当下机器视觉技术已经渗入到我们的日常生活中，从手机里的美颜APP面目识别功能、人脸相册分类，到支付宝面部识别身份验证、储物柜人脸识别，以及工业机器人对物体准确抓取、物流机器人障碍避让等等都是运用了计算机视觉技术。
在自动化生产过程中，人们通常将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。目前机器视觉产品中端市场2/3为电子制造、汽车制造和市政交通行业所占据，其余市场份额包括食品、包装机械、印刷等行业需求，并且这些行业对机器视觉产品的需求仍然在大幅增长。
人工智能 (AI) 成为显学，图像处理芯片市场的版图分布也因而出现重大变动。据研究机构分析，在AI 应用的带动下，嵌入式影像与视觉相关芯片将分成两个区块，其一是传统的影像讯号处理器(ISP)市场，该市场将以 6.3% 复合年增率 (CAGR) 稳定成长， 2017 年整体市场规模为 44 亿美元；
其二则是新兴的视觉运算处理器，这类处理器主要负责执行各种影像分析算法，因此需要极高的运算效能跟内存带宽，其市场成长的复合年增率将高达 30.7% ，并将在 2021 年正式超越 ISP ，成为嵌入式影像与视觉芯片市场中最大的区块。
ISP的主要功能包括AE（自动曝光）、AF（自动对焦）、AWB（自动白平衡）、去除图像噪声、LSC(Lens Shading Correction)、BPC(Bad PixelCorrection)，最后把Raw Data保存起来，传给videocodec或CV等。通过ISP可以得到更好的图像效果，因此在智能手机特别是在高端手机上对ISP的要求很高，比如开始集成双通道甚至三通道的ISP。一般来说ISP是集成在AP里面（对很多AP芯片厂商来说，这是差异化竞争的关键部分），但是随着需求的变化也出现了独立的ISP，主要原因是可以更灵活的配置，同时弥补及配合AP芯片内ISP功能的不足。
视觉处理技术一直是大家关注的热点领域。在最近的Linley Processor Conference上一致的认为，随着视觉传感器收集的数据越来越多，以及模型的复杂，对硬件提出了更高的要求，处理必须实时完成，同时消耗的电量必须更低。新兴的视觉运算处理器需求或在不久将超越ISP。
