图像处理有什么职业_数字图像处理有什么工作 - CSDN
  • 想从事和人工智能相关的工作,大学可以选什么专业呢?AI相关的职业可以简单介绍一下吗? 人工智能是一门交叉学科,数学理论和计算机技术是其重要的组成部分。该领域的研究主要包括图像识别、语言识别、专家系统...

    想从事和人工智能相关的工作,大学可以选什么专业呢?AI相关的职业可以简单介绍一下吗?

     

    人工智能是一门交叉学科,数学理论和计算机技术是其重要的组成部分。该领域的研究主要包括图像识别、语言识别、专家系统、自然语言处理和机器人科学等。当前,中国的 AI 市场主要分为以下几个领域:

    1) 基础服务如数据源和计算平台

    2) 硬件产品如工业机器人和服务机器人

    3) 智能服务如智能客服和商业智能

    4) 技术能力如图像识别和机器学习

    目前大学和人工智能有关的专业,大致有些:

    数据科学与大数据技术

    计算机科学

    软件工程

    应用数学

    智能科学与技术等

    想做工程开发类,可以选计算机方向。例如:计算机科学,软件工程等专业。目前,最对口AI方向的专业是计算机科学。 AI工作不仅需要非常扎实和广泛的数学基础,同时也要求具备很高的实操能力。

    想做学术研究类,可以选统计学及数学计算方向。比如线性代数,微积分,概率统计、数值计算等,人工智能对数学功底的要求是比较高,目前人工智能的实践主要由于机器学习的发展,理论基础涵盖统计学,概率论,逼近论,凸优化等多门理论,机器学习在本质上是数学计算。

    这里顺带提一下大数据、人工智能、云计算三者关系,简单说:云计算是大数据的基础,大数据又是人工智能的基础。

     

    一些职业简介

    1、算法工程师。进行人工智能相关前沿算法的研究,包括机器学习、知识应用、智能决策等技术的应用。以机器学习的过程为例,涉及到数据收集、数据整理、算法设计、算法训练、算法验证、算法应用等步骤,所以算法是机器学习开发的重点。

    2、程序开发工程师。一方面程序开发工程师需要完成算法实现,另一方面程序开发工程师需要完成项目的落地,需要完成各个功能模块的整合。

    3、人工智能运维工程师。大数据与AI产品相关运营、运维产品研发;相关组件的运维工具系统的开发与建设;提供大数据与AI云产品客户支持。

    4、智能机器人研发工程师。研发方向主要从事机器人控制系统开发,高精度器件的设计研发等。工业机器人系统集成方向主要做工作站设计,电气设计,器件选型,机器人调试,编程,维护等。

    5、AI硬件专家。AI 领域内另外一种日益增长的蓝领工作是负责创建 AI 硬件(如 GPU 芯片)的工业操作工作。大科技公司目前已经采取了措施,来建立自己的专业芯片。

    很多初学者,对【大数据以及人工智能】的概念都是模糊不清的,大数据是什么,能做什么,学的时候,该按照什么线路去学习,学完往哪方面发展,想深入了解,想学习的同学欢迎加入大数据学习qq群:458345782,有大量干货(零基础以及进阶的经典实战)分享给大家,并且有清华大学毕业的资深大数据讲师给大家免费授课,给大家分享目前国内最完整的大数据高端实战实用学习流程体系。

    展开全文
  • 机器学习人才的职业薪酬也发展

    千次阅读 2017-06-02 14:49:50
    导语:看过那么多新闻,听过那么多传奇,甚至自己也钻研过当下的AI大潮,我们似乎还不太清楚,我们到底能做一些什么?作为一个工薪阶层,我们能哪些机会?让我们一起来看一下这篇报告吧。 一、机器学习相关...

    原址

    导语:看过那么多新闻,听过那么多传奇,甚至自己也钻研过当下的AI大潮,我们似乎还不太清楚,我们到底能做一些什么?作为一个工薪阶层,我们能有哪些机会?让我们一起来看一下这篇报告吧。


    一、机器学习相关的公司分析 


    1、大的有师傅的公司 
    这类公司主要是百度,阿里和腾讯。共同的特点是数据很大,机器学习的团队比较庞大,一般进去的同学都可以有师傅带着学习,进步会比较快。
    但是三个公司的特点也有所不同。


    百度是我认为在业务和技术之间匹配的最好,并且从基础到应用搭配的最好的公司。机器学习方面的能力对于百度的广告,搜索,移动搜索,LBS,应用分发,移动音乐,移动阅读,移动新闻,图片搜索,语音输入,浏览器,视频等所有业务都非常重要;而百度也非常重视机器学习团队的搭建。目前在产品方面的表现也非常不错。如果近期加入的团队一旦在基础研究以及产品化方面有巨大突破的话,百度的各个核心产品都可能大大的超出其他公司的产品。 百度的机器学习人才的需求种类最宽。


    阿里目前的机器学习人才主要用在业务挖掘,广告和推荐方面。和阿里的业务非常的匹配;根据IPO公告,以及近期的动作,阿里未来的业务发展方向主要是电商业务的区域扩张(向下是向县城扩张,向上是跨国业务的发展)以及产品品类的扩张(从实物产品的电商向服务,金融方向的扩张。)从这种趋势来看,未来阿里的机器学习人才需求还是以业务挖掘,广告和推荐方面的人才需求为主(图像处理和NLP作为feutrue的提供者,也有需求)。


    腾讯公司过去的主要业务是建立在社交网络之上的游戏,互联网增值服务(会员和道具之类的),广告等。根据年报,我认为腾讯今后的重点是在微信的基础上来发展盈利性业务,目前能够看到的业务有游戏,电商,支付,嘀嘀打车等;腾讯也单独把广告和视频业务提出来当做重点业务。


    结合以上对于腾讯的业务分析和预测,以及之前对于腾讯的职位的一些认识,我认为腾讯今后对于机器学习类人才的需求主要有业务挖掘,广告算法,推荐等。

    从业务上来看,三家公司都具有收入和利润基本都来自核心业务(百度主要来自于搜索广告;腾讯主要来自于游戏和增值服务,阿里主要来自于电商广告),同时有向其他俩家的核心业务扩展的动作但是没有成功的特点(百度尝试过电商和社交;阿里尝试过社交,也正在做搜索;腾讯尝试过搜索,也在做电商)。

