看過我之前很多車牌辨識大驚奇的讀者，可能會認為這一張車牌的辨識成功不會太意外，但我想說的重點是：我所以能辨識很多困難的車牌影像，並不是我曾經跌落山谷得到了九陽神功秘笈，或使用了某個最新的神奇演算法，譬如YOLO或CNN甚麼的！

我真的只是一個堅持傳統影像辨識技術研發的人！藉著這張影像的辨識過程，你就會知道：沒有僥倖，只有不斷的研究問題解決問題，所有問題都弄清楚也找到解決方案之後，答案就出來了！我真的不怕講太詳細會被人抄襲，就像NBA球星都會開講習班，對於學員毫無保留的傳授球技，但是要真的達到他們的境界，有太多細節他們說不完的！我最多也只能說到讓你相信真的可以作到而已！

找車牌的第一步是要從全景中找到車牌，對於這種車牌字元對比度比多數環境目標還低的狀況，你只能盡量作空間動態的二值化，任何可能的目標都要讓它顯示並參加海選，不能有遺珠，如果直接忽略低對比的目標你就一定會錯失車牌了！

我就是從這麼複雜的二值化圖中，按照有效的篩選條件與邏輯，找到那一組車牌字元的！簡單說，就是從對比較高的目標開始，循序找出大小相似，4-7個像是車牌字元的成排目標組合。找到「可能」的車牌就作幾何校正，將影像扭正成標準車牌大小，再從中辨識字元，到組成車牌內容，過程中如果發現無法組織出合理車牌時，就會放棄該組合，回到原圖中找下一個可能的目標組。

哇！看起來目標這麼多，事實上有上千個，怎麼找得完啊？即使找得完也會找到天黑了吧？這就是人類智慧高明之處了！如果人的腦袋可以很快找到車牌，一定會有很好的邏輯推演過程，可以讓我們快速忽略不可能的狀況，鎖定最後目標。我只要盡量解析模仿人的思考邏輯導出數學公式，並寫成程式即可！

我每天的研究的工作，就是不斷地找到合理的條件理由快速篩選出真正的車牌！以這個例子來說，我的程式找到車牌的位置只需要0.1秒！如果回到五六年前可能需要十倍的時間！但是找到車牌位置也將原圖扭正之後，這個例子的車牌還是不夠清楚的，灰階圖如下：

我必須努力在這個小圖上再做一次精準有效的二值化，因為它的陰暗狀況與對比度不佳，即使很努力之後，目前技術也只能做到這樣：

雜訊還是很多，但是大致上已經可以正確辨識出多數字元，只有那個「3」字，因為抱著一團雜訊在胸口，怎麼比對都比較像是個「8」字，而不是3！這個狀況讓我骨鯁在喉很多很多天！該怎麼辦？先放大這個字來看看吧！

看出來了嗎？它懷中的那團雜訊還是可以和字元的顏色區別的，色階分布圖大概如上，最左邊的峰值是非常黑的字元筆畫，偏左方較散亂的部分則是3字懷中的雜訊，看起來他們在數學上是可以找到條件加以切割的，就是必須在這個字元的區域內再做一次更精準的二值化！結果就變成這樣囉！

雖然還是有雜訊，但是夠清楚了，不會被誤認為8了！所以從原圖開始，我的完整辨識程序一共作了三個階段的二值化！全圖→車牌→字元！所以狀況再複雜的陰影也多半可以搞定！當然也必須補充，不是每一次我都會真的作三層的二值化，沒病的人當然不必吃藥嘛？如果原圖二值化後字元就乾淨清爽了，可能後面兩次二值化都會被直接跳過！這樣才不會浪費時間嘛！

這也引伸出另一個重點，就是我們的辨識過程不是作好計畫就完全按圖施工的！每一個階段的計算結果都會有自我評估，譬如是不是夠清楚？需不需要作例外處理？是不是已經可以確定不可能是正確答案要提早放棄這個目標組合？等等！辨識過程中他們自己是會「想下一步」該不該作？或該怎麼作？的！所以每一個案例都會有不盡相同的實際處理路徑，這裡不賣速食餐的！以結果看，我的辨識軟體速度都很快，但實際上這是「思慮周詳」的結果，並不是我的演算法有何特殊神奇之處，只要不浪費時間作不必要的計算就會快了！