影像品質在近年進步超快的！猶記得2013年第一次研究路口監視器的車牌辨識，拿到的影像解析度只有320X240，這麼小的影像要容納下一輛車子，車牌字元的高度才十幾個畫素，放大來看就是馬賽克！類似這樣：

現在隨便一個幾百元的WebCam都有百萬畫素了！一個1280X720的影像上拍一輛車子抓出來的車牌號碼，每個字元的高度至少是三四十個畫素，畫出來大概是這樣：

我們辨識的終點是最正確的判斷出上面那些「圖形」實際上是甚麼「字」？如果解析度低，數位誤差會造成字元形狀不穩定，如上圖的7與9看起來大小差很多，我的演算法必須「糊塗」一點！太龜毛就會說9那個字太小了，根本不是9！但是糊塗之後也表示「猜錯」的可能性會增高！

所以針對低解析或較模糊影像辨識率要最佳化的設計方向是→「糊塗」一點！較高解析與焦距清晰的影像，最佳化的方向則是→「龜毛」一點！當然實際設計整個辨識流程時細節考慮還很多，但重點是→影像品質不同，演算法設計一定也要相應調整！不然就像教近視眼射箭，靶心都看不清楚你說要射向中心點意義何在？你跟他說盡量往那個圓圓的目標射過去就對了，他反而不會射得太離譜。但是當眼睛好的人甚麼細節都看得到，這樣太簡單的指示幫助就不大了！

現在車牌辨識市場很微妙的就是影像品質落差大，軟體高低解析版本的差異卻很少人知道或在意！這兩年先後有幾家原本承作過道路監視器車牌辨識系統經驗的廠商，想要跨足到停車場車牌辨識，卻發現他們原本用於道路上很好用的辨識軟體，到了近距離高解析反而辨識率變低很多！

我的辨識核心在近距離高角度表現很好是已經公認的！所以他們想採用。但是他們一些道路上運作的舊系統攝影機還是低解析的，我直接評估用我的新軟體還不如用他們舊的軟體辨識率好！建議他們除非改成百萬畫素以上攝影機，不然就不要買我的軟體，因為我很確定辨識率不會比較好，還可能出現一些離譜的錯誤！很像將低底盤的超跑當越野車用，穩死的！

我其實針對兩種品質的影像都研究過，但是既然時代只會往前進步，可以想見我的精力大部分會投注在開發高解析影像的辨識，為了即將淘汰的舊影像品質作研發意義不大！又不是要「維護古蹟」？如果客戶捨不得更換硬體，我就只能解釋這些原因給他知道，也很有職業道德的告訴他們：舊硬體就必須搭配舊軟體，效能比新舊混搭一定更好！