    从战略和职位设置来看,百度是从基础到产品都做;而阿里和腾讯主要侧重于应用。


    2、中等规模的团队搭建中的公司以及专业公司 
    有一些公司,相对于BAT来说,市场地位相对较弱,但是公司的市场地位也不错;同时机器学习的团队相对较小,或者布置的普遍程度相对较弱。

    比如当当,携程,去哪儿,360,58同城,优酷,乐视。这类公司一般会设置俩类机器学习的岗位,一是业务挖掘类岗位,另外就是推荐和广告算法的团队。这类公司具有市场地位不够稳固,机器学习团队相对较弱或者较新的特点。

    同样有一些中等规模的广告行业的专业公司,也有机器学习的团队,比如MediaV,品友互动等公司。这类公司主要的岗位是计算广告算法工程师。


    3、小的专业公司 
    在移动互联网快速发展的今天,有一些专业性的小公司,产品本身对于机器学习技术的依赖性非常大,也设置了机器学习的岗位,这些小公司大多数是创业公司,业务发展的不确定性比较大,同时需要的机器学习人才和业务本身的相关性非常大。 
    比如口袋购物(主要需求的是推荐算法,广告算法,NLP和图像处理人才),今日头条(主要需要的是文本挖掘,推荐等人才),微博易(主要需要的是文本挖掘类人才),出门问问(主要需要的是语音识别,搜索的人才)。


    不同类型的公司对于人才的要求不同,对于能够带给人才的东西也不同,各有优劣。同学们可以根据自己的情况灵活的选择,每类公司中都有非常好的公司和岗位!




    二、机器学习相关职位分析


    1、互联网业务挖掘

    使用的主要数据和要解决的问题,初级的业务挖掘人员的工作会离数据和算法更近;高级的业务挖掘人员 会离用户和业务更近。

    职位需求趋势:


    这类职位的需求量非常大,基本所有的主要互联网公司都设置了这个岗位。这个岗位的名字常常有“分 析师”,“数据挖掘工程师”等。

    零售,金融,电信,制造业等行业对于互联网业务挖掘人员也持欢迎态度。近几年对于这类人才的需求 很能会有非常大的增长。

    薪水状况:

    从我接触到的猎头职位的情况来看,在这个岗位上工作三四年,能够独立和业务部门以及技术部门沟通 ,并且能够灵活的应用数据为业务部门提出解释和建议的人才的年度薪水在20万元到35万元左右。 2年前见过大的互联网公司的分析总监给到50万元以上。

    职业发展前景:

    我个人认为人类曾经经历过火车时代,电力时代,汽车时代,电子时代;当下的时代是数据时代。具有

    良好的数据分析能力的人对于越来越多的企业具有至关重要的作用。根据海德思哲公司的分析,未来的 企业领袖人物往往是business+science+technology三方面都很强的人,业务挖掘工程师的工作内容和其 中的俩项密切相关。


    2、推荐算法

    解决的核心问题是给用户想要的,不要给用户不想要的,降低用户找东西的难度,给用户更多的惊喜。 不同的互联网产品在不同的阶段,可以通过推荐系统解决不同的问题和实现不同的目标。

    职位的设置情况和需求趋势: 
    相对业务挖掘岗位,有推荐算法职位的公司数量相对比较少。能够看到的一些公司如下。 
    电商:淘宝,当当,京东,口袋购物。 
    视频:优酷土豆,爱奇艺,风行在线,乐视。 
    音乐:豆瓣,虾米,网易云音乐,百度。 
    新闻APP:今日头条,网易新闻客户端,百度新闻,指阅。 
    阅读:盛大文学,掌阅科技。 
    团购:美团,糯米。 
    社交:微博,linkedin。 
    手机助手:豌豆荚, 
    LBS推荐:百度,高德。

    相对电脑,手机的私密性更强,屏幕资源更小,可能会有更多的移动应用公司会部署推荐算法的岗位。

    薪水状况:

    我接触到的推荐算法负责人的职位(能够直接面对工程和产品部门,对推荐系统的效果负责),招聘方 给到的年度薪在30万元到50万元左右。

    职业发展前景:

    移动互联网是近几年互联网行业最大的潜力细分领域,而推荐对于移动互联网的所有产品都有非常重要 的作用,从这个角度来讲推荐算法工程师的职业前景非常不错。在多个移动互联网的细分领域,推荐都处于核心地位,因此成熟的推荐算法人才创业的机会也比较多。


    3、广告算法

    数据主要是俩块,一块是用户的数据,除了公司自有的数据以外,也可以通过DMP(数据管理平台)获取到 一些用户的数据;另外一块是关于广告的数据。需要解决的问题就是把用户和进行更好的匹配,提升总体的市场效率。 其中CTR预估是非常重要的工作内容。职位的设置情况和需求趋势: 和其他的职位相比,计算广告的公司数量比较集中。公司主要分为三类。 


    一类是有Exchange或者类似体量的公司(相当于有设局或者设立证券交易所的公司),有百度,淘宝,腾讯,搜狗,360,微软,雅虎。这类公司的流量很大,广告主的数量也很大,他们制定各自的市场内的游戏规则(主要是资源分配的办法以及结算办法。)


    另外一类是DSP(Demand side platform),比如MediaV,品友互动,浪淘金等。这类公司本身没有大的流量 ,但是都在努力建立相对广告主更为有效的广告投放能力,主要从广告主挣钱。主要的目标是帮助广告主更有效率的把广告投放到目标群体身上。


    第三类公司是类似五八同城,优酷,新浪微博这样的大媒体。或者多盟这样的SSP(Supply sideplatform)。这类公司自己有一定的流量,也有一些广告主客户。也需要有人来做市场效率的提升。


    新增职业机会的来源,我能够看到的主要有以下几种。一种是在搜索市场上取得突破后需要建立商业变现体系的360;还有一些是来自于对淘宝模式模仿的电商公司,比如当当;还有一类是互联网广告公司的业务拓展和创新,比如SSP公司向DSP业务的拓展,或者互联网广告监测公司,或者广告生态种新的角色 诞生带来的新职位机会。


