之前談過車牌水平傾斜與側面斜視的辨識，其實近距離俯視的車牌更難辨識，只是這種情況算是比較少見，如果連傾斜或斜視都還搞不定，俯視就是不急之務了！這種辨識的困難度在哪裡？我們知道近距離看車牌就是會變形，所以我們必須在原圖上找到車牌正確的四邊切線，然後將他們形成的任意四邊形轉正(正規化)成為標準車牌的矩形大小。

找出上下兩條切線是不難啦！那麼多字元排成一排，除非車牌彎折變成弧形，不然就是用字元的頂點或底點，回歸計算出兩條最理想的直線即可，不容易算錯的。但是左右兩邊的切線可就難了！如果是單純側面的斜視，或水平角度的旋轉傾斜，我們都可以假設左右兩邊的切線是平行線，但是近距離俯視時，兩邊的切線是絕對不平行的！如果你硬要假設它們是平行線就會變成這樣：

這種歪頭的A真的是我之前的惡夢！字元歪掉當然辨識就會很容易錯，要在車牌投影之後才補救，又會增加一堆違章建築式的程式！所以我前後研究了好幾年，才慢慢找到了穩定辨識左右邊不同傾斜度切線的訣竅，基本上就是必須能辨識個別字元的傾斜度，這在原始圖上是很難作到的！因為不是每個字都是方的，英數字上下不等寬的字還比較多，要找到每個字的中軸線傾角非常困難。

困難是困難，但是好好研究幾何學之後還是可以做到的！所以大家看前一張圖不是就抓得很準嗎？校正之後的車牌影像是不是「好正」！看到它我比看到街上的正妹還要興奮！如果沒有這種技術，我就沒把握對付俯視的狀況了！這也差不多是不到一年前才搞定的！當然細節說起來太繁瑣，就姑且保留一下了！

寫到這邊照例又要拿機器學習來消遣一下了！大家想像一下，如上的字元變形成這樣，變形的幅度與可能性幾乎是無限的，如果不作字元排列的幾何運算與影像投影校正，我們需要多少資料來訓練才能讓程式「學會」辨識出所有變形，還包括有旋轉角度的A呢？想跳過上述的這些幾何過程就直接辨識出所有車牌，是不是太匪夷所思？太天真浪漫了！

這種車牌辨識要成功，一定還是必須先概略抓到字元目標，然後考慮它們之間的排列關係，認真處理好邊緣切線等幾何問題。作到「差不多」都還不行！要非常精準的正規化投影出標準車牌的影像之後，才會有高辨識準確度！用機器學習要怎麼做到這些事？我是完全無法想像的！

下面這張俯角不大，是不是左右邊界就很接近平行了！