如上圖，我終於設計出一個可以穩定辨識模糊正多邊形所有邊界的演算法。對我來說，這就是一個很重要的AI突破了！這種具有「宏觀」視野，可以從破碎目標的分布趨勢做出穩定判斷的程式，我從博士論文做地形辨識時就開始想了！那是大約1996年的事情，一直想了25年之久！今天也只是在這個有先決條件，知道是正多邊形的前提下發展出一個看起來好像有「宏觀」智慧的演算法。

作影像辨識的專家都知道，所有辨識的起點都是先用所謂的前處理，盡量找到有利於進行辨識的特徵。如果這些特徵很清楚，當然誰都可以完成辨識工作，但是有太多因素會讓攝影變成一個加入雜訊的過程，明明是一個好好的正六邊形，拍成影像之後邊緣就是如此破碎不堪。

在實務上，我們確實可以調整攝影方式讓螺絲釘邊框變得清楚一點，但是常常外框清晰了，內部的字元就模糊了，為了節省時間與成本，我們總是希望可以在一張影像中就可以辨識出所有需要的結果，這就需要我的演算法更聰明一些了！如果凡事都要靠硬體解決，當然就是拉高成本了！

雖然影像辨識很難處理破碎邊界，但是人的眼睛卻很會做這種趨勢判斷，如上面的灰階圖，其實前景與背景的對比度不大，但是範圍拉大之後，我們就很容易從趨勢看出螺絲釘的邊緣。我們作影像辨識者的挑戰，就是我們知道人的腦袋裡面一定有這種辨識邏輯，每個人的腦袋裡面都有，我們卻很難解析這些邏輯到變成穩定的程式軟體。

我是怎麼作到的？其實還是從我的基本理念，以大腦為師開始的！先用二值化找出「概略」的邊緣，即使他們是破碎的，也抽樣嘗試用這些碎片拉出直線，看看怎麼拉的直線可以讓現兩邊的亮度差異最大，就像我們在灰階圖上找明暗區域的交界線了！這是嘗試錯誤的搜尋，你要說這是在用機器學習？好像也可以？

找到至少兩條較清晰的邊線之後，就可以看他們的交角來判斷是幾邊形了！正六邊形的任何一邊交角都應該是60或120度，正方形當然就是90度了。螺絲釘其實也只有圓形、正六角形與極罕見的正方形三種。因為已知是對稱的六邊形，兩對邊一定是平行的，以此為規範要找對邊就很快也不會錯了！還沒找齊的「鄰邊」呢？也可以用已經確認邊的角度去推算，各內角都相等嘛！找特定角度的邊線即可。

就這樣如最前面的圖，我很精準的找出了螺絲釘的六個邊，當然圓心圓周也都可以藉此準確定位，不會錯了！看起來好像不難？但是當你放大看看其實破碎得一蹋糊塗的二值化邊緣，你就知道這真的是很AI的演算法了！我終於想出了跟人眼判斷能力相近的演算法了！其實很像是一個鎖定特殊範圍的機器學習過程？

很微妙的一件事情是，我們通常會想藉著更高解析度的數位影像，把物體看得更清楚，但是解析度太高時，這種目標變得破碎的狀況就更多！如果演算法沒有這種「模糊辨識」的宏觀能力，高解析很可能反而讓你更難辨識成功！

影像辨識需要的處理過程，絕對不是「去除雜訊」這麼單純的概念，很多時候雜訊與訊號是很難分辨的！在此例中看起來破碎像雜訊的邊緣，其實是有用的訊號！你必須有統計整合他們的演算法作為因應，這似乎也有點像機器學習？可見萬流歸宗，能解決問題的就是好方法，我反對以機器學習為影像辨識的主體，但是在模糊枝節上我用到的統計或嘗試錯誤技巧，也不會少於機器學習派的專家。