    近几年看到的互联网广告相关的变化主要有2个,一个是谷歌采用GSP(General second price)竞价方 式并逐步被别的公司跟进;另外一个变化就是有些DSP公司大力倡导RTB(Real time bidding)。 这些变化都没有带来行业内计算广告人才需求量的急速增长。看未来,广告生态系统的逐渐完善而催生 出的新的细分行业和公司,也没有看到能够带来大的新增职位的急速增长。但是互联网广告行业面临的挑战和机会也很多,比如多屏互动的期望,以及广告主日益增长的需求,都 对企业的创新提出了要求。


    综合以上,计算广告行业未来的人才需求特点可能是“少而精”。


    薪水状况: 
    广告目前是互联网行业最重要的收入来源。从百度公司和阿里集团招股书中就可以看出,这俩个公司收 入的绝大部分都来自广告。 因此计算广告人才的薪水也非常的高。 
    我了解到的比较成熟的计算广告人才(同时在算法和工程方面很成熟)的年收入有50万元到150万元左右 。


    职位发展前景: 
    一旦进入计算广告行业,相对其他职位来说,创业机会较少。更有可能的是在行业内的少数几个公司成 长。该类人才的创业机会可能需要具备几个条件,第一是外围环境的重大变化导致的新类型公司的创立机会 比较成熟,这个周期可能比较长;另外要有大量资金的支持;另外相对来说可能风险会比较大。


    4、NLP 
    使用的数据和要解决的问题: 
    参考《Foundations of Statistical Natural Language Processing》,

    《Speech_and_Language_Processing》。使用的数据主要是人们日常随意写出来的或者说出来的话。比如新闻,文章,微博上的话,qq的聊天, 贴吧里的话,博客上的话,企业呼叫中心的对话等。要解决的问题主要是对这些内容进行抽象,映射或者响应。比如信息抽取(命名实体识别,情感分析等 ),机器翻译,聚类,分类,自动问答等。

    职位的设置情况和需求趋势: 
    目前看到的NLP岗位设置主要有以下几类。 
    一类是在搜索公司的query处理相关的工作。目前我了解到的工作主要分俩个部分,一个部分是做query 的纠正,改写,或者近义词分析等;另外一类工作是做Topic model的研究,意思就是把用户的需求抽象
    在一个“model”上,而同时预先把网页到抽象到一个“model”上,然后在model内部挑选出用户最感兴 趣的网页优先展示。


    还有一类是研发机构的研究岗位,比如微软,富士通研发,三星通信等机构都有NLP的研发岗位。


    第三类岗位就是一些专业性公司,比如口袋购物,微博易,今日头条,掌阅科技,简网世纪这样的公司 。在这些公司里NLP和图像处理的工作地位类似,就是为下一步的处理提供feature。从用户端来看,WEB2.0的出现,以及社交网络的大力发展,为NLP积累下了大量的数据,同时企业也越来 越重视通过网络来倾听用户,以及和用户进行沟通;同时信息的急速增长,导致用户对于个性化产品的需求越发明显,也促进了NLP工作的推进和岗位的设置。 今后NLP的岗位会急速增长。增长的来源一部分来自于搜索引擎公司,根据李航前辈的微博,未来搜索突 破可能来自俩个方向,一个方向是LTR(Learning to rank),另外的一个方向是Semantic match。我的理 解可能semantic mtach需要大量的NLP的工作和人才。

    另外一类职位我觉得来自于大量的已经产生的大量非结构化的数据处理相关的公司,以及从大量的语音 识别转化出来的数据的利用相关的公司。这个具体是在哪个方向上不好说,但是我想趋势上一定是企业 对于海量用户产而生的嘈杂的声音的理解和利用。数据的量还在不断的急速增加,NLP工作量和任务类型 也在增加,最终导致岗位需求的增加。


    薪水状况: 
    NLP人才的需求不象数据挖掘和推荐那样量大和紧缺,和其他的职位相比薪水比较温和。 
    我接触过的猎头职位,有公司愿意给工作2年左右的NLP工程师20到30万元的年度工资;也有创业公司愿意给NLP leader50万元以上的年度工资。

    职位发展前景: 
    我预测NLP工程师在原公司的职业生命活力会比较强(数据,算法以及工作目标可能都会有新的挑战和机 会进来);同时成熟的人才也会有很多创业机会可以考虑。


    5、图像处理 
    使用的数据和要解决的问题: 
    参考《Computer Vision:Algorithms and Applications.Richard Szeliski》,

    《Multiple_View_Geometry_in_Computer_Vision__2nd_Edition》

    面对的数据是图像,具体也会有处理静态图像和动态视频的区别。以及离线处理和在线处理的区别。常见的要解决的问题有检测(就是看某个图片里是否有某类东西,比如是否有人脸),识别(就是输入 一个图片,看这个图片和库里的哪个图片是一致的。)分割,拼接,3D重建,聚类,分类等。


    职位的设置情况和需求趋势: 
    传统的图像处理岗位主要分布在类似智慧眼,汉王这样的IT公司和类似佳能,微软这样的研发机构中。 智慧眼和汉王这样的IT公司的产品,主要以行业用户为主,应用的场合有门禁,安全,社保识别等。
    在大数据在中国兴起的前后,更多的互联网公司开始设立图像处理的岗位。其中百度是把图像和语音作为文字之外的新的搜索对象来看待的,设立了图像处理的岗位并招聘了人才,但是具体如何产品化目前 还不太清楚,目前看到的只有图搜,就是把图片拷贝到检索栏里,然后可以看到一些检索的结果。淘宝以及一些其他的电商公司也设立了图像处理或者正在招聘相关的人才,主要的工作目标是为广告和 推荐等应用提供feature。与数据挖掘,推荐和NLP职位相比,图像处理的职位数量相对较少,发展相对比较滞后,能够看到的大众用户使用的产品相对比较少。我个人的感觉是图像处理行业正处在一个爆发的前夕;象智能交通事故报告系统(自动对摄像头采集到 的图像进行处理,即使在夜间也可以自动的识别出来重大事故并且提醒交警去救援),自动驾驶,离群

    人群自动检测(比如机场和火车站的恐怖分子检测)等应用都具有足够的价值,目前系统能够做到的水 平也非常接近商品化。我的判断是随着技术的突破和外围配套(包括法规或者硬件等)的成熟,图像处理的岗位会有大的爆发 。


    薪水状况: 
    相对其他职位来说,图像处理的职位比较少一些;同时薪水不是很高。但是未来的收入前景不错。

    职位发展前景: 
    不论在公司内部的提升,还是未来创业的角度来看,图像处理工程师的发展机会都会越来越多。 

    点击获取机器学习资料

    展开全文
  • 图像处理行业入门

    千次阅读 2019-03-18 13:43:04
    目录  一、图像处理的应用  1、身份认证  2、监控安防  3、深度学习(Deep Learning)  二、图像处理研究工具 ...最近人问我图像处理怎么研究,怎么入门,怎么应用,我竟一时语塞。仔细想想...

