我常常PO出我的車牌辨識「結果」，但是礙於過程繁複，怕讀者沒耐心看，很少像是寫論文一樣，完整交代我的軟體是如何從攝影機取得影像開始，一路處理到吐出某輛車的車牌辨識結果的完整過程。現在有空就來介紹一個完整過程：

上面是某輛車經過辨識車道的一個畫面，也是我的軟體輸出的結果照片，拿到照片一定是會經過灰階→二值化與輪廓畫三個步驟，就是簡化影像準備萃取資訊的過程：

接下來就是在如此複雜的輪廓中找到「像是車牌字元」的封閉曲線，這是一個非常複雜通常需要大量運算時間的過程，但是我有一項重要的發明，算是一種快速演算法可以在大約20毫秒之內完成像上圖這樣狀況的整理，結果就是剩下不多的有像字元的目標。

此案例算是運氣不錯，剩下的候選人不多，不論合格目標多少，我的程式都會由對比最明顯的目標開始嘗試組合出車牌，排列方式像是個車牌的區塊就會如上圖的綠線被切割出來，還直接投影成車牌的灰階與二值化標準大小與形狀的影像，如下：

接下來還要在這個已經正規化為標準車牌大小的區塊中，再作一次目標分析，然後一個字一個字的將他們辨識出來，完成的字串並不是直接輸出，還要經過很繁複的車牌格式與前景背景色的分析，所以顏色或格式不符合車牌形式的辨識結果才不會誤闖，須知環境中很多英數字字串都很像車牌的！

即使已經經過這麼多關卡，這樣的辨識結果還只是我的動態車牌辨識軟體中，客戶不會直接看到的內部「原始資料」！他們累積起來一輛車大概這麼多：

我的軟體會從這麼多原始資料中，看他們的重複次數與字元符合度等等參數，決定某車號是否雀屏中選？選出的唯一資料才會出現在軟體的主要介面上，像這樣：

這樣的過程夠嚴謹了吧？但是影像辨識沒有百分之百的！即使一天下來一個停車場只錯一個車次，客戶還是抱怨的！還好現在我的軟體除非是車牌本身真的很爛，辨識錯誤已經非常少了！不論如何，對我來說就是繼續精進，基本上希望可以不比別家軟體差，產品可以繼續賣得出去！往前看呢？希望有一天我的軟體能跟人差不多聰明。

我不怕讓客戶與讀者知道我是怎麼辨識車牌的，如果有人指出我的錯誤我會感謝，如果有人模仿是我的榮幸。如果客戶因為口碑買我的東西，我會感恩，如果是因為知道我的作法而信任我，我會覺得更有成就感。