2011-03-01 17:08:00 psophia 阅读数 1883
2009-10-21 10:15
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,从这个意义上来说,图像处理是整个信号处理里面就业形势最好 的,因为你不仅要掌握(一维)信号处理的基本知识,也要掌握图像处理(二维或者高维信号处理)的知识。其次,图像处理是计算机视觉和视频处理的基础,掌握 好了图像处理的基本知识,就业时就可以向这些方向发展。目前的模式识别,大部分也都是图像模式识别。在实际应用场合,采集的信息很多都是图像信息,比如指 纹、条码、人脸、虹膜、车辆等等。说到应用场合,千万不能忘了医学图像这一块,如果有医学图像处理的背景,去一些医疗器械公司或者医疗软件公司也是不错的 选择。图像处理对编程的要求比较高,如果编程很厉害,当然就业也多了一个选择方向,并不一定要局限在图像方向。

   下面谈谈我所知道的一些公司信息,不全,仅仅是我所了解到的或者我所感兴趣的,实际远远不止这么多。

搜索方向
基于内容的图像或视频搜索是很多搜索公司研究的热点。要想进入这个领域,必须有很强的编程能力,很好的图像处理和模式识别的背景。要求高待遇自然就不错,目前这方面的代表公司有微软、 google yahoo 和百度,个个鼎鼎大名。

医学图像方向
目前在医疗器械方向主要是几个大企业在竞争,来头都不小,其中包括 Simens GE 、飞利浦和柯达,主要生产 CT MRI 等医疗器材。由于医疗器械的主要功能是成像,必然涉及到对图像的处理,做图像处理的很有机会进入这些公司。它们在国内都设有研发中心, simens 的在上海和深圳, GE 和柯达都在上海,飞利浦的在沈阳。由于医疗市场是一个没有完全开发的市场,而一套医疗设备的价格是非常昂贵的,所以在这些地方的待遇都还可以,前景也看好。国内也有一些这样的企业比如深圳安科和迈瑞

计算机视觉和模式识别方向
我没去调研过有哪些公司在做,但肯定不少,比如指纹识别、人脸识别、虹膜识别。还有一个很大的方向是车牌识别,这个我倒是知道有一个公司高德威智能交通似乎做的很不错的样子。目前视频监控是一个热点问题,做跟踪和识别的可以在这个方向找到一席之地。
上海法视特位于上海张江高科技园区,在视觉和识别方面做的不错。北京的我也知道两个公司:大恒和凌云,都是以图像作为研发的主体。

视频方向
一般的高校或者研究所侧重在标准的制定和修改以及技术创新方面,而公司则侧重在编码解码的硬件实现方面。一般这些公司要求是熟悉或者精通 MPEG H.264 或者 AVS ,选择了这个方向,只要做的还不错,基本就不愁饭碗。由于这不是我所感兴趣的方向,所以这方面的公司的信息我没有收集,但平常在各个 bbs 或者各种招聘网站经常看到。
我所知道的两个公司:诺基亚和 pixelworks

其他
其实一般来说,只要涉及到成像或者图像的基本都要图像处理方面的人。比方说一个成像设备,在输出图像之前需 要对原始图像进行增强或者去噪处理,存储时需要对图像进行压缩,成像之后需要对图像内容进行自动分析,这些内容都是图像处理的范畴。下面列举一些与图像有 关或者招聘时明确说明需要图像处理方面人才的公司:
上海豪威集成电路有限公司( www.ovt.com.cn
中芯微
摩托罗拉上海研究院
威盛( VIA
松下
索尼
清华同方
三星
所有与图像(静止或者运动图像)有关的公司都是一种选择。比如数码相机、显微镜成像、超声成像、工业机器人控制、显示器、电视、遥感等等,都可以作为求职方向。

要求:
1
、外语。如果进外企,外语的重要性不言而喻。一般外企的第一轮面试都是英语口语面试。
2
、编程。这方面尤以 C ++为重,很多公司的笔试都是考 c ++知识。
3
、专业水平。如果要找专业相关的工作,研究生期间的研究经历和发表的论文就显的比较重要。 4 、知识面的宽度。我觉得在研究生期间,除了做好自己的研究方向之外,扩宽一下知识面也有很大的帮助,当然这个知识面指的是图像处理、计算机视觉和模式识别,知识面越宽,就业时的选择就会越多。

图像处理方向毕业的就业面非常广,而且待遇在应届生应该是中上等。其实还是一句话,能力决定一切。只要研究生三年没有白过,根本不愁找不到好工作。祝所有正在读研或者即将读研的朋友将来都能有一份满意的工作.

