• 1 现实所逼,你准备在哪个城市发展(买房,女友工作等等),该城市是否有充分的图像处理行业以供选择。如,北京上海深圳,北京的图像企业感觉占近半数江山。多年招聘的感觉。剩下的广州,武汉,成都也有为数不多的...
    这个推荐答案被反复粘贴n遍。没有新意。应该让专业从业人员回答这个问题。刚好本人就是。。那个链接值得推荐,比较中肯。但是分析的还是太窄。
    如果从人生整体规划上讲应该考虑一下问题:
    1 现实所逼,你准备在哪个城市发展(买房,女友工作等等),该城市是否有充分的图像处理行业以供选择。如,北京上海深圳,北京的图像企业感觉占近半数江山。多年招聘的感觉。剩下的广州,武汉,成都也有为数不多的图像企业。像本人所在的城市,牛逼大学再多,学图像的再多不顶用,没行业没研究所从事图像方向。你个博士奈何。。学校的坑你更是进不去的。
    2 学图像的研究生能从事本专业的不到15%,这个是我身边的统计数据。图像分析受环境影响比较大,如光照。这个另说了,就是比较难又不太可靠。所以作为一个检测手段还有很多路要走。如果你没有在做图像的公司实习并取得信任那么你用图像处理就业的可能性大为下降。全世界每年能实用的图像算法能有多少,那些发paper的同志们,你们自己知道自己算法的约束性。就是state of the art的paper,适用的场景又能有多少。所以不要迷信自己的算法有多牛逼。好好提高自己的编程水平,没事看看图形方面的东西(不要问我图像,图形有啥不同。。),玩玩并行运算,嵌入式,扩展下自己的就业面。
    3 到主观的地方了,谈谈正面的。公司缺人么?每个公司都缺。但你是否能胜任它职位所需要的岗位。回到图像上来说,人类获取信息80%的信息都是通过图像获取的,你说图像重要么。图像处理,模式识别的方向的确相对通讯电子是窄,但是你说造原子弹的科学家就业窄不。。相信自己的专业,时间越长越不可替代,可以走技术专家路线,比较自由。自动化,人工智能是今后发展的大方向,图像是个重要的手段。工作经验告诉我,图像处理这个东西不在人多,贵在精深。不要单干,一个小而精的团队战斗力是非常强悍的,但只是需要一两个人做图像算法的公司不建议去。掂量下自己有没有这个热情,头脑,数学功力,和沟通能力。如果你已经进入了相关企业,程序相关的东西可以再学习培养(看看应聘公司有这个前瞻性和魄力当然你要有头脑和数学底子),分析问题,解决问题的能力很重要,更重要的是提出问题。学习好的同学比较擅长前两项,而图像这个创新的工作更加看重提出问题,这个是创新思维的表现。这个可不是口号。当然,能提出问题取决于,你对问题研究的深度广度,最终取决于你对研究的兴趣。

    最后谈谈图像处理研究的门类。
    1医疗2识别类3零件检测4卫星图像。
    总的说来医疗口的就业量比较大,企业相对比较多。对其他图像而言,医学图像标准化更好对外界影响小,不同设备间的差距也比较小。毕竟是诊断的凭据。所以你如果想跳槽(嘿嘿),同样类别算法基本不用删改都是适用的(注意知识产权哦)。
    下来识别类,所有的文字,行人,车辆等等需要识别跟踪的物体。做好了发大财,譬如美国一家公司的指纹检测在911后,速度准确性最好。拿了政府大单,回报丰厚。
    但是想做好谈何容易。。但,这个是本人最喜欢的,最有人工智能的感觉。这个是自动化类专业研究图像的最高形态。
    3零件检测,包括一些食品包装类的异物检测。对于工业自动化也是很有前景的方向,有些甚至用于芯片级的检测,如果显微图像的话多涉及到亚像素及三维相关。
    4卫星图像。一般国家需要,如果可能有些研究所有相关类别。公司的话,不太清楚
    对了忘说了比较重要的一条。英语。这个不费话了。中文的paper可以做个科普,想做算法研究的话,你看不懂显然是不可以的。如果英文整体实力NB了,可以去些外企。客观上说,欧美的企业还是不错滴,重视人,创造,做算法有耐心。薪酬也比较丰厚。这类企业貌似上海那边比较多

