醫療行為中有所謂侵入式與非侵入式的治療，非侵入式就是吃藥或按摩等等，侵入式就是直接開刀了！如果可以吃吃藥做做復健運動就能醫好，當然誰都不願冒險開刀。但是有時候身體卡住了，或受到太大的外力傷害，吃藥或按摩都無法直達病灶，此時關鍵性的一刀就是最佳手段了！

在我的影像辨識處理程序中，也有侵入與非侵入式演算法的分別，非侵入式就是濾波、灰階、二值化、取輪廓、取目標等等，算是對原始資料做影像增強、摘要或擷取特徵的動作，但不會真的改變原始資料的內容。通常這就足以做好絕大部分的辨識工作，但就像治病，有時候這些正常程序就是差了臨門一腳，治不好一個關鍵的影像品質缺陷，此時運用合理的邏輯去「開刀」改變一部份的原始資料，也是我的選項！

像下面這張影像，雖有車燈干擾，但還算是很清楚的車牌，卻總是會漏掉下排的”2”字！這跟我的辨識程序是有關的，看看連環圖畫就知道了！

事實就是香港車牌的字元與車牌上下邊界，甚至雙排字時的上下排間距都很小！遇到影像稍微模糊，尤其是夜間，某些字元就會難以被正確切割出來，如果根本切不出來，自然無法核對字模說出它是甚麼字？以傳統影像辨識的角度來說那個2字確實是與車牌邊緣相連的，除非去重拍照片，否則那個2字就完全沒救！以一般人的角度來看此事是不是很蠢？小學生也看得到那個2啊？怎麼專家用電腦程式反而看不到？如果影像辨識專家就這麼笨，只能抱著課本去當教授了！

我當然不會坐以待斃，或只是將責任怪到硬體上去！其實人的腦袋會怎麼處理這個問題呢？還不就是遮住車牌下邊緣以下的部分，只看與同排其他972三個字的高度範圍，2字不就清清楚楚地擺在那邊嗎？如果要配合原來的程序，我只要在二值化的黑白圖上，對齊下排可辨識的972三個字的下緣切上一刀，把字元2和背景切開，如下面的連環圖，辨識就成功了！

有看到開刀的疤痕嗎？其實我在車牌上緣以及兩排字中間也同樣劃了一刀！這種侵入式療法的風險是切到不該切的地方，所以「開刀」的條件必須很嚴格，沒有必要或不確定劃刀的位置對不對？那就寧可不要隨便動刀。譬如台灣車牌的字元與車牌下邊緣距離比較大，根本不會生這種病，當然就不會有這種演算法，這是為香港車牌特製的！

有效嗎？如果沒這種手術，下面這張也是死棋無解的！在目前有限的約百張影像中，這個方法就救回了三四張原本無法辨識的照片，那可是好幾趴的辨識率啊！

也許有人會說：這種「病」用垂直方向的銳利化也可以處理啊？別小看我，這些我都知道也都試過！首先是全圖銳利化運算會浪費很多時間，而且絕大多數的情況並不需要作銳利化，好像為了致死率極低的一種病，逼著全民打疫苗一樣！而且銳利化沒有針對性的話，產生的副作用還可能讓原本相連的字元變成破碎！那是愚蠢的點子。相對的，我設計的演算法只作必要時的補救之用，沒事不會亂開刀，以免浪費時間或誤傷正常目標。

這些就是我天天研發的內容，看起來應該跟影像辨識論文感覺不太一樣，但卻是踏踏實實可以解決實務問題的演算法研究。理論上，只要影像拍得很清楚，大家按照論文或書上的方法做軟體，辨識率一定都是百分之百。但是天有不測風雲，影像品質不會永遠完美，加上車牌設計上面的一點點不理想，各國車牌都會「生病」！而且生的病都不太一樣！

如果我忽略這些病不去醫治，我的軟體辨識率就會只有九成出頭，就跟一般大學研究的車牌辨識水準差不多。但我的車牌辨識軟體辨識率好到動輒超過99%！原因就是我研究台灣車牌容易生的疾病很多年了！多數疾病我都有辦法醫治，還很少產生副作用。這些軟體如果直接移植到國外的結果會是如何？那些台灣人常吃的藥，其實外國人沒那種病，應該不必吃，吃了反而會肚子痛！

所以啦！我至少需要幾個月研究香港車牌容易生甚麼病？這些常見疾病我必須研究出效果好副作用又最少的演算法去應對，我不知道其他崇尚機器學習的大師是如何做影像辨識研究的？我自己確實就是這樣一步一腳印在作的！