但用戶需要付出更多努力才能找到可能是貓但僅被歸類為動物的圖像。 已經開發了許多標準來對圖像進行分類，但所有標準仍然面臨縮放和錯誤分類問題。

開發最初的 CBIR 系統是為了根據圖像顏色、紋理和形狀屬性搜索數據庫。 在開發出這些系統之后，對用戶友好界面的需求變得顯而易見。 因此，CBIR 領域的努力開始包括以人為本的設計，試圖滿足執行搜索的用戶的需求。 這通常意味著包括：可能允許描述性語義的查詢方法、可能涉及用戶反饋的查詢、可能包括機器學習的系統以及可能理解用戶滿意度水平的系統。

已經開發了許多 CBIR 系統，但截至 2006 年，根據像素內容檢索圖像的問題在很大程度上仍未解決。

CBIR 的不同查詢技術和實現使用不同類型的用戶查詢。

QBE（按示例查詢）是一種查詢技術，涉及為 CBIR 系統提供示例圖像，然后系統將基于該圖像進行搜索。 底層搜索算法可能因應用程序而異，但結果圖像應與提供的示例共享共同元素。

向系統提供示例圖像的選項包括：

• 預先存在的圖像可以由用戶提供或從隨機集中選擇。
• 用戶畫出他們正在尋找的圖像的粗略近似值，例如使用顏色斑點或一般形狀。

這種查詢技術消除了嘗試用文字描述圖像時可能出現的困難。