小弟以前讀ME,碩班做光學量測，目前在系統工廠擔任光學工程師，職務內容與
影像產品有關，但都偏向於硬體方面。最近對影像處理產生興趣，下班後想自學影像處理
。
程式方面大學學過C++，但忘了很多，目前有買書在配上網路上的教學影片練習
。影像方面，爬文後有買一本鍾國亮老師的影像處理與電腦視覺來看，但也想找線上課程
來看，有上Udemy找過，不知道上面cv的課程大家推不推？最後想問學習影像處理有哪些
學科是必備的嗎？ 理論需摸透再去碰OpenCv等工具嗎？以後若轉職影像處理相關軟韌體
工程師機會大嗎？希望有相關經驗的前輩能分享一下心得謝！

沒看過Udemy的線上課程，不方便給意見；但學過影像處理及電腦視覺，私下也玩過OpenCV和TensorFlow。個人推薦學習科目及順序，如下：計算機概論 →C和Python →離散數學 →演算法(可選) →資料結構 →機器學習理論→影像處理理論 →電腦視覺理論 →OpenCV庫 →TensorFlow等深度學習框架。我辦公室隔壁就是商湯的分公司，計算機視覺領域很缺人，學會轉職不是問題。

商湯分公司有在台灣設點嗎

l大想請問可跳過演算資結嗎 還是資結一定要

我辦公室在香港科學園，其實旁邊應該是商湯的總部才對；創辦人是香港中文大學畢業的，學校就在科學園旁邊而已。我個人覺得資結滿重要的，但選最薄的書看就好了。但不是所有的資料結構都用得到，真的想跳過的話，至少要對陣列、向量、矩陣運算、時間與空間複雜度有概念。

感謝l大解惑

修正：先學資料結構，再學演算法（可選）。

線性代數很重要

計概離散沒必要，線代你也會，直接上youtube看CV就好youtube搜Introduction to Computer Vision有個印度教授講的課程，不需要什麼背景知識就能聽得懂不建議你照一樓的方式走，出社會的學習路徑不是這樣的直接學想學的就好，有洞再補都來得及

推樓上直接學，重點是如何保持動力 照一樓方法應該還沒學到火就熄了

學理論用matlab比較方便

你應該要先想辦法轉軟韌體，以你的目標來說～要不這類的自學再多只怕連面試門票都拿不到

樹莓派

想學什麼就去學。

我作影像處理寫opencv，台灣找不到工作，供你參考真的要學嗎？

opencv要會抽裡面的code出來用 否則只會call lib很難找

一些職缺網的工作需求研究過了嗎？

要工作用的話,最好的方式是去大間公司作實習生.我遇過滿多影像處理公司會有自己開發優化的libs

做影像的工作比做遊戲的還少

套用不見得不好，好的封裝也是一種要學的技巧

訊號與系統絕對要學好，C code是蠻基本的，至於很多人說資料結構，我個人是覺得沒必要。題外話，線代很重要。如果是要做物體檢測，那幾種重要的特徵抽取技巧跟機器學習才是重要的。我看你的經歷應該也是電機系畢業的，訊號系統課本拿回來，外加修一下MIT的訊號系統。如果都學到通了，我相信幾種重要的影像處理算法應該都通了，剩下就ml而已。最後，如果都覺得太簡單了，就加學一個消息理論。

做遊戲應該是想表達這個,http://tinyurl.com/yyc277by

這些都是影像處理的基本工程跟數學概念，但如果底子夠強，以後遇到新的算法才能夠觸類旁通。如果你是有熱忱在這行上的話，如果是跟風覺得AI很潮那就算了。不然不管是傳統影像的filter、特徵檢測都逃不掉訊號系統的範疇。機器學習的底層消息鏑也擺脫不了Shannon 一樣。機器學習其實核心概念就是消息論跟優化理論而已。

很可以,讓我這外行人都有點聽懂些.

我跟你說喔 104上面opencv大概就12頁 其中一半以上是三四年前就擺在那裡的職缺 根本不會動的那種剩下1/4是通常年底就會不見的公司 剩下的1/4是評價會讓人 嗯...得那種然後特徵抽取的東西 雖然很多人會開一大堆書單要你學東

https://www.pixijs.com/ 有沒有覺得很潮..

學西 但是你去影像處理的網站去問 通常都是收斂到HOG系列 不是說其他不能用 但是如果HOG都做不太出來其他也不用試了

嗯 線性代數在這比離散數學更重要 可以先學線代 離散可以先放掉

找工作要小心!極多台商用假的CV處理,為了逃避WebGL之類新的應用

參考大家的意見後，做了一些修改；無背景的"新人"如果要學"扎實"點，為了"應徵CV相關工作"，可以參考以下路線：計概→C和Python→離散(選配)→線代→資結(選配)→演算法(選配)→ML理論→CV理論 →OpenCV庫 →DL框架