這是同一輛車，也是概略同一時間相同的車況，只是從不同角度拍攝的照片。乍看之下相信沒有人會認為是同一輛車！這也是做影像辨識的一個難言之隱！現在的攝影機都很好了，全彩影像是基本規格，任何數位影像都可以得到每個畫素的三原色RGB值，所以我們就可以使用顏色當做影像辨識的可靠特徵嗎？

譬如紅色的字就是計程車，不是紅色的就不是計程車？那左上照片就會判斷錯了！事實上即使攝影機很好，還是有太多狀況下顏色都會被扭曲難以分辨的！如上的案例就是日照反光，讓車牌的顏色幾乎消失了！事實上環境昏暗時也會讓我們無法明確分辨目標的顏色！所以大家認為應該很好用的顏色資訊其實是很不可靠的！

那甚麼是最可靠的資訊呢？其實還是RGB組合出來的整體灰階資訊！如上圖即使反光讓車牌字變成黯淡的灰色，但只要與字元與背景的亮度有差異，還是可以經過辨識程序被認出來是甚麼字的！

即使你不是像我一樣使用OCR，而是使用YOLO(CNN)等方法辨識物件時情況也是一樣的！如果機器學習的經驗值包括顏色的資訊判斷，就有可能判斷錯誤！也就是物理問題是所有演算法都一樣會面臨也必須處理的問題！所以很微妙的狀況是：如果你用黑白攝影機拍照來做車牌辨識，其實辨識率不會有太大差異！

所以啦！雖然我做車牌辨識還是有先取得全彩RGB資訊的！但是會很保守審慎的使用！任何決策都避免用顏色當作關鍵唯一的指標！譬如上圖左的字元看不出來是紅色，但是T字開頭的車牌在台灣鐵定是計程車，所以我會說它一定是計程車！即使它完全不紅！

但有些舊的計程車牌並不是T開頭的！此時如果某車牌的紅色特徵很明顯呢？就比較尷尬了！事實上常常因為周遭有紅色光源照耀，譬如煞車燈，會讓車牌字元偏紅色！此時我就會再參考字串的格式！譬如ABC-1234或是DE-5678就不可能是計程車，715-D6這種字數格式與正常自小客車不同的，我就會判斷是計程車了！

所以聰明的AI通常不是很神奇，而是很囉唆很複雜！機器學習派希望不必自己處理這些複雜的推理，用機器學習訓練的方式就可以達到目的！我則是比較傳統的盡量使用已知的科學事實規範建立我的邏輯程序！誰比較好？就看結果論了！你相信機器學習可以準確地學會我用的這些邏輯嗎？即使可以，要耗費多少資料與計算成本呢？你想過嗎？