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;

先写这么多吧,以后再补充!希望能对大家有所帮助!

附:北京相关图像的公司(希望大家能够多补充,公司排名不分先后,若分类错误,请见谅,呵呵!)

外企:
1、东芝(中国)有限公司 研究开发中心开发部
2、通用电气(GE)医疗集团
3、微软
4、SONY
5、凌阳
6、理光软件研究所(北京)
7、富士通研究开发中心有限公司
8、三星电子中国通信研究院
9、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:
1、海湾控股集团有限公司
2、腾讯研究院招
3、北大方正
4、清华同方
5、北京方正国际
6、卓望集团
7、迪瑞集团(北京)研发中心
8、汉王科技股份有限公司
9、威视股份
10、
事业单位:
1、中国核工业集团公司
2、船舶系统工程部
3、中科院软件所二部
4、中国科学院软件研究所
5、中科院自动化所
6、中国兵器工业第二〇八研究所
7、中国航天科技集团公司
8、中国航天科技集团公司第五研究院
9、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二〇七所
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

 

http://hi.baidu.com/%D0%C5%D7%D333/blog/item/69a7d483f9f0a4b56d811949.html

2013-07-30 18:07:24 stefan520 阅读数 540

自1980年, Symbol Technologies公司推出第一台手持式激光扫描仪开始,基于激光的扫描技术便一直占据着市场的主导地位。今年1月,摩托诺拉公司首次推出了适用于零售业销售点的图像扫描仪MP6000 multi-plane 6000,其高性能的图像技术使出纳员或者收银员任何时候第一次扫描,即可以超快的速度捕获 1D 和 2D 条形码。随后,全球领先的条码扫描器提供商Datalogic 公司宣布基于图像的POS 扫描仪上市。正是由于这些图像扫描仪带来的激烈冲击,动摇了激光扫描仪的市场领导地位。

目前扫描技术主要有三种类型:激光器、线性阵列图像扫描仪和2D图像扫描仪,其中2D 图像扫描是最具市场优势的,它可以读取线性或者2D条形码,如DF417, QR Code和 Data Matrix等等,并能对受损的托盘和提货单进行拍照。越来越多的公司开始利用这些图片功能来捕获贴错标签的产品,因此,图像应用程序如雨后春笋般的出现。不少图像处理控件厂商也嗅到了这一前景,纷纷在图像处理控件中加入了条形码扫描识别功能,其中最为著名的图像处理工具包有LEADTOOLS Document Imaging,ImagXpress和ImageCapture Suite,接下来,小编就带领大家一起来认识一下目前最火爆的几款图像处理控件吧。

LEADTOOLS Document Imaging Developer Toolkit

LEADTOOLS Document Imaging是一款多语言的文档图像处理控件,支持光符识别处理、条形码扫描识别。使用LEADTOOLS您可以控制任何扫描仪、数码相机或者含有TWAIN(32或64位)设备驱动的采集卡。高级获取支持为使用带来了便捷,而低级功能则能在要求最苛刻的扫描应用中提供灵活度和控制度。

 

ImageCapture Suite

ImageCapture Suite是一个专为Web应用程序设计的图像采集软件开发包,可在Web下进行图像处理、条码识别、安全上传和下载。它提供了条形码阅读器Barcode Reader SDK,支持读取一维和二维条码。

ImagXpress

ImagXpress是先进的图片和照片图像处理与扫描识别工具包,它提供了综合的图像处理函数集,支持30多种文件格式,拥有惊人的图像处理速度。

2018-11-24 23:48:52 SherlockS6 阅读数 611

图像处理技术在刑事侦查中的应用

电子科技大学 格拉斯哥学院 2017级李舒苗

摘要

  • 本文是基于电子科技大学新生研讨课上所了解到的内容,个人在课下思考后的想法。在曾兵教授的课上,我们第一次了解到了图像与视频处理技术。我认为该项技术目前所能达到的成果可以用来改善对我国刑事侦查有着重大辅助作用的视频监控技术,利用图像增强和图象复原可以辨别模糊或有损图像,利用图像编码压缩可以保证在无损图像完整性的情况下降低占比空间,提高传输效率。与此同时,图像与视频技术在解决监控技术的不足同时,如果结合其他技术,也能挖掘出更多的发展前景。
  • 关键词:视频监控技术,图像与视频处理技术,图像增强,图像复原,图像编码压缩

