Die Bilderfassung in der Bildverarbeitung kann allgemein als der Vorgang des Abrufens eines Bildes aus einer Quelle, normalerweise einer hardwarebasierten Quelle, definiert werden, sodass es durch alle Prozesse geleitet werden kann, die anschließend ausgeführt werden müssen. Die Durchführung der Bildaufnahme in der Bildbearbeitung ist immer der erste Schritt im Arbeitsablauf, denn ohne Bild ist keine Bearbeitung möglich. Das aufgenommene Bild ist vollständig unverarbeitet und das Ergebnis der verwendeten Hardware, um es zu generieren, was in einigen Bereichen sehr wichtig sein kann, um eine konsistente Ausgangsbasis zu haben, von der aus gearbeitet werden kann. Eines der ultimativen Ziele dieses Prozesses besteht darin, eine Eingabequelle zu haben, die innerhalb solcher kontrollierten und gemessenen Richtlinien arbeitet, dass das gleiche Bild bei Bedarf unter den gleichen Bedingungen nahezu perfekt reproduziert werden kann, sodass anomale Faktoren leichter zu lokalisieren und zu beseitigen sind.
Ein wesentlicher Faktor bei der Bildaufnahme in der Bildverarbeitung ist je nach Arbeitsbereich manchmal die Ersteinrichtung und die langfristige Wartung der zur Aufnahme der Bilder verwendeten Hardware. Das eigentliche Hardwaregerät kann alles sein, von einem Desktop-Scanner bis hin zu einem massiven optischen Teleskop. Wenn die Hardware nicht richtig konfiguriert und ausgerichtet ist, können visuelle Artefakte erzeugt werden, die die Bildverarbeitung erschweren können. Unsachgemäß eingerichtete Hardware kann auch Bilder liefern, die von so geringer Qualität sind, dass sie selbst bei umfangreicher Verarbeitung nicht mehr gerettet werden können. Alle diese Elemente sind für bestimmte Bereiche von entscheidender Bedeutung, beispielsweise für die vergleichende Bildverarbeitung, die nach spezifischen Unterschieden zwischen Bildsätzen sucht.
Eine der Formen der Bildaufnahme in der Bildverarbeitung ist als Echtzeit-Bildaufnahme bekannt. Dies beinhaltet normalerweise das Abrufen von Bildern aus einer Quelle, die automatisch Bilder aufnimmt. Durch die Echtzeit-Bilderfassung wird ein Dateistrom erstellt, der automatisch verarbeitet, für die spätere Arbeit in die Warteschlange gestellt oder in ein einziges Medienformat zusammengefügt werden kann. Eine gängige Technologie, die bei der Echtzeit-Bildverarbeitung verwendet wird, ist als Hintergrundbilderfassung bekannt, die sowohl Software als auch Hardware beschreibt, die die Bilder, die in ein System einfließen, schnell speichern können.
Es gibt einige fortschrittliche Methoden der Bildaufnahme in der Bildverarbeitung, die tatsächlich kundenspezifische Hardware verwenden. Die dreidimensionale (3D) Bildaufnahme ist eine dieser Methoden. Dies kann die Verwendung von zwei oder mehr Kameras erfordern, die an genau umschriebenen Punkten um ein Ziel herum ausgerichtet wurden, um eine Folge von Bildern zu bilden, die ausgerichtet werden können, um eine 3D- oder stereoskopische Szene zu erstellen oder Entfernungen zu messen. Einige Satelliten verwenden 3D-Bilderfassungstechniken, um genaue Modelle verschiedener Oberflächen zu erstellen.