计算机视觉是一个相当新且发展十分迅速的研究领域，并成为计算机科学的重要研究领域之一。

计算机视觉始于20世纪50年代的统计模式识别，当时的工作主要集中于二维图像分析和识别上，如光学字符识别、工件表面、显微图片和航空图片的分析和解释等。

60年代，Roberts（1965）通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的空间关系进行描述[Roberts 1965]。Roberts的研究工作开创了以理解三维场景为目的的三维计算机视觉的研究。Roberts对积木世界的创造性研究给人们以极大的启发，许多人相信，一旦由白色积木玩具组成的三维世界可以被理解，则可以推广到理解更复杂的三维场景。于是，人们对积木世界进行了深入的研究，研究的范围从边缘的检测、角点特征的提取，到线条、平面、曲线等几何要素分析，一直到图像明暗、纹理、运动以及成像几何等，并建立了各种数据结构和推理规则。

70年代中期，麻省理工学院（MIT）人工智能（AI）实验室正式开设“计算机视觉”（Machine Vision）课程，由著名学者B. K. P. Horn教授主讲。同时，MIT AI实验室吸引了国际上许多知名学者参与计算机视觉的理论、算法、系统设计的研究，David Marr教授就是其中的一位。他与1973年应邀在MIT AI实验室领导一个以博士生为主体的研究小组，1977年提出了不同于“积木世界”分析方法的计算视觉（computational vision）理论，该理论在80年代成为计算机视觉研究领域中的一个十分重要的理论框架[Marr 1982]。

到了80年代中期，计算机视觉获得了迅速发展，主动视觉理论框架、基于感知特征群的物体识别理论框架等新概念、新方法、新理论不断涌现。

90年代，计算机视觉开始在工业环境中得到广泛的应用，同时基于多视几何的视觉理论也得到迅速发展。

进入21世纪，计算机视觉与计算机图形学的相互影响日益加深，基于图像的绘制成为研究热点。高效求解复杂全局优化问题的算法得到发展。