鉴黄师比较火
鉴黄师比较好做
有感于“矢量场”的“还有我们做半导体生产线上，检测半导体缺陷的图像处理”：
半导体制造过程中的质量监控可以仰赖智能图像处理。集成电路生产犹如套版印刷，动辄几十近百层，逐层印上去，每层有千万甚至亿量级的图形单元（pattern）。利用光学或电子束扫描可以得到海量图片。目前常见的做法是与邻近的重复Die做比对，高亮不一样的地方。这其实是个笨办法。可以根据既有的电路逐层设计图（横平坚直的GDS），或模拟图（带曲线弯角的），对比硅片上的实际图像，挑出有缺陷的地方（断线，粘连，丢失，extra printing），再把缺陷根据缺陷类型和pattern特征归类，反馈给Defect，PI，Diagnose，OPC等部门做改进。
想必这对于图像AI牛们来说不是个大事。
可以与半导体检测设备商合作开发集成到设备中，也可以开发外接套件库打包出售。
除了通过图像处理挑毛病，图像处理还可以帮助从相对模糊的照片中把边缘contour提取出来。contour对fab有许多用处，比如测量CD，OPC建模，SPICE建模，监控分析工艺均匀性，重复性，等等），同时分析pattern边缘质量计算LER（line edge roughness），计算LWR（line width roughness），计算该直的线变成了多弯，这些对于工艺改进有重要的参考意义。
题主问的稍微有点笼统。不知道你问的是现在火还是未来火，滑稽脸。
不过要说看什么技术火的话，专门有家公司gartner专门分析技术趋势。
有个很有名的Gartner曲线。
答主copy了一张17年的。这个图的思想是任何一项技术的都会经历萌芽、膨胀、幻灭然后再复苏最后再趋于成熟的过程。
可以看到深度学习、机器学习正在膨胀期。答主如果是读研之后工作的话，那么真心推荐去做和这个相关的。哪怕不相关，也要创造机会相关，哈哈。至于处理什么对象，往哪个方向应用。这个就要看你自己的项目了。
这个有时候自己还是决定不了，老板管着啊，老板撒idea，答主只能是idea的搬运工。（捂脸）
除了看这个Gartner曲线，再有就是去看顶会的论文了。这个方法是个博士师兄教给的，你看什么东西发的多，什么就火哈哈。顶会包括CVPR、ICCV、ECCV、IEEE的TIP等等。
知乎已经有相应的问题啦——万能的知乎
http://www.zhihu.com/question/62533482
http://www.zhihu.com/question/57523080
这里贴上两个，题主可以看看。而且可以持续的关注。
答主国内末流985计算机视觉方向小硕士一枚，刚刚毕业，一点肺腑之言吧希望对题主有帮助。
以上。
自动化领域，图像处理技术更多被称为机器视觉，主要有定位、测量、引导和识别几个方向的应用。其中前三者已经应用的较多，也相对成熟。识别的应用相对较少，主要是难度比较大，但前景不错，如产品表面缺陷检测就是很大的市场，当前主要通过模板匹配来实现，随着更为丰富的产品形态及缺陷形态的检测需求增加，也比较需要如机器学习这一类时髦的high level 的技术为其注入新的活力。
道阻且长。
机器视觉/深度学习一定会火
建议大家认真读题，正确认识图像处理、计算机视觉、计算机图形学之间的联系与区别之后再答。
难道只有我一个人觉得多目视觉会火么 — —
就没有印刷行业的？制版过程图像处理方式和卫星图像分割有没有相似之处呢？
这篇文章通过把图像分解，让图像处理难度直线下降，有意思https://kns.cnki.net/KCMS/detail/11.2109.TP.20200302.1655.009.html#opennewwindow
嗯 这个，，，
如果好做 和你我都没什么关系
如果很难做，也和你我没什么关系
为啥需要校企合作
没有边界没有实用的研究本身是一种浪费
所以，直接去了解企业的需求，
管什么难还是简单，
做好了就是热门方向
共勉