Las señales de vibración de máquinas rotativas representan típicamente una gran colección de respuestas de diversas fuentes en una máquina, junto con algo de ruido de fondo. Esto hace que sea un desafío utilizar con precisión las señales de vibración recopiladas para el diagnóstico de fallas en la máquina. Gran parte de la investigación en este área se ha centrado en calcular ciertas características de la señal de vibración original en el dominio del tiempo, el dominio de la frecuencia y el dominio tiempo-frecuencia, que pueden describir suficientemente la señal en esencia. Sin embargo, calcular características útiles a partir de señales de fallas ruidosas, incluidos los errores de medición, requiere conocimiento previo experto y trabajo humano. En las últimas dos décadas, ha habido desarrollos rápidos en la aplicación de técnicas de aprendizaje de características o aprendizaje de representaciones que pueden aprender automáticamente representaciones de conjuntos de datos de vibración de series temporales para abordar este problema. Esto incluye técnicas de aprendizaje supervisado con clases de datos conocidas y técnicas de aprendizaje no supervisado o de agrupamiento con clases de datos o límites de clase que no son obtenibles. Los desarrollos más recientes en el campo de la visión por computadora han llevado a un renovado interés en transformar la señal de vibración de series temporales 1D en una imagen 2D, que a menudo puede ofrecer descripciones discriminativas de las señales de vibración. Se pueden aprender varias formas de características de las imágenes de vibración, incluyendo forma, color, textura, intensidad de píxeles, etc. Dada su alta eficacia en el diagnóstico de fallas, la representación de imágenes de señales de vibración está recibiendo una creciente atención de los investigadores. En este artículo, revisamos los trabajos asociados con la detección y diagnóstico de fallas basados en la representación de imágenes de vibración para máquinas rotativas con el fin de trazar el progreso en este campo. Presentamos la primera encuesta completa sobre este tema resumiendo y categorizando las técnicas existentes de representación de imágenes de vibración en función de sus características y el dominio de procesamiento de la señal de vibración. Además, también analizamos la aplicación de estas técnicas en la detección y clasificación de fallas en máquinas rotativas. Finalmente, esbozamos brevemente las direcciones futuras de investigación basadas en los trabajos revisados.