    目录

      一、图像处理的应用

      1、身份认证

      2、监控安防

      3、深度学习(Deep Learning)

      二、图像处理研究工具

      1、Matlab

      2、OpenCv

      3、Python

      三、图像处理研究方法

      1、基础概念

      2、基本思想

      3、算法研究

      四、小结


    最近有人问我图像处理怎么研究,怎么入门,怎么应用,我竟一时语塞。仔细想想,自己也搞了两年图像方面的研究,做个两个创新项目,发过两篇论文,也算是有点心得,于是总结总结和大家分享,希望能对大家有所帮助。在写这篇教程之前我本想多弄点插图,让文章看起来花哨一点,后来我觉得没必要这样做,大家花时间沉下心来读读文字没什么不好,况且学术和技术本身也不是多么花哨的东西。

      一、图像处理的应用

      这个其实没什么好说的,一种技术的应用价值不是靠嘴上说,而是要看有多少人去搞,很简单的道理。其实我觉得判断一项技术有没有价值、有多大价值的最简单最有效的方法就是看有多少人在研究它。如果大家都在研究,那必然说明它很火,至少目前很火,以后的几年里依然还会火。因此,如果你不确定图像处理是不是有价值,那就查查全国图像处理工程师的数量就行了。

    当然这里还是简单提一下。如果你真的只想问“图像处理有什么用?”,相信百度会给出比我更专业的答案。不过作为图像处理的行内人,我还是从几个基本的点来具体说一下。

      1、身份认证

      21世纪是刷脸的时代,这一点无可厚非。首先是银行,据说重庆的银行已经使用了人脸识别的验证系统来进行辅助的认证。其次是门禁系统,以前是指纹,虹膜,现在就是人脸。指纹、虹膜的识别虽然准确,但是有侵犯性,采集的过程中有侵犯性,验证的过程中也有侵犯性,反正让谁天天录指纹(采集指纹信息),用眼睛瞪摄像头(采集虹膜信息),谁都会觉得不舒服的,况且手还会脱皮。相比之下,人脸的识别就方便多了,拍张照片(采集人脸信息)谁都不会介意。最后是监控,一个摄像头所拍的监控能从不同的角度记录成百上千的人(比如车站等密集场所的监控),让警察去辨认将是一个浩大的工程,要是系统能够自动判别人员信息,无疑会给办案带来极大方便。

      2、监控安防

      安防监控可以说是图像处理领域最有潜力的应用领域。如今各个城市都在疯狂的安装监控摄像头,全国时刻都有无数的摄像头在录监控,但是安防监控的后端处理却没跟上。什么是后端处理,简单的说就是监控录像的视频处理。注意这里的视频处理可就不止包含人脸识别了,还有行人检测、异常检测、显著性检测、协同跟踪等。人脸识别之前说了,这里简单说说行人异常检测。图像处理中的行人异常检测在外行人眼中是一个非常有魔力的东西。毕竟让摄像头通过监控视频就能判断出当前画面中谁是好人谁是坏人(当然直接分为好人和坏人还是太武断了),在一般思维中貌似是不可能的。但是请不要忽略这样一个事实,就是目前大部分监控视频的分析处理都是由人工来完成的,警察破案时经常动不动就调出最近几天的监控视频,然后从头看到尾,其工程量之大可想而知。也正是这样才催生了人们对智能监控方面的研究,因为有这方面的实际需求。当然我们的视频分析程序不会直接给出诸如“好人or坏人”这样的武断而片面的判断结果。就当前的技术水平而言,能够统计当下监控画面中的人数(行人检测)、定位他们的人脸(人脸检测)、识别他们的身份(人脸识别)、判别他们的表情(表情识别)、检测他们的动作(异常检测),这就已经够了。这样以后人们就不会再面对长达几十甚至上百个小时的监控视频发呆,而是直接分析计算机给出的数据,当前画面中有多少人、都是谁、谁的动作可疑等。总之,接下来智能监控发展会很迅速,因为需求很迫切。

      3、深度学习(Deep Learning)

      通俗的说一句,“图像处理是深度学习应用的天堂”。深度学习这个概念可能有人不太熟悉,大家可以自行百度,我这里给出一个相对通俗的解释:“如果你不知道什么叫深度学习,就想想《终结者》中的T-800”。当然这句话不是我说的,是出自业界的一位大牛之口。当然这可能有点小片面,不过深度学习确实是公认的新一代人工智能的基础。

      这里举两个例子。一是谷歌的人工大脑项目。谷歌公司可以说是深度学习方面的牵头企业了,其在2012年公布的谷歌大脑项目,动用了1.6万个计算节点,训练数周,得到的人工智能模型能够自主识别猫脸图像,为新一代人工智能开辟了道路,之后微软深度学习研究院、百度深度学习研究院等机构都开始大量投入,各个高校也搞得风声水起,原因很简单,大家都知道它会火。

      第二就是图像识别方面的竞赛。最有权威的就是ImageNet竞赛。大家在一个拥有上千万张,上千类别的图像数据库上训练和测试自己的算法,比拼识别率。近几年来,摘得桂冠的一直都是深度学习模型,确切的说是卷积神经网络。更多有关ImageNet历年的竞赛信息大家可以自行百度。

