مقدمات: تعریف بینایی کامپیوتر و کاربردها، تصاویر رقمی، نورپردازی، تصویربرداری، نمونه‌برداری، چینش و چندی‌سازی
پیش‌پردازش: مناسب‌سازی تصویر با عملیات نقطه‌ای، محلی، یا سراسری، نویز و حذف آن در حوزه مکان، افزایش وضوح
ناحیه‌بندی تصویر بر مبنای لبه‌ها: تعریف لبه، تشخیص لبه، آستانه‌سازی لبه‌ها، تعیین مرز اشیاء، تبدیل هاف، کانتور فعال
ناحیه‌بندی بر مبنای ناحیه: روش‌های رشد ناحیه و تقسیم و ترکیب، معرفی بافت، خوشه‌بندی نقاط با ویژگی‌های بافت
ناحیه‌بندی بر مبنای آستانه‌سازی سطوح خاکستری: نیم‌آستانه‌سازی، آستانه‌سازی باند، آستانه‌سازی تکراری، روش آتسو
ارائه نواحی: ارائه با توصیف پیرامون، توصیف ناحیه و ویژگی‌های هندسی
تشخیص نقاط کلیدی: لاپلاسین گاسین، تفاضل گاسین‌ها، ماتریس هسین، اپراتورهای مراوک، هریس و فست
توصیف و تطبیق نقاط کلیدی: ویژگی‌های سیفت، سرف، هاگ، ال بی پی، و فریک، الگوریتم رنسک
مقدمه‌ای بر بینایی سه بعدی: عمق سنجی با روش‌های فعال، حسگر کینکت، روش‌های غیرفعال
تحلیل حرکت با روش تفاضلی، تشخیص نقاط کلیدی، و شار نوری
روش‌های اولیه ردیابی، ردیابی با تطبیق، ردیابی با فیلتر کالمن و فیلتر ذره
مقدمه‌ای بر یادگیری عمیق در بینایی کامپیوتر: شبکه پیچشی، کاربردهای نمونه