最近幾周都在努力調整我的停車場軟體，感謝我的重要客戶協助，讓我有機會連線到現場做實驗調整，每天上班幾乎都持續在監看遠端停車場出入口的畫面。所幸沒有白忙，已經陸續解決了絕大部分讓客戶感到困擾的問題，現在只剩下車牌本身狀況很差時難以辨識的問題，包括昨天提到的電動車車牌的問題。

雖然我的客戶(停車場業者)都能理解這些是非戰之罪，但他們也有壓力，無法要求車主換新車牌，但是辨識不出車牌時就需要人工處理，蠻累的！這兩天就讓我直接碰到兩張因為車牌磨損而無法辨識的艱難案例，原本已經放棄，但是今天早上忍不住再研究一下，還真的讓我搶救生還了！

我所以割捨不下不願認輸的原因應該很明顯，因為用人的眼睛看這兩個案例，還是不難判斷車號的！只是正常的影像辨識程序下，這兩個車牌的字元在二值化的過程中會變得破碎，就很難組織出合理的車牌範圍，更無法界定字元邊界做字模的比對了！做過影像辨識的人都會懂我的意思，二值化就無法做好，後續的辨識程序就很難有合理結果了！

先給大家看一個在PhotoShop軟體中檢視理想狀況車牌的亮度資訊畫面，就是灰階分布圖啦！

很明顯的，它們呈雙峰的分布，較亮的峰值代表車牌背景的「白色」，較暗的峰值則是字元。我只要設法算出雙峰之間的概略亮度，就可以把車牌字元二值化做得很好，字字分明如下：

但是如果碰到因為磨損而亮度分布沒這麼典型的車牌，就有點麻煩了！

理論上我必須用數學方法找到那個雙峰之間的山谷位置，清楚的雙峰當然沒問題，用很多種數學公式找的結果都是對的，但是如果峰值不明顯時，要穩定抓對就不太容易了！而且字元內的亮度就不穩定了，即使找到最準的山谷，字元也不會是堅實完整的樣貌。我們先用PhotoShop軟體做個二值化：

雖然不太乾淨清爽，但看起來是可以接受的！老實說，我真的試過用程式找到雙峰的特性並判斷山谷位置來做二值化門檻，幾年前做文件辨識時就玩過，但是隨著磨損的原因狀況混亂，雙峰也許會平坦到很像只有單峰，或混亂到變成三峰四峰！這種概念變成演算法時並不穩定。

所以碰到如上的模糊狀況，我傾向用覆蓋面積比例去得到合理的門檻值，就是門檻值上下各占百分比多少時那個灰階值視為門檻，一般車牌的字元筆畫覆蓋面積與背景面積比大約是三十幾到五十趴，但是字元模糊時你用這種正常比例設為門檻，字元就會相當破碎，還是很難辨識，所以就需要設個六七十趴的高門檻，字元才會較完整。

總之，在字元磨損破碎的情況下，二值化門檻都必須異常的高才能辨識出字元，如果車牌其實是較正常的狀況時，你堅持用過高的門檻則是有可能吃錯藥，讓原本粒粒分明的字元變成沾連的目標，反而難以辨識的！所以正常主程序是不能使用過高門檻的！

那怎麼辦？我的作法就是先將異常高的門檻值算好放著備用，如果正常程序辨識不出合理答案時，就試試看使用這個異常的高門檻值囉！反正人都要死了，不吃藥就死定了，死馬當活馬醫的概念！結果對於上面兩個例子都是有效的，也代表他們的破碎磨損還沒太極端，稍微做點例外處理，吃個特效藥就救回來了！我這是在普渡眾車牌啊！