起点低,啥都可以学,别问这种傻问题,去学吧
可以学啊,很简单,我大一学的ps,挺好玩的
推荐一本相关的书:《C#数字图像处理算法典型实例》作者 赵春江
有魄力啊!换个这么高深的方向,还是挺佩服你的。
起点低,能否学图像处理
这有个你需要回答的很重要的问题:你准备花多久的时间学习,或者说你准备学习多久后需要将其应用于工作或者变现上。
我是通信专业学生,专业选修课里面有数字图像处理,教材是冈萨雷斯的《数字信号处理》,我就从大学学习的角度说一下学习好这门课所需要的。
先定义「学习好」:课后题70%做的比较熟,不看答案就能做出来,并且可以和书本内容练习起来,包括实践性的题目。
需要学习的内容
|数学基础|高等数学|线性代数|概率统计| |--------| |专业基础|信号与系统|数字信号处理|
学习数字图像处理需要有比较熟的几门课做基础,这几门课程不熟难以看懂数字图像处理,就好像不会编程上来就学习数据结构。
首先需要高等数学、线性代数、概率统计三门考研数学课基础不错,本科教材课后题70%以上你得做的挺熟的,这种水平做考研数学卷子也起码能拿到90左右(满分150)。
信号领域完全脱离不了数学知识,甚至可以说比计算机领域对数学知识的要求还要高,因为计算机领域专业基础课对微积分、概率统计的应用并不多,而信号处理领域完全急于这两门数学课,专业基础课完全需要这两门课做工具来表述与计算。同时,概率统计依赖微积分来计算,这两者上升到高纬度时又需要利用线性代数来表达和求解。所以,你懂的。
然后可以拿出《信号与系统》和《数字信号处理》这两门信息专业的专业基础课程了,这两门课程网上名校视频不少,包括中文英文,学起来不会太痛苦。
并且也不需要全部搞透,因为你的目标是数字图像,那么《信号与系统》课程中电路部分看看知道有这个章节就行,拉普拉斯变换部分知道例题就行,核心重点是「傅里叶变换」与「Z变换」,这两个地方课后题起码做熟一半吧。然后可以拿出「数字信号处理」来了,这门课就是《信号与系统》中Z变换部分的深入阐述,偏重工程应用,也不需要整本书细枝末节全都拿下,找门网上名校课程,把握住重点章节就把握住课程核心了,以后需要用到一些细枝末节时候再反过头回来研究不就好啦。
这时候,再来看全世界的经典图书冈萨雷斯的《数字图像处理》就可以了,因为这时候你会知道书里面的很多的重要名词是做什么的和为什么这样做,我说几个看起来高大上的名词「图像的取样和量化」、「灰度变换和空间滤波」、「傅里叶变换」、「离散傅里叶变换」。这些名词的概念是在前面我提到的两本专业基础课当中详细阐述的,在这本书中不会做详细的概念阐述解释与教学,而是以应用为主,所以如果你不熟悉前面的两本基础课的话,很可能难以看懂本书。
为什么要这样学习
前面有人根据你掌握的C#推荐了本《C#数字图像处理算法典型实例》,目录的前面几章我不熟悉,但是第6章核心傅里叶变换与频率处理,第7章核心噪声与高斯滤波,第10章的编码与香农信息论,这些要求《信号与系统》《数字信号处理》的核心内容一定要非常熟练。而且,这本书的所有章节完全是需要你有数学底子的,基础就是考研数学三门课。
好了,现在回到我一开始提到的那个重要问题,「你准备花多久学习」,如果你的基础是「大学期间数学考试不及格」,那我个人保守估计,一周保证起码5天,每天有效学习时间8小时以上,最少要1年时间,很可能2~3年的全职学习时间。
所以泰尼老大告诉你肯定学得会,这句话没错,但可没告诉你需要付出多少时间与努力。
这种学习方法的缺陷
当然我目前是学生,学习这些课程做题偏多实践偏少,很多地方可能是错的,毕竟社会上很流行「大学学习与社会需求脱节」这样的说法。所以你可以先不重视我说的这些,直接买本相关的书看,然后不会的名词去查去向人请教,然后你自己学习的感觉以及其他人的意见来判断自己下一步学习的方向。如果有了新的体会与心得,那么请一定回来分享嗯。
我说到现在说的大部分还是传统的大学学习方法,这在互联网行业很可能不合适,比如计算机专业的《数据结构》和《操作系统》这些基础课学得很烂(课后题根本不会),但是纯编程和工程搞得很好,应届毕业去中小公司拿上W的薪水很多,去BAT可能略难一些。所以你也可以去向搞图像处理的人详细询问,毕竟我只是学了「数字图像处理」这门课,知道的更多还是把课程例题看好、课后习题做好、计算机仿真搞好,并没有在相关企业实习过,所以对于工作中的学习肯定有很多错误和不全的地方,希望做相关工作的牛人给予指正。
写篇文章好晕啊,但是写短了又无法表达,所以先写到这儿,明儿再修改