      说道深度学习在图像处理的应用,不得不提中国的汤晓鸥教授,说他是国内深度学习的领头羊也不为过。他提出的DeepID人脸识别算法(一共分为三代),在一些大规模人脸数据库上的正确率(若LFW库)已经达到了99.75%,单纯从数字上讲的话可以说已经超越了人类的识别率,为此汤教授还开办了公司,开发FaceSDK(虽然还没有公布)。不过拿计算机和人脑相比本身就是不合理的,各有所长嘛。不过可见DeepLearning在图像识别领域的强大威力。至于深度学习与图像处理的关系这里就不用多说了,谷歌大脑识别的是图像,深度学习竞赛用的是图像,DeepID识别的还是图像人脸,虽然深度学习在其他方面诸如语音识别等也有应用,在图像处理依然是其主要的应用领域。

      二、图像处理研究工具

      图像处理的研究分为算法研究和应用两个部分。用到的主要编程语言有Matlab、C/C++、Python等,原因很简单,它们都有很多相应的第三方库,不用我们从零开始编程。

      1、Matlab

      MathWork公司的Matlab软件可以说是算法研究的利器,它的强大之处在于其方便快捷的矩阵运算能力和图形仿真能力,单从简洁性和封装性来说,确实完爆其他语言。但高度封装必然会相应的损失一部分灵活性,况且Matlab严格的讲更像是一个工具,而非一门编程语言。顺便提一句,它在2015年编程语言排行榜中位于第20名,仅次于IOS开发的Objective-C。

      对于算法研究人员(尤其是高校的硕士博士),首选工具自然是matlab,因为它简便快捷,封装性好,更重要的是全世界几乎所有的算法大牛、精英教授都会首先公布对应的Matlab源码,然后在逐步改写成其他语言进行实际应用。所以,如果你想做图像处理方面的研究,Matlab是必须掌握的,而且是熟练掌握。当你有一些想法需要验证时,最好明智的先用matlab编写出来测试。如果你上来就用看似高大上的C++来实验,不仅错误BUG一大堆,到头来可能效果还不佳,就算效果好,时间也会耽搁不少,毕竟算法开发还是要快的,这样才能赶在别人之前发论文。总之,只要是接触图像算法,终究逃不过Matlab,就算你是软件开发的,不研发算法,但总得能看懂别人的Matlab算法吧。

      对于之前没怎么接触过Matlab与图像处理的人,在这里推荐一本相关的书籍《MATLAB图像处理实例详解(附光盘)》。这本书对于Matlab图像处理入门还是很有帮助的。记得我当时刚上研究生时就靠两本书入门的,一是冈萨雷斯的《数字图像处理》,二是这本《MATLAB图像处理实例详解》。不过这里友情提示,在看这类教程(不仅仅是Matlab)时千万不要试图去记忆所有的工具函数,这种做法是十分愚蠢的。正确的做法是根据自己的情况快速翻阅这类工具书,可以找出里面的有实际意义的源码来敲一敲练练手感,至于具体的工具函数,只需要知道Matlab提供了这方面的功能就行了,以后用到了再回来查,或者谷歌百度。我觉得在入门阶段,最重要的不是看了多少书,听了多少课,而是尽快自己敲出一段代码,运行出结果,来建立自信和成就感,这才是支持我们走下去的最实在的动力。记得我当时看了没多久就自己敲了一个蹩脚的车牌检测的Matlab程序,现在看来真是漏洞百出,不过当时我真的很兴奋,很有成就感,觉得自己能干这行,对于初学者来说,这种感受弥足珍贵。

      2、OpenCv

      Opencv是Intel公司开发的C++图像处理工具包,形象的理解为就是C++版的Matlab。当初Intel公司开发这个工具包的初衷也是方便大家共享,希望大家能够在一个共同架构的基础上共同建造摩天大楼,而不是各自在自己的地基上盖平房。与Matlab不同,Opencv是面向开发的,稳定性好,异常处理机制周全,但有一点需要注意,由于Opencv是开源的,那么如果你在项目中直接调用了它的API,那就意味着你的项目也必须开源。因此在真正的产品开发过程中,往往需要从Opencv库里面挖代码,而不是直接调用,幸好Intel公司允许我们看源码,自己编译一把就可以了。

      说道C++和Opencv,有一个问题不得不提,那就是深度学习领域大名鼎鼎的Caffe框架。这是一个典型的基于C++和OpenCv的深度学习框架,由谷歌深度学习团队、“谷歌大脑”负责人之一贾扬清学者编写,并公布了源码。如今各个深度学习机构都在大量使用这个框架进行研究。

      这里同样对推荐两本关于Opencv方面的教程。一本是CSDN博客大牛毛星云写的《OpenCV3编程入门》,这是它根据自己多年的博客整理成的书,很详细,很典型的一本教程,介绍了OpenCv中相对前沿的知识。我翻看过这本教程,中规中矩,里面的代码通俗易懂,尤其适合初学者。当然大家同样要注意不要犯了死读书的毛病,只看它的功能,敲代码练手感即可,不要试图记忆API函数。重要的工具用多了自然会记住,不重要的工具记住了也没用。

      这里推荐的第二本书是《图像识别与项目实践――VC++、MATLAB技术实现》,这本书是一本偏向于工程应用的书,我之所以推荐它是因为它给出了很多有新意、能运行的代码。其中里面有一个项目让我印象很深,是一个车牌检测的实例。简单描述一下:由于车牌中的字符数是固定的,因此它通过判断横向区域笔画的跳变数以及笔画宽度来定位车牌区域。这个想法让人耳目一新,并且它还给出了详细代码,我也亲身试验过,效果还不错。

      这里同样再强调一下,就是一定要尽早入手写程序,建立自信和成就感。我当时学OpenCv正好用它开发了一个人脸性别识别的系统,是一个本科大学生创新计划的需求,效果还可以。

      3、Python

      Python在今年12月份的编程语言排行榜中名列第5,增长迅速。可以说Python已经逐渐成为当下脚本语言的新标准。Python在图像处理算法方面除了其自身简洁的编程优势外,还得益于两个重要的Python类库——Numpy和Theano。

      Numpy是Python的线性代数库,对于矩阵运算能提供很好的支持,并且能够在此基础上进行很多机器学习相关算法的开发仿真,这里推荐一本受到大家广泛认可的书《机器学习实战》,我最近也正在看这本书,里面对好多机器学习领域的经典算法,小到KNN,大到SVM,都给出了详细的介绍以及代码实现(Python版)。Theano是Python的机器学习库,能够方便的实现深度学习(例如卷积神经网络CNN)算法,网上很多对于DeepID算法的复现都是用的这个库。

