老實說，如上面的那個有框框的2字，辨識起來是挺麻煩的！九成的機率當你二值化之後2與它的框框是會部分沾連的！拿這個連體嬰去比對只有2字形狀的字模當然會符合度很差，最終你可能會得到0或8或7之類的奇怪答案！

很有趣的一個話題是：多數傳統OCR的學習者，至此都會直覺地想到侵蝕演算法？只要剝掉它一兩層皮，框框不就清除掉了？但是根據我多年的經驗，我在實務上幾乎完全沒用過這種剝皮式的侵蝕演算法，相對的膨脹演算法也是一次都沒用過！不是我不會用，而是沒有一次試過後發現好用，總是有很難控制的副作用。

譬如上面的例子直接用簡單的侵蝕，結果是框框除掉之後，連那個2字的筆劃也變細到難以正確比對字模了！甚至會斷掉破碎？你必須只能從整個目標的「外圍」做侵蝕，裡面的筆劃即使是黑白邊界也不能侵蝕才行！但何謂外圍？這也是個蠻困難，且常有例外的邏輯，譬如拍攝出來的影像那個方框有時會有缺口的！

總之，如果你堅持以影像二值化之後的黑白邊界點做運算的基本參考點，怎麼作都會常常出現違反物理觀念認知的奇怪結果！所以，既然我們在意的是最終的處理結果必須合乎我們的物理常識認知，那麼你的演算法就必須以物理常識認知為規畫設計的基礎！只考慮影像資訊的演算法總是會錯誤百出的！

那我是怎麼作的呢？以物理的觀點，不管框框粗細或有沒有缺口，如果我沿著X方向計算這個連體嬰目標的每個X位置的總黑點數目，會得到這個數列：

9 28 27 10 8 10 14 19 21 22 23 20 21 22 26 24 22 16 12 11 27 33 15

很明顯的我找到兩邊邊框的X位置了，黑點最多的X應該就是邊框了，不是嗎？數學上說，就是此數列兩端附近區域的局部最高點，在這兩個高點以內的範圍就是我要的2字範圍了！上下邊界也可以用一樣的邏輯找到邊框，直接切開就會變成下圖這個樣子！雖不中亦不遠矣，就幾乎不會認錯字了！這其實也隱含著統計學的概念，我是看資料趨勢，而非單一點的資料屬性作決策的！當然穩定性會比較好。

這就是我常說的：影像辨識要達到真實世界的目的需求，就一定不能只參考與思考影像本身的資訊，所以我才會堅持只做客製化特定目的的影像辨識專案，每一個辨識核心都有明確的範圍與目標，我也必須藉此做出最佳化辨識的針對性演算法，唯有這樣才可能達到客戶實務需求需要的極高辨識率！

所以影像辨識不只是影像處理而已，必須是一個根據物理事實與辨識目的的綜合性的工程！處理影像資訊的數學方法們，其實只是一部份的必要基礎工具，常常演算法開發的主導者是物理現象，而不只是影像資訊！而且以個別畫素為演算決策參考的話，其實是相當不穩定的！常常運用統計概念，讓決策穩定也是很重要的！