    综上,如果你没耐心看完,去找图像类的公司实习,这个前提是手上有一些做程序的功夫,这个真不难。。,玩玩opencv,然后自己就感觉出来了。还有积累人脉。这个也是极重要的。刚从学校出来的没有利害到一定程度,也没有工作经验,实习经验的重要性超乎想象。

    劝一句,如果你对图像没有兴趣还是不要做下去。你也做不好。


    各位学长学姐好!
    今年被图形图像所录取,暑假前导师给了两个方向让我选择,参考的文献全是英语论文,伤不起啊。看过后 还是不太懂,在这里请教一下

    方向 1、体数据建模 (需要学习的软件pov-ray,这个软件,中文教程都很少,自学 很吃力)
    2、等几何分析 (需要学习的软件matlab,感觉这个太偏向数学了)
    PS:导师是本科是数学专业出身,博士是 应用数学专业计算机辅助设计与图形

    问题 1、请了解的大神 解释一下这两个方向,或者说说这两个方向毕业后能干啥
    2、我也咨询过同一个导师的学姐,她说研究生的方向 和将来工作是无关的,问她为啥,她说 你来了就知道了。请知道的学长解释一下
    3、导师坑不坑就不说了,要是不想跟导师的做,自学的话 在毕业时,会不会有大麻烦
    4、将来毕业后想进互联网公司,学这些计算机辅助工程设计的方向 互联网公司有这些需求吗?


    研究生学图形图像处理,就业可以有哪些选择?

    按投票排序按时间排序

    10 个回答


    展开全文
  • 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。 数字图像处理的历史可以追溯到近百年以前,大约在1920年的时候,图像首次通过海底电缆从英国伦敦传送到美国纽约。图像处理...

    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。

    数字图像处理的历史可以追溯到近百年以前,大约在1920年的时候,图像首次通过海底电缆从英国伦敦传送到美国纽约。图像处理的首次应用是为了改善伦敦和纽约之间海底电缆发送的图片质量,那时就应用了图像编码,被编码后的图像通过海底电缆传送至目的地,再通过特殊设备进行输出。这是一次历史性的进步,传送一幅图片的时间从原来的一个多星期减少到了3小时。

    1950年,美国的麻省理工学院制造出了第一台配有图形显示器的电子计算机——旋风I号(Whirlwind I)。旋风I号的显示器使用一个类似于示波器的阴极射线管(Cathode Ray Tube,CRT)来显示一些简单的图形。1958年美国Calcomp公司研制出了滚筒式绘图仪,GerBer公司把数控机床发展成为平板式绘图仪。在这一时期,电子计算机都主要应用于科学计算,而为这些计算机配置的图形设备也仅仅是作为一种简单的输出设备。

    随着计算机技术的进步,数字图像处理技术也得到了很大的发展。1962年,当时还在麻省理工学院攻读博士学位的伊凡·苏泽兰(Ivan Sutherland)成功开发了具有划时代意义的“画板”(Sketchpad)程式。而这正是有史以来第一个交互式绘图系统,同时这也是交互式电脑绘图的开端。从此计算机和图形图像被更加紧密地联系到了一起。鉴于伊凡·苏泽兰为计算机图形学创立所做出的杰出贡献,他于1988年被授予计算机领域最高奖——图灵奖。

    1964年,美国加利福尼亚的喷气推进实验室用计算机对“旅行者七号”太空船发回的大批月球照片进行处理,以校正航天器上摄影机中各种类型的图像畸变,收到了明显的效果。在后来的宇航空间技术中,数字图像处理技术都发挥了巨大的作用。

    到了20世纪60年代末期,数字图像处理已经形成了比较完善的学科体系,这套理论在20世纪70年代发展得十分迅速,并开始应用于医学影像和天文学等领域。1972年,美国物理学家阿伦·马克利奥德·柯麦科(Allan MacLeodCormack)和英国电机工程师戈弗雷·纽博尔德·豪恩斯弗尔德(Godfrey Newbold Housfield)发明了轴向断层术,并将其用于头颅诊断。世界第一台X射线计算机轴向断层摄影装置由EMI公司研制成功,这也就是人们通常所说的CT(Computer Tomograph)。CT可通过一些算法用感知到的数据去重建通过物体的“切片”图像。这些图像组成了物体内部的再现图像,也就是根据人的头部截面的投影,经计算机处理来进行图像重建。鉴于CT对于医学诊断技术的发展所起到的巨大推动作用,柯麦科和豪恩斯弗尔德于1979年获得了诺贝尔生理或医学奖。

