就學時跟原po的經歷類似，大概分享一下
也是私大 >國立碩
大學時就開始玩影像，那時的專題是做居家安護的跌倒偵測
還是用古早第一代的Kinect，光補破洞就超麻煩
那時專題開發的語言是C#，上課修過MATLAB的影像課程
但專題幾乎都是靠大神Carry，因為我超級不會寫程式的
只要扯到演算法，資料結構就覺得很有障礙那種，腦子完全轉不過來
到了研所找到了教授是使用MATLAB但因為某些原因
我們這屆就是用C++來做開發，也修了幾門比較硬一點的影像視覺實做課程
就是用C++來實現一些基本影像處理演算法，用OpenGL實現圖學遊戲之類的
我還記得第一次的作業我就超有障礙
好像是影像左右相反上下顛倒，找了學長教學我才知道怎麼寫...
原因就是以前從來沒有自己刻過算法，很多時候都覺得自己是不是不擅長程式沒天份
後來就咬緊牙根撐到底，Otsu~Morphology~影像增強~八連通~濾波器等等這些作業拚死拚
活了也交了出去
之後的論文就是實現一些電腦視覺的演算法，有些因為opencv中有但算法彈性不大，
於是自己重刻(超絕痛苦)，或是刻完算法發現效能太差不如用OpenCV提供的
那這之中的算法大多數用國中數學就可以完成了，其實並沒有那麼的需要數學
除非做到DL的反向與一些ML中的統計相關
所以其實不用對自己這麼的悲觀
更不用說其實你會刻演算法，就已經比很多業界的工程師來的厲害了（認真
那接下來應該是你會比較想了解的業界的現況？
其實會影像處理能找到範圍會更廣一些
而且現在做影像大宗已經是Python了，與我之前使用c++相去甚遠
在台灣比較上層碰到算法核心的大多數都是IC設計
要實現算法在FPGA上做驗證等，但影像演算法要寫成RTL又是另一個世界了)
接下來有很多的設備廠，晶圓廠，重工業，他們都會需要做AOI或是AI的人
因此在這邊自行開發算法的又更少了，大多數都是用各種函式庫整併
除了辨識的精準度外更多要是系統層級整合
就算是在實作DL模型的也很少會下去刻算法
晶圓廠中很多人在做類似的事情找defect，那可能會設計一些自己的演算法
在工廠端更重視系統整合，甚至在硬體相機光源上的整合
會影像演算法是讓你多一種工作選擇的門票
但在影像業界中大多數都是用於解決問題，所以快速實現與部屬才是重點
而且往往你懂得算法更容易了解如何實現
所以用的數學真的沒那麼的多，所以不用太絕望～
而我後來找到的工作中是用MATLAB，又是另一回事了