這個案例我還沒有辨識成功，正在思考要以甚麼策略破解的階段，但是非常值得深入玩味！可以再度藉以闡述我的影像辨識理念與機器學習派思考方式的差異！以及我一再強調的，中學程度的幾何學在影像辨識上面的重要性！

要辨識那些模糊又可能處於任何旋轉角度的字元，我必須先建立好正確的極座標(高中幾何)系統，就是找到螺絲釘頭上字元區的圓心與圓周。有了正確的座標我才可以較準確地估計每個模糊目標是不是位於它們應該出現的環狀區域？如果位置合理了，我就敢大膽的在這個位置把破碎高雜訊的目標當一個字元處理！譬如合併碎片成單一字元，或依據極座標系統轉正字元等等。

反之，如果我無法建立出正確的極座標系統，就是圓心圓周定位錯誤，我的辨識結果一定很離譜！要直接從全圖中辨識個別的字元目標？幾乎是不可能的！如上圖是我目前考慮較不週延的演算法算出的錯誤圓心，因為我假設我可以取得螺絲釘頭的完整輪廓，但事實上此例下半部的輪廓並不完整，右半邊那個眉毛狀的陰影也影響了我的判斷，所以圓心整個偏右也偏上了！

以機器學習派的思維模式，任何資料都是可貴不能放棄的，必須加入演算法運算。我目前的做法也是盡量以所有資料的整體運算結果為依據，甚至有一些補助演算法將破碎的螺絲釘影像碎片融合回去！當然在此例中是失敗了，部分應該「融合」回去的底部碎片沒融合回去，右邊不該融入的眉狀陰影卻被融入了！

這種狀況其實蠻常見的，如果我可以建立一個更準確穩定的圓心推測演算法，我的辨識成功率就可以提高很多！不知道學過國高中幾何學的「同學」們，會不會跟我有一樣的想法？如上圖的六邊形，其實只有三個邊是破碎的！我難道無法在其他三個邊都很清晰，而且已知它是正六邊形的前提下，找出它的中心(或重心)嗎？

這大概是國中生就會作的幾何證明題吧？對於正多邊形來說，任何兩個邊的垂直平分線交點，或兩個角的內角平分線焦點，就是圓心了！我需要的只是兩個完整的邊，或兩個正確的角，就可以精確復原整個六邊形的輪廓了！當然要在目前的影像資料中實作這個過程是有點瑣碎麻煩，但概念絕對是可行的！我也已經做了一半，下周必有成果。

這個思考方向有趣的是：它並不是考慮所有的影像資料，而是認知理解到在數學上最正確合理清晰可靠的部分資料，就是那幾個清楚到不行的「邊」，以它們為基礎來推算不完整的六角形輪廓與圓心。這樣是不是比堅持用到所有影像資料「統計」出一個六邊形來得更準確呢？

一顆老鼠屎就可以壞了一鍋粥，如果可靠的資料，可以用推理證明的方式補足不確定的資料，那我們還要堅持捕風捉影來補足缺陷嗎？這個例子的說明性就十足！我根本不應該考慮那個眉狀陰影的資料，因為我根本不確定它與我要辨識的六邊形有關！如果不必靠它我就可以達到辨識目的，這些可疑資料一定要用嗎？

這就是我常常告訴RD的一個原則！盡量用可靠的資料推測或規範不可靠的資料，而不是將所有資料大鍋炒！機器學習派的貝氏定理是可以給不同的資料不同的機率權重，但是這還不夠！很多時候某些可疑資料根本不應該使用！有些可靠資料則可以直接被獨立採用於決策或推理，這是超越貝式定理的人類智慧，也是超越目前狹義AI的真正AI理念。