以下僅是了解的一些圖像處理方向，實際不止這些：
1.搜索方向：基於內容的圖像或視頻搜索。手段：必須有很強的編程能力，很好的圖像處理和模式識別的背景。
2.醫學圖像方向：a)圖像分類是對病種進行分類。b)目標檢測是檢測病灶的位置信息。C)醫學圖像分割的目的就是將圖像中感興趣的區域清楚的提取出來，這樣就能為后續的定量、定性分析提供圖像基礎，同時它也是三維可視化的基礎。d)醫學圖像配准是指對於一幅醫學圖像通過一種或一系列的空間變換，使它與另一幅醫學圖像上的對應點達到空間上的一致。配准的結果應使兩幅圖像上所有的解剖點,或至少是所有具有診斷意義的點及手術感興趣的點都達到匹配，配准處理一般可以分為圖像變換和圖像定位兩種。醫學圖像在空間域配准之后,就可以進行圖像融合,融合圖像的創建又分為圖像數據的融合與融合圖像的顯示兩部分來完成。e)圖像融合的目的是通過綜合處理應用這些成像設備所得信息以獲得新的有助於臨床診斷的信息。利用可視化軟件，對多種模態的圖像進行圖像融合，可以准確地確定病變體的空間位置、大小、幾何形狀及它與周圍生物組織之間的空間關系，從而及時高效地診斷疾病，也可以用在手術計划的制定、病理變化的跟蹤、治療效果的評價等方面。f)偽彩色圖像處理技術是將黑白圖像經過處理變為彩色圖像，可以充分發揮人眼對彩色的視覺能力，從而使觀察者能從圖像中取得更多的信息。經過偽彩色處理技術，提高了對圖像特征的識別。
3.計算機視覺與模式識別方向：可以對多種圖像進行處理，例如遙感圖像處理和識別，醫學圖像處理和識別，紅外圖像處理和識別等。其圖像處理主要方向有圖像分類，人臉識別，目標檢測，圖像分割，關鍵點檢測（人體骨骼關鍵點檢測，對於描述人體姿態，預測人體行為至關重要），圖像理解（給定一幅圖像，圖像理解程序不僅描述圖像本身，而且描述和解釋圖像所代表的景物，以便對圖像代表的內容作出決定）。
4.視頻方向：對視頻進行幀、超幀、鏡頭、場景、故事等分割，從而在多個層次上進行處理和表達。目標檢測和跟蹤：如車輛跟蹤，多是應用在安防領域。人物識別：識別出視頻中出現的人物。動作識別：Activity Recognition， 識別出視頻中人物的動作。情感語義分析：即觀眾在觀賞某段視頻時會產生什么樣的心理體驗。方法：基於單幀的識別方法；基於CNN擴展網絡的識別方法；雙路CNN的識別方法； 基於LSTM的識別方法；3維卷積核（3D CNN）法。
圖像處理方向必備知識：基本的圖像處理基礎知識，圖像處理算法，數學方面的知識如概率等，多元統計知識，編程語言C/C++，精通python/Matlab，以及python一些重要的庫如numpy ,pandas等，熟悉圖像識別領域的常用工具，如opencv，至少會一種深度學習框架，如tensorflow。
參考文章：
1.https://yq.aliyun.com/articles/39134
2.https://www.xuebuyuan.com/3233205.html
3.https://blog.csdn.net/xiaqunfeng123/article/details/27107645
作者：舟華520
出處：https://www.cnblogs.com/xfzh193/
本文以學習，分享，研究交流為主，歡迎轉載，請標明作者出處！