背景及问题

  • 国内摄像头现状
    随着监控技术在国内的高速发展,我国刑事侦查的效率提高了很多,社会治安也相对稳定了很多。视频监控技术目前已是我国刑事侦查四大重要技术之一,该技术能够直观反映事件的真实情况,对后续判断事件全貌有很大的帮助。现如今视频监控虽然已经几乎遍布全国,但是相比于国外的视频监控技术,国内起步晚并且技术尚未成熟。目前国内大多数视频监控采用的是数字格式的储存方式,在很多情况下,由于外界干扰导致的部分信息损坏或者环境影响,图像的清晰度和反映事件的真实程度并不高,导致办案人员无法准确判断事件的真实性;其次,由于数字图像的占用空间较大,在进行图像传输过程中可能会导致传输效率过慢。
  • 存在问题
    目前监控技术的问题主要是三个方面:
    一、由于外界干扰或设备本身问题,导致输出的图像清晰度不够高。
    二、由于环境原因(如天气、光照),视频图像收到干扰。
    三、由于数字图像空间占用大的原因,视屏传输效率低下。
  • 研究目的
    一、利用课堂上了解到的图像与视频处理技术,改善现如今国内视屏监控技术的三个缺陷。
    二、结合更多的图像处理技术,更好地改进国内视屏监控技术,使得该技术能够提高刑事侦查的准确率和效率。

改善方法

  • 数字图像处理介绍
    数字图像是由许多像素组成的,而每一个像素包含了图像的多个属性,由于其数据的庞大,在图像处理中多用矩阵来表示图像的不同信息参数。对于要求达到特定目标效果的图像,如何利用已知参数对图像进行智能优化的问题便化为了如何利用算法对特定矩阵的处理问题。
  • 图像与视频处理技术
    在新生研讨课上,曾兵教授为我们简单介绍了图像处理的几个基本方法,同时也介绍了他所研究的图像与视频处理技术能够带来的视觉效果。我觉得这项技术很有启示作用,适当应用便可以有效的解决以上两个问题。
    (一)利用图像增强和复原技术提高清晰度
    曾兵教授通过多组图像的对比,让我们直观的感受到了不同图像分辨率的效果。他也向我们介绍了如何通过算法对不清晰图像进行智能优化,即用图像增强和复原技术来达到提高图片质量的目的。
    图像增强技术就是突出图像中感兴趣的目标,例如强化图像中的高频分量以使目标物轮廓清晰,或是强化图像中的低频分量以减低图像中的噪声影响。该技术可以将原视频图像中的特定人物或事物进行改良处理,解决由于设备配置不够高而导致的清晰度低的问题,使得目标的轮廓清晰,分辨率变高,方便人们观察。利用该技术与物理模型清晰化算法可以有效还原恶劣环境(如雾霾)条件下的图像,曾兵教授也向我们展示了如何辨别严重雾霾下的城市原貌。这便可以解决由于环境影响带来的视屏监控效果不好的问题。
    图像复原技术则相对复杂很多,图象复原技术需要对图像质量下降的原因进行分析,建立相应模型来进行滤波处理,尽最大可能重现由于外界干扰带来的图像损失部分,重建原先的图像。该技术可以解决由于外界干扰导致的图像有损问题,更加完整地还原事件本身。
    (二)利用图像编码压缩减少视频占用空间
    图像编码压缩有两大类别,分别是无损压缩与有损压缩。考虑到刑事侦查时最核心的要求是还原事件的真实场景,无损压缩是最佳选择。压缩在实际应用中,要求对原图像进行有效处理,在压缩文件大小的同时注重原图像的完整性。但是这种技术相比于有损压缩其硬件需求大,占的内存也相对较高,如何改善该技术还有待后人研究。
  • 更多应用前景
    图像与视频处理技术除了可以解决以上三个视频监控的问题外,还有更多的发展前景。其一便是利用高分辨率的视频监控对特定人物进行人脸识别或是对特定车牌号进行识别并追加跟踪功能,这样便可以更加快速有效地找到的相关人物的行踪,减少刑事侦查人员的工作量而且相对效率也将提高。其二便是利用背景建模和图像优化的技术,分辨出不动的背景和运动的前景对象,这样便能帮助侦查人员分辨出一些不易发现的细节,更加真实地还原现场。