      人觉得单从图像处理的角度评价的话,Python并没有前面两个工具(Matlab和OpenCv)应用广泛,不过作为通用的脚本语言,我觉得每个程序员都应该去了解了解它,毕竟俗话说没有烂的编程语言,只有烂程序员。我在学Python时第一个自己写的程序就是微信打飞机的小程序,在我的博客中有详细的教程,虽然是参照小甲鱼的《零基础入门学习Python》视频教程写的,但还是蛮有成就感的。

      三、图像处理研究方法

      我觉得,图像处理研究主要可以分为三个部分:基础概念、基本思想、算法研究。

      1、基础概念

      所谓基础概念,就是图像处理里最基本的知识,比如什么是图像?什么是像素?什么是彩色图像等等。没有一个明确的界限来划定什么是基础概念什么是高级知识,因人而异。了解图像处理的基础知识,有一本书是必读的,就是冈萨雷斯编写的、阮秋琦翻译的《数字图像处理》。这本书已经作为图像处理领域的经典教材使用了三十多年,我自己也把这本书看了好几遍,每一遍都会有新的体会。我觉得每一个搞图像的都应该熟读这本书。书中除了有几章内容在讲小波变换、模式识别等相对抽象的内容外,其他内容相对都是很基础的,本科生水平就能看懂。而且我建议要尽早看这本书,如果是研究生尽量在进入课题之前就看一遍,因为这样一本经典的书在进入课题之后可能就没时间看了,以后也顶多是查阅而已。我当初就是在大四的寒假看完了这本书,以后在图像入门的过程中就显得轻松很多。看完这本书,哪怕是只看前几章,明白了什么是图像(二维或者三维矩阵)、什么是像素、彩色图和灰度图、颜色空间、图像滤波、图像噪声、图像频域变换等概念,将来在进行更深一步的研究的话就会方便很多了。

      2、基本思想

      刚开始想把这部分内容命名为“基本算法”,意在介绍图像处理中的一些基本算法,后来仔细想想决定不这么写,因为图像处理是一个非常大的概念,图像处理不等于人脸识别,也不等于模式识别,直接介绍诸如图像处理基本算法之类的内容很容易写成空话,没有什么实际意义。读者有兴趣的话可以直接谷歌百度“图像处理十大经典算法”,上面有我想说的内容。

      万变不离其宗,算法是死的,重在思想。举个例子,我个人是主攻模式识别方向,在这个方向判断一个学生是否入门有一个非常简单的方法,就是“如果你能把图像很自然的想象成高维空间中的一个点”,那就说明在模式识别方面入门了,可以对图像进行分类了。当然标准不是唯一,在其他领域如目标检测也会有其他的判断标准,总之我们要对图像进行处理,那么图像就不再只是图像,它可能会演变成各种不同形式的概念,可能是点,可能是面,还可能是一个坐标空间。在目标跟踪的经典算法粒子滤波中,将一个个的小图像块看做一个个粒子;在子空间理论中,将一系列图像放在一起构建一个成分主空间(例如主成分分析PCA算法等等。,我不会详细介绍这些算法,说多了就显得抽象老套,但我要说的是我们一定要把图像本身理解好,它是一个图像,是一个矩阵,是一个信息的容器,是一种数据的表现形式,图像不一定都必须在视觉上有意义(比如频域的图像)

      总之图像处理的基本思想还是要立足于图像本身,要深度到图像内部结构中,思维要灵活。我当时做本科毕设时,怎么也不知道图像和高维空间中的点之间有什么对应关系,后来总算有一天,突然就明白了,这也就是所谓的量变产生质变。总之一定要多想,多总结,主动去钻研,才能够真正领悟一些东西。最基本的东西往往蕴藏着深奥的道理,无论你现在多牛多厉害,都不能放掉最本源的东西。多想想图像是什么,有什么本质属性,你可能无法得到准确的答案,但肯定能得到一些有用的感悟(有点像哲学问题了)。

      3、算法研究

      算法研究应该是图像处理的核心工作,尤其是各大高校的博士硕士。这里我并不想谈那些高大上的算法,我更想说的是一些算法研究的一些基础的东西,比如说一些基础课程,比如说矩阵运算。

      研究图像处理的算法,离不开数学。在这里我建议图像处理方面的硕士一定要上两门课:《泛函分析》以及《最优化算法》,有的学校已经将这两门课列为了研究生阶段的必修课程。这两门可可以说是图像处理(至少是模式识别)的基础。我当初没上过最优化算法,但后来也自己补上了,不然真的是寸步难行。至于泛函我当时听课的时候也不是很懂,但是在之后的研究过程中发现很多图像处理的基本知识基本理论都和泛函分析中枯燥的定理如出一辙,没办法,有的东西本身就是枯燥的干货,学着费力,缺它不行。

      其次我想说的是矩阵运算。图像就是矩阵,图像处理就是矩阵运算。大家为什么都喜欢用Matlab,就是因为它的矩阵运算能力实在是太强大,在Matlab的世界中任何变量都是矩阵。同样OpenCv之所以能流行,不仅仅是因为它良好的封装性,也是因为它的矩阵格式,它定义了Mat基础类,允许你对矩阵进行各种操作。Python也不例外,它的Numpy就是一个专门的线性代数库。

      真正在图像编程过程中,那些看着高大上的API函数归根到底都是工具,查查手册就能找到,真正核心还是在算法,算法是由公式编写的,公式的单元是变量,而图像届的变量就是矩阵。所以,熟练去操作矩阵,求秩、求逆、最小二乘,求协方差,都是家常便饭。所以,如果你有幸能上《矩阵分析》这门课,一定要把它看懂,那里面都是干货。

      四、小结

      总之,图像处理就是一个典型的门槛低、厅堂深的领域。不需要太多基础,学过线性代数,会一点编程就够了;但是那些算法却深不可测,是个消耗功夫的活儿。在写这篇教程时我说的很直白,就像和大家对话一样,想到什么说什么。在最后我想说两句题外话,就是不仅仅针对图像处理,对于其他新技术的入门学习也是一样,尽快迈出第一步,尽快去建立自信和成就感,让自己有勇气走下去,然后缺什么补什么就行了。真正让人望而却步的往往不是技术本身,而是我们对自身的不自信。唯有果断开工,才能战胜心魔。

    展开全文
  • 图像处理方向就业前景

    千次阅读 2016-06-08 19:37:37
    我根据《浅谈图像处理方向的就业前景》和自己找工作的一些经验简单介绍一下图像处理方向就业前景, 希望能对后来者有所帮助! 1、请学好图像基本理论知识,笔试会遇到很多基础的题; 2、请学好c++语言,99%...

