1. 程式人生 > >影象處理面試方法和前景

影象處理面試方法和前景

最近版上有不少人在討論影象處理的就業方向,似乎大部分都持悲觀的態度。我想結合我今年找工作的經驗談談我的看法。就我看來,個人覺得影象處理的就業還是不錯的。首先可以把影象看成二維、三維或者更高維的訊號,從這個意義上來說,影象處理是整個訊號處理裡面就業形勢最好的,因為你不僅要掌握(一維)訊號處理的基本知識,也要掌握影象處理(二維或者高維訊號處理)的知識。其次,影象處理是計算機視覺和視訊處理的基礎,掌握好了影象處理的基本知識,就業時就可以向這些方向發展。目前的模式識別,大部分也都是影象模式識別。在實際應用場合,採集的資訊很多都是影象資訊,比如指紋、條碼、人臉、虹膜、車輛等等。說到應用場合,千萬不能忘了醫學影象這一塊,如果有醫學影象處理的背景,去一些醫療器械公司或者醫療軟體公司也是不錯的選擇。影象處理對程式設計的要求比較高,如果程式設計很厲害,當然就業也多了一個選擇方向,並不一定要侷限在影象方向。

下面談談我所知道的一些公司資訊,不全,僅僅是我所瞭解到的或者我所感興趣的,實際遠遠不止這麼多。

搜尋方向

基於內容的影象或視訊搜尋是很多搜尋公司研究的熱點。要想進入這個領域,必須有很強的程式設計能力,很好的影象處理和模式識別的背景。要求高待遇自然就不錯,目前這方面的代表公司有微軟、google、yahoo和百度,個個鼎鼎大名。

醫學影象方向

目前在醫療器械方向主要是幾個大企業在競爭,來頭都不小,其中包括Simens、GE、飛利浦和柯達,主要生產CT和MRI等醫療器材。由於醫療器械的主要功能是成像,必然涉及到對影象的處理,做影象處理的很有機會進入這些公司。它們在國內都設有研發中心,simens的在上海和深圳,GE和柯達都在上海,飛利浦的在瀋陽。由於醫療市場是一個沒有完全開發的市場,而一套醫療裝置的價格是非常昂貴的,所以在這些地方的待遇都還可以,前景也看好。國內也有一些這樣的企業比如深圳安科和邁瑞

計算機視覺和模式識別方向

我沒去調研過有哪些公司在做,但肯定不少,比如指紋識別、人臉識別、虹膜識別。還有一個很大的方向是車牌識別,這個我倒是知道有一個公司高德威智慧交通似乎做的很不錯的樣子。目前視訊監控是一個熱點問題,做跟蹤和識別的可以在這個方向找到一席之地。

上海法視特位於上海張江高科技園區,在視覺和識別方面做的不錯。北京的我也知道兩個公司:大恆和凌雲,都是以影象作為研發的主體。

視訊方向

一般的高校或者研究所側重在標準的制定和修改以及技術創新方面,而公司則側重在編碼解碼的硬體實現方面。一般這些公司要求是熟悉或者精通MPEG、H.264或者AVS,選擇了這個方向,只要做的還不錯,基本就不愁飯碗。由於這不是我所感興趣的方向,所以這方面的公司的資訊我沒有收集,但平常在各個bbs或者各種招聘網站經常看到。

我所知道的兩個公司:諾基亞和pixelworks

其他

其實一般來說,只要涉及到成像或者影象的基本都要影象處理方面的人。比方說一個成像裝置,在輸出影象之前需要對原始影象進行增強或者去噪處理,儲存時需要對影象進行壓縮,成像之後需要對影象內容進行自動分析,這些內容都是影象處理的範疇。下面列舉一些與影象有關或者招聘時明確說明需要影象處理方面人才的公司:

上海豪威積體電路有限公司(www.ovt.com.cn)

中芯微

摩托羅拉上海研究院

威盛(VIA)

松下

索尼

清華同方

三星

所有與影象(靜止或者運動影象)有關的公司都是一種選擇。比如數碼相機、顯微鏡成像、超聲成像、工業機器人控制、顯示器、電視、遙感等等,都可以作為求職方向。

要求:

1、外語。如果進外企,外語的重要性不言而喻。一般外企的第一輪面試都是英語口語面試。

2、程式設計。這方面尤以C++為重,很多公司的筆試都是考c++知識。

3、專業水平。如果要找專業相關的工作,研究生期間的研究經歷和發表的論文就顯的比較重要。

4、知識面的寬度。我覺得在研究生期間,除了做好自己的研究方向之外,擴寬一下知識面也有很大的幫助,當然這個知識面指的是影象處理、計算機視覺和模式識別,知識面越寬,就業時的選擇就會越多。

影象處理方向畢業的就業面非常廣,而且待遇在應屆生應該是中上等。其實還是一句話,能力決定一切。只要研究生三年沒有白過,根本不愁找不到好工作。祝所有正在讀研或者即將讀研的朋友將來都能有一份滿意的工作。

我說點不好的呵呵版主的說法我同意 都是正面的

反面的來說:現在大學和研究機構做圖象的越來越多了,這裡面老闆自己懂圖象的不知道有多少?!老闆不懂,影響還是很大的

多數做圖象的是用MATLAB,用別人的程式碼(如小波)。在研究生三年學好C++畢業的有多少?在公司C++是重要的。

圖象其實就是訊號處理,除了本科是學訊號的以外,訊號與系統、數字訊號處理是一定要學好的,那相應的數學方面的概率,多元統計,甚至泛函也要了解。

外語的基本要求是看懂英文文獻(不一定全看懂),相應的英文書。去外企做研發,這是必備的。然後是口語和聽力。

說這些不是波冷水,希望大家瞭解清楚。

Compared to the number of jobs available each year in the imaging soceity, the people who are majoring on it are way too much. I have to say most of the people who studied the this area were not end up with working on this area anymore.

The most important thing here is to understand image processing, it requires a broad level of knowledge including, some math (algrebra, statistics, PDE), dsp, pattern recognition, programming skills…

It is all these background skills will find you a job, so prepare to have a deep understanding on all these areas related to image processing

我也是學模式識別的,但是研究方向是遙感影象處理和識別.總的來說這個方向是比較專,但也是目前影象處理中比較難做的一個方向,因為遙感影象的複雜性超過我們所見過的任何影象.

其實談到就業問題,我覺得如果研究方向比較適合,特別是讀研期間能到斑竹談的那些牛比的公司實習,瞭解企業真正需要的方向可能做起來有目標性.

順便提下:高德威公司還是不要考慮,因為本人在畢業面試過程中,雖然面試的人力資源人員很友善,但是通過他們老闆寫的一些文章可以發現他們還是一個比較自戀和自大的公司.

樓主是好人,不過此文更多是安慰,新手不可太當真

衡量專業好壞的標準有兩個:應用前景和技術門檻。個人覺得影象處理應用前景一般,比通訊,計算機差遠了,而技術門檻,相信不是新手都清楚,比微波之類低不少。總的來說影象方向就業一般,在it業算較冷得,特別是模式識別,人工智慧之類,看起來高深邪乎,其實就是博士都不好找工作(親身所見)

1)說到影象處理比通訊差,很大部分的原因是當前行業背景,但通訊真正的研發在中國又有多少,我的朋友中很多做工程的,況且現在在通訊領域,很大的一個難點,也是多媒體通訊。

2)說到比計算機差,我覺得這與你怎麼看待計算機專業有關,有人覺得是基礎,是工具,有人覺得是專業。況且計算機那邊,現在研究影象的也不少。

3)再者,說微波,RFID等入門難,但要做精又談何容易,而且興趣真的很重要,沒有興趣,再有前景的專業,你也不一定能做好,還有女生並不適合搞這個,就業時,單位一般會暗示。另外,就業面也較窄,好公司真的難進,找工的時候,真的很鬱悶,特別對女生。或許將來很大發展前途,這個另當別論。