结论

  • 图像与视频处理技术能够对图像进行智能优化,选择性地提高图像的特定性能或者获取图像的特定信息。利用图像增强和复原技术,可以优化由于外界干扰或者设备配置不够高的问题导致的模糊图像;结合以上技术和图像分割技术以及相应的物理模型,可以构建在恶劣天气下的图像全貌;改良图像编码中的无损编码技术,可以有效压缩视频文件,减少占用空间,再加快传输速度的同时保证原图像的完整度。以上的技术如果能结合现有的智能识别功能,便可以有效追踪特定目标,提高办案效率;除此之外,结合背景建模,可以辨别一些肉眼不易看到的细节,更加真实还原现场。总而言之,该项技术的发展不仅可以有效改善国内视频监控技术的不足,而且对未来大数据时代的帮助也是不言而喻的。

参考文献

[1]张爽.公安数字图像处理技术应用中存在的问题及解决方案[J].民营科技,2017(07):90+191.
[2]邹峥.视频监控图像侦查中图像处理技术的新运用[J].人民法治,2018(18):60-61.
[3]孙月红. 雾霾天图像清晰化方法的研究与实现[D].西安科技大学,2018.

(本文纯属个人见解,内容全部原创,相应知识和技术参考电子科技大学曾兵教授新生研讨课的教学内容和相应论文,若有任何言辞问题,请谅解)