    我根据《浅谈图像处理方向的就业前景》和自己找工作的一些经验简单介绍一下图像处理方向就业前景,

    希望能对后来者有所帮助!

    1、请学好图像基本理论知识,笔试会遇到很多基础的题;
    2
    、请学好c++语言,99%以上的公司在招图像岗位的人员时都会笔试c++
    3
    、请多做一些实际的项目,少一些理论的研究(针对中小企业而言);
    4
    、请不要只局限于的课题,因为可能你的课题只是图像处理领域的一些皮毛;
    5
    、请多了解一些相关的前沿知识;
    6
    、请不要迷信自己的算法,比如BP神经网络(可能理论研究时用的很多,可是实际呢?)
    7
    、请尽量与企业的相关人士探讨该领域的问题,那样的收获比书本大很多;


    附:北京相关图像的公司

    外企:
    01
    东芝(中国)有限公司 研究开发中心开发部 
    02
    通用电气(GE)医疗集团
    03
    微软
    04
    SONY
    05
    凌阳
    06
    理光软件研究所(北京
    07
    富士通研究开发中心有限公司
    08
    三星电子中国通信研究院
    09
    NEC中国研究院
    10
    研发系统
    11
    德加拉北京办事处
    12
    适普软件
    13
    松下
    14
    佳能信息技术(北京)有限公司
    15
    ITS(中国)有限公司
    大型企业:
    01
    海湾控股集团有限公司 
    02
    腾讯研究院招
    03
    北大方正
    04
    清华同方
    05
    北京方正国际
    06
    卓望集团
    07
    迪瑞集团(北京)研发中心
    08
    汉王科技股份有限公司
    09
    威视股份
    事业单位:
    01
    中国核工业集团公司
    02
    船舶系统工程部
    03
    中科院软件所二部
    04
    中国科学院软件研究所
    05
    中科院自动化所
    06
    中国兵器工业第二八研究所
    07
    中国航天科技集团公司
    08
    中国航天科技集团公司第五研究院
    09
    综合信息系统技术国家级重点实验室
    10
    国家农业信息化工程技术研究中心
    11
    中国航天科工集团公司飞航技术研究院
    12
    铁道部信息技术中心
    13
    中国航天科工集团第二研究院第二七所
    14
    中国科学院生物物理研究所
    15
    中国电子科技集团公司第三研究所
    16
    中国船舶信息中心
    17
    航天科工卫星技术有限公司
    18
    中科院电子所
    19
    中国科学院计算技术研究所
    20
    中国安全生产科学研究院
    21
    中国航天时代电子公司光纤惯导项目分公司
    22
    中国计量科学研究院
    23
    公安部第一研究所
    24
    中国印钞造币总公司
    中小企业:
    01
    北京中自邦柯科技有限公司
    02
    北京锦恒佳晖汽车电子系统有限公司
    03
    长峰科技工业集团公司
    04
    北京京天威科技发展有限公司招聘职位
    05
    北京优纳科技有限公司
    06
    北京深拓科技有限公司
    07
    永鑫宇恒信息技术
    08
    北京蓝卡软件技术有限公司
    09
    中盛信合(北京)科技有限公司
    10
    北京赛尔蒂扶科技有限公司
    11
    北达万坤(北京)科技发展有限公司
    12
    北京思比科微电子技术有限公司
    13
    北京德韶数码技术有限公司
    14
    北京天远三维科技有限公司
    15
    航天星图科技(北京)有限公司
    16
    北京友通
    17
    北京中盾安民分析技术有限公司
    18
    北京文安科技发展有限公司
    19
    北京华生恒业科技有限公司
    20
    北京经纬恒润科技有限责任公司
    21
    北京伟景行数字城市科技有限公司招聘
    22
    北京极明源科技有限公司
    23
    北京优立慧科信息技术有限公司
    24
    北京华旗资讯数码科技有限公司
    25
    北京新航智科技有限公司
    26
    银河动力
    27
    北京普赛科技有限公司
    28
    北京德鑫泉科技发展有限公司
    29
    北京嘉恒中自图像技术有限公司
    30
    优加利信息科技(北京)技术中心
    31
    北京天诚盛业科技有限公司
    32
    北京华胜天成有限公司
    33
    北京威速科技有限公司
    34
    深圳市蓝韵实业有限公司(北京)
    35
    北京维深科技发展有限责任公司
    36
    重庆金山科技(集团)有限公司(北京)
    37
    创新科技(中国)有限公司北京分公司
    38
    北京思创贯宇科技开发有限公司
    39
    明锐标图
    40
    中钞长城金融设备控股有限公司
    41
    北京文安视觉科技有限公司
    42
    北京东方红海科技发展有限公司
    43
    北京普赛科技有限公司
    44
    北京昂天科技有限公司
    45
    中国东方红卫星股份有限公司
    46
    北京长江源科技有限公司
    47
    北京海鑫科金高科技股份有限公司
    48
    北京瑞斯康达科技发展有限公司
    49
    厚德新视
    50
    北京嘉恒中自图像技术有限公司
    51
    北京科天健图像技术有限公司
    52
    大恒图像
    53
    凌云光子技术集团
    54
    微视凌志
    55
    北京微视新纪元科技有限公司
    56
    银河传媒
    57
    太阳驹(北京)科技发展有限公司
    58
    北京道达天际软件技术有限公司
    59
    北京航星永志科技有限公司
    60
    北京创新未来科技有限公司
    61
    北京吉威数码信息技术有限公司
    62
    神形互联(北京)科技有限公司
    63
    智安邦科技
    64
    北京亚邦伟业技术有限公司
    65
    北京顶亮科技有限公司
    66
    北京华星世联科技有限公司
    67
    北京昂天科技有限公司
    68
    北京多维视通技术有限公司
    69
    同方知网技术产业集团
    70
    北京天诚盛业科技有限公司
    71
    欢乐网北京研发中心
    72
    德众通科技发展(北京)有限公司
    73
    北京中远通科技有限公司
    74
    北京山海经纬信息技术有限公司
    75
    北京德威同致科技有限公司
    76
    航天量子数码科技(北京)有限公司
    77
    北京超图地理信息技术有限公司
    78
    北京中科软件有限公司
    79
    北京源德生物医学工程有限公司
    80
    北京思比科微电子技术有限公司
    81
    北京融信博通科技发展有限公司 
    82
    北京盛赞科技有限公司_
    83
    北京普赛科技有限公司
    84
    北京文通信息技术有限公司
    85
    万盛(中国)科技有限公司
    86
    北京康拓红外技术有限公司