    随后在2003年,诺贝尔生理或医学奖的殊荣再次授予了两位在医疗影像设备研究方面做出杰出贡献的科学家——美国化学家保罗·劳特伯尔(Paul Lauterbur)和英国物理学家彼得·曼斯菲尔(Peter Mansfield)。两位获奖者在利用磁共振成像(Magnetic Resonance Imaging,MRI)显示不同结构方面分别取得了开创性成就。瑞典卡罗林斯卡医学院称,这两位科学家在MRI领域的开创性工作,代表了医学诊疗和研究的重大突破。而事实上,核磁共振的成功同样也离不开数字图像处理方面的发展。即使在今天,诸如MRI图像降噪等问题依然是数字图像处理领域的热门研究方向。

    说到数字图像的发展历程,还有一项至关重要的成果不得不提,那就是电荷耦合元件(Charge-coupled Device,CCD)。CCD最初是由美国贝尔实验室的科学家维拉德·波义耳(Willard Sterling Boyle)和乔治·史密斯(George Elwood Smith)于1969年发明的。CCD的作用就像胶片一样,它能够把光学影像转化为数字信号。今天人们所广泛使用的数码照相机、数码摄影机和扫描仪都是以CCD为基础发展而来的。换句话说,我们现在所研究的数字图像主要也都是通过CCD设备获取的。由于波义耳和史密斯在CCD研发上所做出的巨大贡献,他们两人共同荣获了2009年度的诺贝尔物理学奖。

    数字图像处理在今天是非常热门的技术之一,生活中无处不存在着它的影子,可以说它是一种每时每刻都在改变着人类生活的技术。但长久以来,很多人对数字图像处理存在着较大的曲解,人们总是不自觉地将图像处理和Photoshop联系在一起。大名鼎鼎的Photoshop无疑是当前使用最为广泛的图像处理工具。类似的软件还有Corel公司生产的CorelDRAW等软件。

    尽管Photoshop是一款非常优秀的图像处理软件,但它的存在并不代表数字图像处理的全部理论与方法。它所具有的功能仅仅是数字图像处理中的一部分。总的来说,数字图像处理研究的内容主要包括如下几个方面:

    • 1)图像获取和输出
    • 2)图像编码和压缩
    • 3)图像增强与复原
    • 4)图像的频域变换
    • 5)图像的信息安全
    • 6)图像的区域分割
    • 7)图像目标的识别
    • 8)图像的几何变换

    但图像处理的研究内容,又不仅限于上述内容!所以说图像处理的研究话题是相当宽泛的。那现在图像处理都应用在哪些领域呢?或许我们可能熟知的例子有(当然,你应该还能举出更多例子):

    • 1)一些专业图像处理软件:Photoshop、CorelDRAW……
    • 2)一些手机APP应用:美图秀秀、玩图……
    • 3)一些医学图像处理应用:MRI、彩超图像处理……
    • 4)一些制造业上的应用:元器件检测、瑕疵检测……
    • 5)一些摄像头、相机上的应用:夜间照片的质量改善……
    • 6)一些电影工业上是应用:换背景、电影特技……

     

    什么样的人会去学(或者需要学)图像处理?

     

    1)如果你是我上述那些应用领域的从业者,你当然需要掌握图像方面的理论和技术;2)相关专业的研究人员、大专院校的博士生、研究生。

    所谓相关专业又是指什么呢?这个答案也可能相当宽泛,例如(但不仅限于此):Computer Science, Software Engineering, Electronic Engineering, Biomedical Engineering, Automation, Control, Applied Mathematics……

     

    如何学好图像处理——我的一些箴言

     

    1)对于初级入门者

     

