很多客戶會問我的車牌辨識軟體可以辨識解析度多大的「影像」？其實是問錯問題了！我的軟體影像輸入的部分是彈性的，從幾萬到一千多萬畫素都可以讀入進行辨識，更大的影像會出問題其實是程式語言本身陣列大小的限制所致，必須用程式技巧進行切割處理。

真正能否辨識成功的關鍵是車牌字元的大小，而非影像的大小，只要目標字元夠大，也夠清楚就可以辨識成功。在我2013年第一次作嘉義市的路口監視器車牌辨識系統時，因為攝影機解析度只有320X240，拍出來的字元高度只有十幾個畫素，平均在15畫素左右，放大起來看大概像這個樣子！

這還是角度與影像與焦距不錯的狀況下拍的，已經很難辨識了，如果再稍微斜視、失焦或車牌汙損就更難辨識了！加上當年我的辨識技術也比現在差，所以實務上正確辨識率大概就是七八成(馬路上)而已。所以後來我跟客戶解釋應該多大的車牌才能辨識時，都是說20畫素以上！

這是比較保守的說法，20畫素以上就是如果車牌歪斜或略不清晰時，還是可以辨識的！如果條件好，15畫素以上就可以辨識成功了！但是為了避免辨識結果不穩定，多數情況下，我會設定軟體只辨識高度大於17或18畫素的獨立目標。我跟多數傳統的車牌辨識核心直接找「車牌」的演算邏輯不同，我是直接在全圖上找個別字元，車牌是用辨識出的字元組合出來的！

看到上圖各位就可以知道，以前的人為什麼會傾向使用「找車牌」而非「找字元」的邏輯了！如上圖，在低解析度的影像中車牌字元常常是互相沾連難以切割的！找整個車牌的特徵比找到獨立的字元容易多了！當然處理速度也快多了，運算量少很多，這也是因應以前的電腦運算能力較差，車牌辨識系統又常常需要即時反應之故，辨識速度太慢是賣不出去的！

2013年的開發經驗讓我看到的是：影像解析度正大幅提升，電腦運算能力也因為多核心電腦的出現普及而有了呈現倍數的增長！所以我2014年開始建構自己的車牌辨識核心時，就直接跳脫「找車牌」的邏輯，假設未來的高解析影像中大部分的字元是可以切割獨立被辨識的！而且電腦運算能力大增，不怕運算量變多辨識速度變慢的問題了！所以就研究怎麼找字元吧！

當時可能還沒看出來這麼作的很多好處，我現在的辨識核心可以彈性辨識非常偏斜變形的車牌影像，就是歸功於我是找字元而非找車牌！傾斜50度，斜視60度的車牌我都可以輕鬆辨識，這是傳統的「找車牌」演算法無法達到的境界！也是我目前能立足台灣的車牌辨識市場最大的優勢！

但是上周我又被迫面對辨識很小車牌的挑戰！有位經營路邊停車開單業務的廠商，買了我的辨識引擎軟體，我類似的客戶已經有三四家，事實上在這個車牌辨識應用領域，我也少有競爭對手！因為這些照片都是用手機或手持式PDA拍攝的，拍出的影像隨興歪斜變形的程度根本讓一般車牌辨識軟體完全跟不上！

每次賣出這種軟體，我都非常歡迎客戶回饋辨識失敗的案例，他們也知道開單員為了趕時間，很多照片連人眼都得看半天才能猜出答案，我的軟體只要能盡量將合理的照片辨識成功，減少人力處理時間就可以接受了，不像停車場客戶這麼挑剔，99%辨識率都還會嫌辨識錯誤好多！這種應用辨識失敗的照片可以研究的真的太多了！也是考驗提升我的軟體「智慧」的最佳素材！

這一次的錯誤案例多數不是因為傾斜變形，而是他們的影像都只有480X640的大小！可能受限於攝影器材還沒更新，以目前水準當然解析度是偏低的！這種解析度還必須整輛車拍進畫面，車牌字元高度本來就在20畫素的邊緣了，有些還拉遠拍攝，車牌字元可以小到11-12畫素！比我當年辨識的路口監視器車牌還要小！但多數照片人眼還是可以辨識的，我就會想試試看調整程式去辨識。

經過幾天的努力，客戶回饋的，我的舊版軟體辨識錯誤照片，大約一千多張，已經可以救回五成以上！以下就是幾個案例，原圖中的字元高度大概只有12-13畫素高，還是可以正確辨識，但也不要太高估我的能力，這些研究案例中這種字元大小的照片多數還是會辨識失敗的！需要天時地利人和都很OK時才會出現這種成功案例。但不論如何，這幾天我已經讓我的辨識核心又再度前進了一大步！對於字元目標較小，也就是10-15畫素之間的辨識能力，有很明顯的提升，我的辨識核心更聰明了！