4)說回影象處理,我覺得還是較中肯的,略有好的嫌疑,關鍵還是在讀研的時候能把方向做寬(一般做影象處理,需要何模式識別等相結合,拓寬知識面是必要的,在真正做研究的時候,也發現是必須的),研究點做深入,注重實現能力、創新能力和學習能力,通過論文。多培養自己的材料組織提煉能力,鍛鍊邏輯思維。如果真的能做到三年光陰不虛度,找工應該不是問題,到時真正要考慮的是定位問題。

5)當然,最後,找工的時候,包裝是一種技巧,整合是一種需要。

我覺得做影象處理還是很有前途的。

1、請學好影象基本理論知識,筆試會遇到很多基礎的題;

2、請學好c++語言,99%以上的公司在招影象崗位的人員時都會筆試c++;

3、請多做一些實際的專案,少一些理論的研究(針對中小企業而言);

4、請不要只侷限於的課題,因為可能你的課題只是影象處理領域的一些皮毛;

5、請多瞭解一些相關的前沿知識;

6、請不要迷信自己的演算法,比如BP神經網路(可能理論研究時用的很多,可是實際呢?)

7、請儘量與企業的相關人士探討該領域的問題,那樣的收穫比書本大很多;

相關推薦

影象處理面試方法前景

最近版上有不少人在討論影象處理的就業方向,似乎大部分都持悲觀的態度。我想結合我今年找工作的經驗談談我的看法。就我看來,個人覺得影象處理的就業還是不錯的。首先可以把影象看成二維、三維或者更高維的訊號,從這個意義上來說,影象處理是整個訊號處理裡面就業形勢最好的,因為

數字影象處理筆記——直方圖點操作(Histograms and point operations)

直方圖 我們根據灰度值的大小可以將灰度值相同的畫素分到同一組,將每個灰度值所含的畫素點數目畫出來得到的圖就是直方圖。 點操作 我們可以對每個畫素點的值進行改變,這種操作叫做點操作。 對比度增強 對比度增強就是將灰度值的範圍拉到已達到顏色差別更明顯的目的,

淺談影象處理方向的就業前景 & 心得感悟 & 一些相關期刊

數字影象處理領域可以投稿的期刊:Computer Vision and Image Processing    IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI) IEEE International Journal of

影象處理面試

解:我們都知道,c++為了與c語言能夠相容,c++做出了很大的犧牲,包括保留了struct關鍵字,還有編譯期間添加了好多隱藏的程式碼。但是虛擬函式卻不能與c語言實現相容。而且有了虛擬函式,類的資料物件佈局都發生了巨大的變化。這些暫時不說,還是回到上面的問題吧!我們都知道函式可以分為三種,一種是類的成員函式

opencv3 c++影象處理方法總結(持續更新)

1.隨機擷取一張圖片的部分割槽域(擷取負樣本用的) #include <opencv/highgui.h> #include <iostream> using namespace std; using namespace cv; /* *迴圈隨機

影象處理方面期刊計算機視覺領期刊(更新中)

參考網上的資料,作個備註 一、國際會議 會議名稱 會議介紹 ICCV: IEEE International Conference on Computer Vision 領域頂級國際會議,錄取率20%左右,2年一次,中國大

影象處理方面期刊計算機視覺領域稍微容易中的期刊

影象處理領域:一、國際會議 會議名稱 會議介紹 ICCV: IEEE International Conference on Computer Vision 領域頂級國際會議,錄取率20%左右,2年一次,中國大陸每年論文數不超過10篇 CVPR: IEEE Conf on Comp Vision

影象處理之特徵值特徵向量的意義

注:以下為個人學習筆記、知識整理 1.特徵值 從線性變換入手,把一個矩陣當作一個線性變換在某一組基下的矩陣,而最簡單的線性變換就是數乘變換。 特徵值的意義就是:目的就是看看一個線性變換對一些非零向量的作用是否能夠相當於一個數乘變換,特徵值就是這個數乘變換的變換比。 特徵值

利用C語言實現計算機影象處理方法

1.影象平移   影象平移只是改變影象在螢幕上的位置,影象本身並不發生變化。   假設原影象區域左上角座標為(x0, y0),右下角座標為(x1, y1),將影象分別沿x和y軸平移dx和dy,則新影象的左上角座標為(x0 + dx, y0 + dy),右下角座標為(x1 + dx, y1 + dy)。座標平