    一个扎实的基础和对于图像处理理论的完整的、系统的整体认识对于后续的深入研究和实践应用具有非常非常重要的意义。

    我经常喜欢拿武侠小说《天龙八部》中的一段情节来向读者说明此中的道理,相信读者对这部曾经被多次搬上银幕的金庸作品已经耳熟能详了。书中讲到有个名叫鸠摩智的番僧一心想练就绝世武学,而且他也算是个相当勤奋的人了。但是,他错就错在太过于急功近利,甚至使用道家的小无相功来催动少林绝技。看上去威力无比,而且可以在短时间内“速成”,但实则后患无穷。最终鸠摩智走火入魔,前功尽废,方才大彻大悟。这个故事其实就告诉我们打牢基础是非常重要的,特别是要取得更长足的发展,就更是要对基本原理刨根问底,力求甚解,从而做到庖丁解牛,游刃有余。

    一些看似高深的算法往往是许多基础算法的组合提升。例如,令很多人望而却步的SIFT特征构建过程中,就用到了图像金字塔、直方图、高斯滤波这些非常非常基础的内容。但是,它所涉及的基础技术显然有好几个,如果缺乏对图像处理理论的系统认识,你可能会感觉事倍功半。因为所有的地方好像都是沟沟坎坎。

    关于课程——

    在这个阶段其实对于数学的要求并不高,你甚至可以从一些感性的角度去形象化的理解图像处理中很多内容(但不包括频域处理方面的内容)。具体到学习的建议,如果有条件(例如你还在高校里读书)你最好能选一门图像处理方面的课程,系统地完整的地去学习一下。这显然是入门的最好办法。如此一来,在建立一个完整的、系统的认知上相当有帮助。如果你没办法在学校里上一门这样的课,网上的一些公开课也可以试试。但现在中文MOOC上还没有这方面的优质课程推荐。英文的课程则有很多,例如美国加州伦斯勒理工学院Rich教授的数字图像处理公开课——https://www.youtube.com/channel/UCaiJlKxXamoODQtlx486qJA?spfreload=10。

    关于教材——

    显然,只听课其实还不太够,如果能一并读一本书就最好了。其实不用参考很多书,只要一本,你能从头读到尾就很好了。如果你没有条件去上一门课,那读一本来完整的自学一下就更有必要了。这个阶段,去网上到处找博客、看帖子是不行的。因为你特别需要在这个阶段对这门学问建立一个系统的完整的知识体系。东一块、西一块的胡拼乱凑无疑是坑你自己,你的知识体系就像一个气泡,可能看起来很大,但是又脆弱的不堪一击。

    现在很多学校采用冈萨雷斯的《数字图像处理》一书作为教材。这是一本非常非常经典的著作。但是我必须要提醒读者:

    1)这是一本专门为Electronic Engineering专业学生所写的书。它需要有信号与系统、数字信号处理这两门课作为基础。如果你没有这两门课的基础,你读这本书要么是看热闹,要么就是看不懂。

    下面是冈书中的一张插图。对于EE的学生来说,这当然不是问题。但是如果没有我说的那两门课的基础,其实你很难把握其中的精髓。H和h,一个大小一个小写,冈书中有的地方用H,有的地方用h,这都是有很深刻用意的。原作者并没有特别说明它们二者的区别,因为他已经默认你应该知道二者是不同的。事实上,它们一个表示频域信号,一个表示时域信号,这也导致有时候运算是卷积,有时候运算是乘法(当然这跟卷积定理有关)。所以我并不太建议那些没有这方面基础的学生在自学的时候读这本书。

     

    2)冈萨雷斯教授的《数字图像处理》第一版是在1977年出版的,到现在已经快40年了;现在国内广泛使用的第二版是2002年出版的(第三版是2007年但是其实二者差异并不大),到现在也有20年左右的时间了。事实上,冈萨雷斯教授退休也有快30年了。所以这本书的内容已经偏于陈旧。数字图像处理这个领域的发展绝对是日新月异,突飞猛进的。特别在最近二三十年里,很多新思路,新方法不断涌现。如果你看了我前面推荐的Rich教授的公开课(这也是当前美国大学正在教学的内容),你一下子就会发现,原来我们的教育还停留在改革开放之前外国的水平上。这其实特别可怕。所以我觉得冈萨雷斯教授的《数字图像处理》作为学习过程中的一个补充还是不错的,但是如果把它作为主参考,那真的就是:国外都洋枪洋炮了,我们还在大刀长矛。

     

    那么现在问题来了,对于图像处理学习者而言到底看什么书好呢?我的意见是你可以选择下面两本书中的任何一本《数字图像处理原理与实践(Matlab版)》,以及《数字图像处理:技术详解与Visual C++实践》,当然选择的标准之一就是到底你更擅长使用MATLAB还是C++。

