图像处理和视觉应用程序可能会受益于云计算，因为很多都是数据和计算密集型的。

　　专为细胞分析，汽车零部件尺寸测量或分析多光谱卫星图像而设计的图像处理和机器视觉应用为系统设计人员带来了不同的挑战。 虽然所有这些都是计算和数据密集型的，但是这些图像必须被捕获和分析的速率在应用程序之间差别很大。

　　例如，在数字病理学系统中，高速图像捕捉可能不是必需的，但对于设计用于以每分钟数千(或更多)个零件的速率检测汽车零件的机器视觉系统而言，这一点至关重要。 在这样的系统中，图像捕获和处理的速度至关重要，最重要的是，视觉系统的延迟以及通过/失败排斥机制也是如此。

　　客户服务器模型

　　云计算(或者更确切地说是使用远程服务器网络来存储，管理和处理数据)将承诺分散图像处理和机器视觉系统中所需的大部分图像处理，这将影响当前使用本地处理和存储的应用程序。通过远程查找处理和存储功能，图像处理应用程序可远程使用，并可由用户按需付费或按按使用付费商业模式付费。

　　这些模型以多种不同的形式提供，特别是作为软件即服务(SaaS)，平台即服务(PaaS)和基础架构即服务(IaaS)。 虽然SaaS使用在基于云的系统上运行的提供商的应用程序，但PaaS允许第三方软件公司远程开发，运行和管理他们的应用程序。 最后，IaaS为那些希望运行远程应用程序的人提供管理和可扩展的资源作为服务

　　这种云计算基础架构对图像处理和机器视觉系统的开发者提出了挑战。 虽然基于云的系统理想化地尝试自动分配和平衡处理负载，但开发人员的角色仍然是确保数据以满足应用程序需求的速度传输、处理和返回数据。

　　美国佛罗里达州奥兰多市中佛罗里达大学的Dan Marinescu教授指出，鉴于共享网络和未知拓扑结构，基于云的基础架构表现出节点间延迟和带宽波动，这些往往会影响应用性能。