    展开全文
  • 数字图像处理工作

    千次阅读 2018-05-10 19:58:03
    最近版上不少人在讨论图像处理的就业方向,似乎大部分都持悲观的态度。我想结合我今年找工作的经验谈谈我的看法。就我看来,个人觉得图像处理的就业还是不错的。首先可以把图像看成二维、三维或者更高维的信号,从...
  • 如何学好图像处理——从小白到大神?

    万次阅读 多人点赞 2020-04-17 02:28:38
    什么是数字图像处理?历史、以及它所研究的内容。 说起图像处理,你会想到什么?你是否真的了解这个领域所研究的内容。纵向来说,数字图像处理研究的历史相当悠久;横向来说,数字图像处理研究的话题相当广泛。 ...
  • 数字图像处理的就业前景

    万次阅读 多人点赞 2013-05-04 14:31:09
    最近版上不少人在讨论图像处理的就业方向,似乎大部分都持悲观的态度。我想结合我今年找工作的经验谈谈我的看法。就我看来,个人觉得图像处理的就业还是不错的。首先可以把图像看成二维、三维或者更高维的信号,从...
  • 图像处理入门教程

    万次阅读 多人点赞 2018-04-20 19:00:46
    最近人问我图像处理怎么研究,怎么入门,怎么应用,我竟一时语塞。仔细想想,自己也搞了两年图像方面的研究,做个两个创新项目,发过两篇论文,也算是有点心得,于是总结总结和大家分享,希望能对大家有所帮助。在...
  • 图像处理工作

    千次阅读 2018-10-24 10:47:16
    最近版上不少人在讨论图像处理的就业方向,似乎大部分都持悲观的态度。我想结合我今年找工作的经验谈谈我的看法。就我看来,个人觉得图像处理的就业还是不错的。首先可以把图像看成二维、三维或者更高维的信号,从...
  • MATLAB数字图像处理(一)图像的基本操作

    万次阅读 多人点赞 2018-04-18 16:05:12
    写在前头:说到数字图像处理,不得不提起MATLAB。这是一款非常方便的仿真软件,绝大多数的图像处理可以用MATLAB完成。  人问,处理图片,用PS岂不是更好。两者各优点,如果需要将10000幅图片转换成灰度...
  • 图像处理面试方法和前景

    千次阅读 2016-05-29 16:15:40
    最近版上不少人在讨论图像处理的就业方向,似乎大部分都持悲观的态度。我想结合我今年找工作的经验谈谈我的看法。就我看来,个人觉得图像处理的就业还是不错的。首先可以把图像看成二维、三维或者更高维的信号,从...
  • 如何学好图像处理--从小白到大神。

    万次阅读 多人点赞 2017-10-11 21:02:21
    什么是数字图像处理?历史、以及它所研究的内容 本文引用地址:http://www.eepw.com.cn/article/201702/344072.htm  说起图像处理,你会想到什么?你是否真的了解这个领域所研究的内容。纵向来说,数字图像处理...
  • FPGA图像处理之路,从此开始

    万次阅读 多人点赞 2017-09-02 22:35:31
    FPGA图像处理之路,从此开始,接下来,让我们把时间交给“图像处理”。一休哥在动笔之前,一直在犹豫,反复思考着一个问题,这个问题一直困扰着我,“FPGA在图像处理领域中的地位?” 按照惯例,我们先暂且不直说这...
  • 我根据《浅谈图像处理方向的就业前景》和自己找工作的一些经验简单介绍一下图像处理方向就业前景,希望能对后来者有所帮助!转载自:https://blog.csdn.net/xujx09/article/details/516151251、请学好图像基本理论...
  • 数字图像处理就业前景--非常详细

    万次阅读 多人点赞 2015-10-30 22:12:22
    最近版上不少人在讨论图像处理的就业方向,似乎大部分都持悲观的态度。我想结合我今年找工作的经验谈谈我的看法。就我看来,个人觉得图像处理的就业还是不错的。首先可以把图像看成二维、三维或者更高维的信号,从...
  • 数字图像处理期中学习报告

    千次阅读 2018-09-07 19:26:28
    数字图像处理数字图像处理 一学习内容总结 第一章 绪论 1 什么是数字图像处理 2 使用数字图像处理领域的实例 3 数字图像处理的基本步骤 4 图像处理系统的组成 第二章 数字图像处理基础 1 视觉感知要素 2 光和电磁...
  • 数字图像处理应用领域

    千次阅读 2018-10-09 02:42:22
    图像是人类获取和交换信息的主要来源,因此,图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大,图像处理的应用领域也将随之不断扩大。 1)航天和航空方面 航天和航空技术方面的...
  • 有关图像处理的主要公司

    万次阅读 2017-03-19 12:56:44
    最近版上不少人在讨论图像处理的就业方向,似乎大部分都持悲观的态度。我想结合我今年找工作的经验谈谈我的看法。  就我看来,个人觉得图像处理的就业还是不错的。首先可以把图像看成二维、三维或者更高维的信号...
  • 图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的...
  • 数字图像处理概述

    千次阅读 2019-05-07 16:59:47
    什么图像处理 简单来说,一幅图像可以认为就是一个二维函数f(x,y),x,y表示位置,函数值就表示该位置处的图像的灰度值或者是强度。当,x,y , f 都是离散值的时候,我们将该图像称为数字图像,也就是说灰度值...
1 2 3 4 5 ... 20
收藏数 265,209
精华内容 106,083
关键字:

图像处理有什么职业