       

     

     

     

    2)对于中级水平者

     

    纸上得来终觉浅,绝知此事要躬行。对于一个具有一定基础的,想更进一步的中级水平的人来说,这个阶段最重要的就是增强动手实践的能力。

    还是说《天龙八部》里面的一个角色——口述武功、叹为观止的王语嫣。王语嫣的脑袋里都是武功秘籍,但问题是她从来都没练过一招一式。结果是,然并卵。所以光说不练肯定不灵啊。特别是,如果你将来想从事这个行业,结果一点代码都不会写,那几乎是不可想象的。学习阶段,最常被用来进行算法开发的工具是Matlab和OpenCV。你可以把这两个东西都理解为一个相当完善的库。当然,在工业中C++用得更多,所以Matlab的应用还是很有限的。前面我们讲到,图像处理研究内容其实包括:图像的获取和编解码,但使用Matlab和OpenCV就会掩盖这部分内容的细节。你当然永远不会知道,JPEG文件到底是如何被解码的。

    如果你的应用永远都不会涉及这些话题,那么你一直用Matlab和OpenCV当然无所谓。例如你的研究领域是SIFT、SURF这种特征匹配,可以不必理会编解码方面的内容。但是如果你的研究话题是降噪或者压缩,可能你就绕不开这些内容。最开始学的时候,如果能把这部分内容也自己写写,可能会加深你的理解。以后做高级应用开发时,再调用那些库。所以具体用什么,要不要自己写,是要视你所处的阶段和自己的实际情况而定的。以我个人的经验,在我自学的时候,我就动手写了Magic House,我觉得这个过程为我奠定了一个非常夯实的基础,对于我后续的深入研究很有帮助。

     

    下面这个文中,我给出了一些这方面的资源,代码多多,很值得参考学习:图像处理与机器视觉网络资源收罗

    http://blog.csdn.net/baimafujinji/article/details/32332079

     

    3)对于高级进阶者

     

    到了这个程度的读者,编程实现之类的基本功应该不在话下。但是要往深,往高去学习、研究和开发图像处理应用,你最需要的内容就变成了数学。这个是拦在很多处于这个阶段的人面前的一大难题。如果你的专业是应用数学,当然你不会感觉有问题。但如果是其他专业背景的人就会越发感觉痛苦。

    如果你的图像处理是不涉及机器学习内容的,例如用Poisson方程来做图像融合,那你就要有PDE数值解方面的知识;如果你要研究KAZE特征,你就必须要知道AOS方面的内容。如果你研究TV降噪,你又要知道泛函分析中的BV空间内容……这些词你可能很多都没听过。总的来说,这块需要的内容包括:复变函数、泛函分析、偏微分方程、变分法、数学物理方法……

    如果你要涉足机器视觉方法的内容,一些机器学习和数据挖掘方法的内容就不可或缺。而这部分内容同样需要很强大的数学基础,例如最大似然方法、梯度下降法、欧拉-拉格朗日方程、最小二乘估计、凸函数与詹森不等式……

    当然,走到这一步,你也已经脱胎换骨,从小白到大神啦!路漫漫其修远兮,吾将上下而求索。

     

    (全文完)

     

     

    展开全文
  • 图像处理学习之路

    2015-07-29 10:52:41
    经历了半年多的学习,图像处理总算入门了,做了个小项目,将之前所的都用到了。...如果没有,我推荐中科院研究生院刘定生老师的数字图像处理与分析(视频),这位老师上课引人入胜,值得推荐。其

    经历了半年多的学习,图像处理总算入门了,做了个小项目,将之前所学的都用到了。虽不敢说精通,但该掌握的工具都掌握了,包括图像算法。图像处理虽说不难,但刚开始入门,还是不易的,我也走了不少弯路,希望借鉴给有缘人。

