遇到如上困難的案例時，作辨識的人難免會想：如果拍攝的角度稍微好一點不就可以辨識了？但現實上就是有很多狀況真的不能怪拍攝者不夠努力！如上的影像你有看出來嗎？下方的白色弧線是另一輛車的車尾！也就是前車貼後車距離不到30公分，開單員能從狹縫中拍到這樣的影像已經很厲害了！實在無法苛責！

但是拍成這樣，距離近加上角度大就會產生高度的歪斜變形，要將車牌轉正到足以正確辨識每個字元就會是影像辨識專家的艱難課題了！這個案例即使是稍早之前的我也只能遺憾放棄！如上圖左，我把車牌轉平了，但字元仍然是上寬下窄，還往左右不同的方向傾倒！就是無法將每個字都辨識正確。

但是我們會問：那人眼為什麼可以認得出變形的字？以我的理解就是我們會在大腦中做幾何校正的影像處理，讓歪的變正，讓扁的拉長等等…，所以只要我的幾何校正處理可以做到把每個字都盡量轉正與扭正，就可以正確辨識了！如圖右上就是我經過檢驗發現字元有上寬下窄的現象，那就設計出針對性的處理程序修正這個變形就好了嘛！

這種事想要依賴甚麼深度學習，用大量資料與算力做出來就很荒謬了！很像脫了褲子放屁，根本沒必要，也極難做到的！其實只要認真分析解答這個幾何學的問題就可以了！即使我只有這一個案例，我都可以設計出這個影像處理程序的！哪需要甚麼「巨量資料」來做無謂的訓練？這就是我的影像辨識與強調ML、DL與CNN的AI影像辨識最大的差異！

在此我想強調的是：真實世界中的影像辨識就是會有這麼多困難之處！所以只能做簡單清晰端正影像辨識的軟體用處不大的！尤其是現在智慧型手機拍照如此方便了！越來越多的影像辨識照片會來自用手機拍的影像！他們都會有類似上圖的近距離高度變形的問題！一般停車場用的「簡易」版車牌辨識軟體當然無法用在這種手拍的影像！辨識正確率會低到只剩下一半！

對於一般使用者來說，因為人眼人腦的變形處理能力是非常好的！所以會認定只要影像清晰就應該可以正確辨識，如果你賣的辨識軟體遇到如上程度的變形就無法辨識？那應該是會讓使用者失望無法接受的！但事實上目前的影像辨識水準並不高！我能做到的變形處理程度就算精品了！已經好到能讓我獨佔台灣手拍影像車牌辨識的市場了！

現在那些號稱AI影像辨識技術的問題就是：不肯好好研究這些幾何變形的物理與數學機制，不肯傷腦筋從根本思考解決這些問題，只想偷懶用機器學習或深度學習，以資料磨合統計歸納的方式產生出可以辨識困難案例的程式軟體！大家用常識想想就會知道成功機會渺茫！即使可以做到，都會浪費大量的資源訓練模型，預期可以產出的模型計算準度與效率也一定很差！何苦呢？

我的存在可以很堅定的告訴大家：影像辨識確實可以像我一樣這麼作！而且成本極低，效率極高！信我者不會得永生，但是可以用很省錢的影像辨識技術解決你的問題，甚至以此技術賺錢謀生！反之，迷信ML+DL+CNN則會是一場災難！浪費很多錢與時間卻一無所獲！