2018-07-17 22:11:32 Archar_Saber 阅读数 2360

        用FPGA做图像处理最关键的一点优势就是:FPGA能进行实时流水线运算,能达到最高的实时性。因此在一些对实时性要求非常高的应用领域,做图像处理基本就只能用FPGA。例如在一些分选设备中图像处理基本上用的都是FPGA,因为在其中相机从看到物料图像到给出执行指令之间的延时大概只有几毫秒,这就要求图像处理必须很快且延时固定,只有FPGA进行的实时流水线运算才能满足这一要求。所以要了解FPGA进行图像处理的优势就必须理解FPGA所能进行的实时流水线运算和DSP,GPU等进行的图像处理运算有何不同。DSP,GPU,CPU对图像的处理基本是以帧为单位的,从相机采集的图像数据会先存在内存中,然后GPU会读取内存中的图像数据进行处理。假如采集图像的帧率是30帧,那么DSP,GPU要是能在1/30秒内完成一帧图像的处理,那基本上就能算是实时处理。FPGA对图像进行实时流水线运算是以行为单位的。FPGA可以直接和图像传感器芯片连接获得图像数据流,如果是RAW格式的则还可以进行差值以获得RGB图像数据。FPGA能进行实时流水线处理的关键是它可以用其内部的Block Ram缓存若干行的图像数据。这个Block Ram可以说是类似于CPU里面的Cache,但Cache不是你能完全控制的,但Block Ram是完全可控的,可以用它实现各种灵活的运算处理。这样FPGA通过缓存若干行图像数据就可以对图像进行实时处理,数据就这样一边流过就一边处理好了,不需要送入DDR缓存了之后再读出来处理。这样的数据流处理显然是顺序读取数据的,那么也就只能实现那些顺序读取数据的算法,也就是图像处理中那一大类用3x3到NxN的算子进行的滤波、取边缘、膨胀腐蚀等算法。可能大家会觉得这些运算似乎都是最基本的图像处理运算,只是个前端的预处理,似乎用处不大。但问题是只有FPGA做这样的运算才是速度最快效率最高的,比如用CPU做一个取边缘的算法根本就达不到实时。另外别小看了这种NxN算子法,它可以有各种组合和玩法,可以实现分选多种颜色,甚至分辨简单形状等功能。FPGA进行的这种算子法处理是并行流水线算法,其延时是固定的,比如用3x3的算子进行处理其给出结果的延时是两行图像的时间。还有这个算子法和现在卷积神经网络中最前面的卷积层运算是类似的。FPGA中的Block Ram是重要和稀缺资源,能缓存的图像数据行数是有限的,所以这个NxN的算子中的N不能特别大。当然FPGA也可以接DDR把图像缓存到其中再读出来进行处理,但这种处理模式就和CPU差不多了,达不到最高的实时性。其实有些我们认为需要随机读取数据的图像处理算法也是可以并行流水线化的,比如连通域识别。《FPGA实现的连通域识别算法升级》这是我的一篇文章。现在貌似神经网络也可以用FPGA来实现,并且据说效率比较高。我暂时还没玩过这个,但知道为什么FPGA在进行某些运算的时候效率会比较高。因为在密集运算中,耽误时间和消耗功耗的操作往往不是运算本身,而是把数据从内存中搬来搬去。GPU,CPU在进行运算时要把数据从内存中取出来,算好了在放回去。这样内存带宽往往成了运算速度的瓶颈,数据搬运过程中的功耗占的比重也不会小。FPGA则可以通过堆很多计算硬件的方法把要做的运算都展开,然后数据从中流过,完成一个阶段的运算之后就直接流入第二个阶段,不需要把一个计算阶段完成后的数据再送回内存中,再读出来交给下一个阶段的运算。这样就会节省很多时间和功耗。现在用FPGA做图像处理就是这样干的,比如先用一个3x3的算子进行滤波,再用一个3x3的算子进行取边缘,在FPGA流水线算法中,滤波处理完了数据立即就会进行取边缘处理,是不需要像CPU那样存回内存再读出来的。综上所述,我觉得用FPGA进行图像处理的前景还是挺广阔的,越来越多的工业应用场合都要求更高的实时性,而这正是FPGA所适合的。还有机器学习领域,神经网络这种层状的,不需要很随机的读取数据的运算是比较适合用FPGA来做的。不过FPGA不擅长浮点运算,如果能整出不需要浮点运算的神经网络,那么FPGA在这方面的应用将会更大。可能制约FPGA在这些方面应用的关键还是人才的缺乏。大家不知道FPGA擅长什么,想用却又不知道怎么用。网上很多传说都说这个FPGA编程很底层,很不好用。这些说法也对也不对。刚开始学的时候是会有一些困惑。关键是这其中要经历一个思维方式的转变,从CPU编程思维到硬件编程思维的转变。转变过来了之后就会发现,其实FPGA还是很单纯很灵活很好用的,硬件描述语言没有高级语言那么复杂。

2019-06-28 10:37:13 zhouzongzong 阅读数 531

距离变换是二值图像处理与操作中常用手段,在骨架提取,图像窄化中常有应用。距离变换的结果是得到一张与输入图像类似的灰度图像,但是灰度值只出现在前景区域。并且越远离背景边缘的像素灰度值越大。

根据度量距离的方法不同,距离变换有几种不同的方法,假设像素点p1(x1, y1), p2(x2, y2)计算距离的方法常见的有:

  1. 欧几里德距离(常用的距离),是点和点之间坐标的均方根。通常情况下人们所说到的距离,指的就是欧式距离:
    Distance =在这里插入图片描述

  2. 曼哈顿距离(City Block Distance),又称街区距离,表示对点与点之间在不同维度上的绝对距离的叠加,实质上是从一个点到另外一个点的步数,并不能走斜线, 公式如下:Distance = |x2-x1|+|y2-y1|

  3. 象棋格距离(Chessboard Distance),被用来衡量向量空间中两个点之间的距离,它是曼哈顿距离的加权版本。实质上是凑成一个正方形的对角线, 公式如下:Distance = max(|x2-x1|,|y2-y1|)
    在这里插入图片描述

一旦距离度量公式选择,就可以在二值图像的距离变换中使用。一个最常见的距离变换算法就是通过连续的腐蚀操作来实现,腐蚀操作的停止条件是所有前景像素都被完全腐蚀这样根据腐蚀的先后顺序,我们就得到各个前景像素点到前景中心骨架像素点的距离。根据各个像素点的距离值,设置为不同的灰度值。这样就完成了二值图像的距离

没有更多推荐了,返回首页