    首先,搞图像处理,熟悉图像算法是必经之路,如果上过图像处理这门课的话,再好不过。如果没有,我推荐中科院研究生院刘定生老师的数字图像处理与分析(视频),这位老师上课引人入胜,值得推荐。其次,在这个阶段,配套的书籍自然是《冈萨雷斯版数字图像处理》这本书,最好同时用matlab软件,仿真每一个图像算法案例,推荐《matlab宝典》。大概花一个月时间,基本的图像算法,相信你已经学完了。第二阶段,希望你再次认真学习C++,推荐《C++ Primer》,因为以后我们开发程序,都是基于类的开发,什么虚函数,类的继承、多态、命名空间、文件的输入输出、模板STL都应非常熟悉。在这之后,VC++你也应该掌握,圣经级的书籍自然是孙鑫的《VC++深入详解》,大概花一个时间,将书上每一个代码都敲一边,消息的映射机制,尤其要非常熟悉,MFC的框架结构也应明白。在此阶段,有时间的话,看看中科院研究生院杨力祥老师的高级windows程序设计(视频),这些代码开发都是基于VC6.0的。

    以上如果你都搞明白了,就进入重头戏了。将图像处理算法和代码结合起来,进行开发。首推北航老师谢凤英, 赵主培主编的《Visual C++数字图像处理》这本书,将上面的代码都敲一边,你会有不一样的感觉。

    最后一个阶段,因为在实际的开发过程中,不可能每一基本算法都要自己写,前人已经写好了。所以推荐大家使用opencv这个开源库,他实现了大多数图像算法,实际开发中,用他的函数就够了,推荐书籍《学习opencv》,《opencv教程》,视频自然是庞峰老师的视频,大家可以在opencv中文论坛上免费观看。至此,该掌握的工具你已经掌握了,但是将MFC和opencv结合起来开发,最好是要有一个项目,你会理解许多。

    最后,我想说MFC开发已经过时了(俗称没饭吃),但是他的那套消息机制还是非常有用的,建议大家界面开发的用C#或QT,代码编写结合opencv,这样你会轻松很多。在图像处理领域中,真正得到大牛都是搞算法的,建议大家在看看计算机视觉和模式识别、机器学习方面的书籍。至此,以上就是我的感悟。

    展开全文
  • 一个Java程序员转到图像处理的亲身经历,感悟与收获。

    谈谈我学习图像处理的经历与收获

    大概是在2011年年底的时候,我在家里整理以前的IT书籍、发现我买的几本图像处理的书,于是我又随手翻了翻,发现自己还是挺感兴趣的,就直接放到书架上了,说实话做Java这么多年了,一直都是做外包,想想自己也没什么拿得出手的竞争力、想想英语没英国人讲的好、工作没年纪轻的加班猛、沟通交流没有文科生那圆滑、还是走技术吧,毕竟自己还做了这么久,想想大学毕业设计是关于图像处理的,于是我又捡了起来、从2012年初、坚持自己研究图像处理、期间也有几次想放弃、想去学学安卓什么的,但是又强迫自己放弃了这些乱七八糟的念头、既然选择了就要坚持到底、死磕到底、墨子有句名言我很赞同,“言不信者行不果、志不强者智不达”意思是什么呢,就是说言而无信的人行动往往没有结果、意志不够坚定的人智力上往往达不到目标。就这样我开始了坚持慢慢的写博客分享我自己的学习图像处理的经历、从简单的像素处理到复杂的各种经典算法、两年多之后我在CSDN的博客上关于图像处理的文章已经超过60篇,

    学习图像处理过程也是磨练自己意志、不断自我更新、自我总结的历程。想对那些一直徘徊在图像处理大门之外的人说,学习图像处理,没有你想象中的那么难、那些数学知识也没你看上去那么复杂,有时候只要你稍微有点决心、有点毅力、你就会发现那些看上去很难的各种数学公式在你的努力之下就会土崩瓦解、灰飞烟灭再也无法阻挡你前进的步伐、我结合自己的学习经历,觉得在学习过程中要由浅入深、先易后难、一个一个的攻克那些算法与数学知识,要从基本的像素知识开始学习、边理论学习边实践,古语有云:“纸上得来终觉浅、绝知此事要躬行”,学习二值图像处理、慢慢的过渡到学习距离变化、霍夫变换等知识、进一步学习卷积的基础知识、然后再学习低通滤波与高通滤波、各种算子、去噪、增强等处理、有了这些知识之后就可以过渡到高斯滤波、各种边缘保留算法、图像的插值、旋转、高斯金字塔、拉普拉斯、高斯分差等知识、有了这些知识之后就可以进一步学习图像的各种特征提取,图像分割等知识。在这些基础上就可以去研究一下比较流行的SIFT算法、HOG算法等基于空间域的图像处理的经典算法、同时可以看一看傅立叶变换到频率域尝试各种滤波等处理、看一下图像的模板匹配、识别等比较偏向应用的知识、可以学习一下小波变换等知识、然后就可以选择方向对图像处理中某个应用领域发起一阵猛攻、综合运用所学的各种知识,这个时候就是全面展示你应用图像处理知识,设计图像处理步骤算法的大好机会,继续搞下去,属于你的钱和机会就会从天上掉下来,别紧张,接住就行,因为你已经准备了这么久了,能接住的…

