1)圖像變換由於圖像陣列較大，直接在空間域進行處理，計算量較大。因此，往往采用各種圖像變換方法，如傅裏葉變換、沃爾什變換、離散余弦變換等間接處理技術，將空間域處理轉化為變換域處理，這樣不僅可以降低計算復雜度，還可以獲得更有效的處理(如傅裏葉變換可以在頻域進行數字濾波)。目前新發展起來的小波變換在時域和頻域都具有良好的局部化特性，在圖像處理中也得到廣泛有效的應用。
2)圖像編碼壓縮圖像編碼壓縮技術可以減少描述圖像的數據量(即比特數)，從而節省圖像傳輸和處理時間，減少占用的內存容量。壓縮可以實現無失真，也可以在允許的失真條件下進行。編碼是壓縮技術中最重要的方法，是圖像處理技術中最早也是最成熟的技術。
3)圖像增強和恢復圖像增強和恢復的目的是提高圖像質量，如去除噪聲、提高圖像清晰度等。圖像增強不考慮圖像退化的原因，而是突出圖像感興趣的部分。如果增強圖像的高頻成分，可以使圖像中物體的輪廓清晰，細節明顯；例如，加強低頻分量可以減少圖像中噪聲的影響。圖像復原需要對圖像退化的原因有壹定的了解。壹般來說，應該根據退化過程建立壹個“退化模型”，然後采用某種濾波方法來恢復或重建原始圖像。
4)圖像分割圖像分割是數字圖像處理的關鍵技術之壹。圖像分割是從圖像中提取有意義的特征，其有意義的特征包括圖像中的邊緣和區域，是進壹步圖像識別、分析和理解的基礎。雖然已經發展了許多邊緣提取和區域分割的方法，但是還沒有壹種有效的方法可以普遍適用於所有類型的圖像。因此，對圖像分割的研究還在不斷深入，是圖像處理的熱點之壹。
5)圖像描述是圖像識別和理解的必要前提。作為最簡單的二值圖像，其幾何特征可以用來描述物體的特征，而壹般的圖像描述方法采用二維形狀描述，有邊界描述和區域描述兩種方法。二維紋理特征可以用來描述特殊的紋理圖像。隨著圖像處理研究的深入發展，對三維物體描述進行了研究，提出了體描述、面描述和廣義柱面描述等方法。
6)圖像分類(識別)圖像分類(識別)屬於模式識別的範疇，其主要內容是經過壹定的預處理(增強、恢復、壓縮)，對圖像進行分割和特征提取，從而進行決策分類。經典模式識別方法常用於圖像分類，包括統計模式分類和句法(結構)模式分類。近年來，新發展起來的模糊模式識別和人工神經網絡模式分類在圖像識別中越來越受到重視。