影象處理——上取樣下采樣

最近看一篇影象去霧的論文,看到演算法中使用了影象的下采樣和上取樣,就去了解了一下。上下采樣的評判標準為看重(chong)取樣時的取樣頻率與第一次取樣將連續訊號變為離散訊號時的取樣頻率相比的大小,若小於第一次的取樣頻率則為下采樣,若大於第一次的取樣頻率則為上取樣。下采樣在影象處

記一次診斷Centos 7.X伺服器Nginx PHP Mysql環境異常處理方法

一、問題現象 1.公司伺服器資訊 IP地址:192.168.17.254 作業系統:Cent OS 7.X  2.表現現象:訪問過多伺服器WEB頁面訪問異常,打不開,PHPMYADMIN訪問速度慢。 各種電話QQ找我處理,快爆炸了,下定決心走入排查Linux環境之路。 本人

數字影象處理的基本原理常用方法

  數字影象處理是指將影象訊號轉換成數字訊號並利用計算機對其進行處理的過程。影象處理最早出現於 20 世紀 50 年代,當時的電子計算機已經發展到一定水平,人們開始利用計算機來處理圖形和影象資訊。數字影象處理作為一門學科大約形成於 20 世紀 60 年代初期。早期的影象處理

影象處理——特徵檢測涉及到的資料結構匹配方法

FeatureMatchTest::FeatureMatchTest(std::shared_ptr<Pattern> left, std::shared_ptr<Pattern> right, std::shared_ptr<cv::DescriptorMatcher&

構造方法一般方法的區別(面試)-----java基礎知識總結

col 進行 span round 構造方法 基礎知識 fff font size 構造方法:對象創建時,就會調用與之對應的構造方法,對對象進行初始化; 一般方法:對象創建後,需要方法功能時才會調用。 構造方法,在對象創建時,會調用且只調用一次。

43. fastjson處理下劃線駝峰問題的方法源碼分析

fastjson一. 前言在開發過程中經常遇到json解析和生成的問題,所以用自己也一直用fastjson來實現這個功能。但是,最近遇到一個問題: json字符串裏面的數據很多都是"_"下劃線的比如,op_id。而在java裏面,很多都是駝峰的寫法,如opId那這兩種可以匹配然後解析嗎?二. http請求的解

Javascript知識匯總------獲取構造函數名的方法字符串處理方法

sta div rip 相同 javascrip rep AC 函數名 bsp 一、構造函數名稱獲取 每一個對象都有constructor屬性 每一個對象的constructor 屬性描述的是其構造函數 function Fn(){} var

影象處理OpenCV初步

影象從數學和計算機的角度理解就是一個矩陣,矩陣中的每一個元素叫做畫素,又由於影象有灰度影象和彩色影象之分,所以影象在矩陣的基礎上引入通道(channel),其中色彩用數字來表示的時候,規定數字0表示黑色,數字255表示白色。 OpenCV角度來看影象 OpenCV中的cv::Mat類就是用來表示影象的矩陣

影象處理--各種多尺度物體檢測方法

各種多尺度物體檢測方法   a)原圖縮放,將目標縮放至與模板匹配的大小,多個Scale的原圖對應不同Scale的Feature,該方法計算多次Scale,每個Scale提取一次Feature。   e)與方法a類似,但和 a全圖計算不同,只針對Patch計算。   該方法在RCNN

影象處理--視訊之幀率位元速率

幀率(FPS)   幀率就是在1秒鐘時間裡傳輸的圖片的幀數,也可以理解為圖形處理器每秒鐘能夠重新整理幾次。會影響畫面流暢度,並與畫面流暢度成正比(即幀率越大,畫面越流暢;幀率越小,畫面越有跳動感)。   如果位元速率為變數,則幀率也會影響體積,幀率越高,每秒鐘經過的畫面越多,需要的位元速

影象處理】 增加程式速度的方法

1. stack(棧) heap(堆) 和全域性區 測試BGR轉YUV  的表在stack 和 heap  2. 查詢表   部分查詢表  和3D查詢表  速度比較   3. 查詢表放在堆上和棧上的速度比較   4.