     

    研究图像处理以后,发现图像处理相对来说有一定的技术门槛,不是一般技术短平快、很快就可以学会。所以很多时候只要你真的会图像处理,到应用层面,选择什么的语言与库去做不是太大的问题,要知道你学的是图像处理知识、而不是一些API与库的接口编程,学那些真的不要两三年。我研究过imageJ的多数源代码,但是我没看过openCV的,因为c++我不熟悉,我下一步的计划是学习openCV,正如一句话说的好:“君子性非异也善假于物也”。我要做一个快速的图像处理应用开发者。

     

    这三年多来,学习图像处理给我带了一些私活收入同时我在2014年的时候收到来自机械工业出版社、华章图书的书约,经过一年多的挑灯夜战,图书已经结稿、通过编辑审核付型了,估计下个月(2015-11)新书会上市跟大家见面。


    给初学者的一些建议:

    学习图像处理,重要的是算法而非语言,所以建议多关注算法本身,此外,掌握一门编程语言也很重要个人推荐C++或者Java,原因是OpenCV是基于C/C++编写的,是图像处理与机器学习最好开源框架!有了基本图像处理知识以后建议学习OpenCV可以成倍提高开发效率!本人也贡献了两套OpenCV图像处理教程给大家:

    《OpenCV图像处理》

    《OpenCV For Android基础入门教程》

    分别针对C++与Java开发者的OpenCV学习者!希望对大家有所帮助!

    展开全文
  • 数字图像处理研究的主要内容 数字图像处理是指将一幅图像变成另一幅经过修改(改进)的图像,是一个由图像到图像的过程。其主要研究内容如下:图像变换 图像增强 图像恢复 图像分割 数学形态 图像编码与压缩 图像...

    新博客地址: vonsdite.cn

    数字图像处理研究的主要内容

    •     数字图像处理是指将一幅图像变成另一幅经过修改(改进)的图像,是一个由图像到图像的过程。其主要研究内容如下:
      
      • 图像变换
      • 图像增强
      • 图像恢复
      • 图像分割
      • 数学形态学
      • 图像编码与压缩

    图像变换

    • 灰度变换:包括灰度线性变换、阈值变换、窗口变换、灰度拉伸与均衡等。灰度变换目的在于:控制图像灰度直方图的分布,改善输出的图像。

    • 几何变换:图像平移、镜像、转置、缩放和旋转等。对于数字化标定、图像配准、校正、投影及特殊视觉特技效果的生成十分有用。

    • 正交变换:包括傅立叶变换、离散余弦变换、Walsh变换、小波变换等。正交变换是将图像的二位数据矩阵看作特殊的二维信号,并将其变换到频域,从而加强对图像信息的辨识与理解。广泛运用于图像特征提取、图像增强、图像压缩和图像识别领域。


    图像增强

    •   空域滤波增强和频域滤波增强技术,具体方法如**图像模板操作、平滑、锐化、中值滤波、低/高通滤波、伪色彩增强等。**
      
    • 主要目的是根据任务目标突出图像中感兴趣的信息,消除干扰,改善图像的视觉效果或增强便于机器识别的信息。


    图像恢复

    • 根据图像退化模型,消除或减轻在图象获取及传输过程中造成的图像品质下降即退化现象,恢复图像的本来面目。退化包括由成像系统光学特性造成的歧变以及噪声和相对运动造成的模糊等情况。 
      
    • 运动模糊图像的恢复

      运动模糊图像的恢复


    图像分割

    •     包括**阈值分割法、基于梯度的分割法及边界检测与跟踪**等。
      
    • 主要目的是根据图像的某些特征将图像划分为互不重叠的区域,以便于对图像中的物体或目标进行分析与识别。图像分割是图像分析和理解的基础


    数学形态学

    •     形态学运算主要用来处理**二值图像**,其数学基础是集合论。常见的形态学运算有**膨胀、腐蚀、开运算、闭运算、细化**等。
      
    • 数学形态学是分析图像几何特征的有利工具。

    图像编码与压缩

    • 要在计算机连续显示分辨率为1280x1024的24位真彩色高质量的电视图像,按每秒30祯计算,显示1分钟需要6.6GB。可见,数字图像数据的压缩问题是多媒体技术的重要研究课题。
      
    • 图像编码与压缩就是对要处理的图像数据用一定的规则进行变换和组合,从而达到以尽可能小的代码来表示尽可能多的数据信息的目的,常见的压缩编码有**霍夫曼编码、游程编码、JPEG编码**等。
      
    • 研究压缩图像数据的方法,需要研究并利用图像的冗余特征如统计冗余、生理视觉冗余、知识冗余等。
      
    展开全文
  • 如果没有,我推荐中科院研究生院刘定生老师的数字图像处理与分析(视频),这位老师上课引人入胜,值得推荐。其次,在这个阶段,配套的书籍自然是《冈萨雷斯版数字图像处理》这本书,最好同时用matlab软件,仿真每一...
  • 伴随着图像处理技术的发展,我们每天无时无刻都在接触着图像处理的一切,打开相机,设置美颜程度,伴随着快门键的按下,一张瘦脸磨皮的人像处理完成了。按下手机的解锁键,前置摄像头已经获取了你的人脸图像,并在你...
  • 经历了半年多的学习,图像处理总算入门了,做了个小项目,将之前所的都用到了。...如果没有,我推荐中科院研究生院刘定生老师的数字图像处理与分析(视频),这位老师上课引人入胜,值得推荐。其
  • 第一阶段 熟悉图像算法 -----推荐中科院研究生院刘定生老师的数字图像处理与分析(视频)配套的书籍《冈萨雷斯版数字图像处理》同时用matlab软件,仿真每一个图像算法案例,推荐《matlab宝典》。 第二阶段, 认真...
  • 数字图像处理第九章数字图像处理---形态学图像处理(一)预备知识1.1 预备知识1.1.1 集合理论中的基本概念1.2 二值图像、集合及逻辑算子(二)膨胀和腐蚀2.1 膨胀2.2 结构元的分解2.3 strel函数2.4 腐蚀(三) 膨胀...
  • 形态学图像处理

    2017-07-27 22:49:11
    形态学图像处理是指从图像中提取一些“内涵”,也就是一些想得到的属性。形态学处理的数学工具是集合论,在冈萨雷斯的书中研究对象以后两种一种是二值图像,一种是灰度图像。  在在二值图像中中主要有膨胀和腐蚀两...
  • 计算机图形图像处理图形研究内容    计算机图形的定义:指用计算机产生对象图形的输出的技术。更确切的说,计算机图形研究通过见算计将数据转化为图形,并在专门显示设备上显示的原理。方法和技术...
  • 最近版上有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...
  • 数学形态学(Mathematical morphology) 是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论。其基本的运算包括:二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换...
  • 数字图像处理是近年来电子、...数字图像处理研究范围也非常宽泛,包括图像增强、图像复原、数学形态、图像分析、图像编解码、模式识别、视频图像处理等等众多分支领域。 本文基于个人经验,对数字图像处理研究
  • 图像处理研究方向

    2013-05-25 16:44:41
     我虽然从事图像处理研究,但做的东西比较杂,也不是很深入。只能给你一些粗浅的建议。  我感觉图像处理现在的发展有两个层次,一个是算法研究,需要较多的数学基础,如偏微分方程(PDE)、各种空间变换(小波、...
  • 图像处理与识别学习小结   数字图像处理是对图像进行分析、加工、和处理,使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储,因而图像处理很多...
  • OpenCV是学习数字图像处理的好工具,本专栏拟打算从对OpenCV源码的学习来研究数字图像处理中的基本操作。我开设本专栏不为别的,只希望能系统地学习OpenCV,并把我支离破碎的数字图像处理知识好好理一理。当然,最终...
1 2 3 4 5 ... 20
收藏数 108,966
精华内容 43,586
关键字:

研究生开始学图像处理