現在常常收到這種信！可以印證我一再講過的一句話：「影像辨識還是很不成熟的科技！」拿個對照組來說吧！資料庫的應用大家都會承認是一種很成熟的技術，好好上課或讀書自學，加上網路可以找到的資源，如果你還作不出客戶需要的軟體，那就很奇怪了？應該是自己太笨，退出江湖吧！

但是說到影像辨識就很微妙了！大家都知道這個科技現在很熱門，也不算是太新的科技，一定要「用C/C++做影像辨識」這種說法，在我還完全不懂影像辨識的三十年前就常聽到了！近年更是一定要「用機器學習加上OpenCV做影像辨識」喊得震天價響！到處都有開課，學費還特別貴？好像影像辨識技術也像資料庫一樣，只要學會了某些程式語言或函式庫的使用，就能順利就業研發了？但事實不然！

在我的觀點，目前影像辨識的教學資源與方向都是錯的！不然像我們這種專做影像辨識的公司應該會很多才對！因為目前很多大學研究所都開設影像辨識課了！號稱可以做影像辨識的機器學習與OpenCV課程、網站與資訊也到處都是！資訊電機領域的教授們都努力將影像辨識，至少影像處理列為自己的專長，這種風潮現象沒十年也有八年了！但市面上能自行開發影像辨識產品的公司仍是鳳毛麟角。

首先所謂用C/C++才能做影像辨識就是一個過時的觀念，此說的起因是三十年前，除了C語言之外的語言，如Fortran或Basic等等，多半沒有提供處理數位影像所需要的完整低階資料結構，加上影像處理很需要大量運算，C語言與作業系統溝通較為直接，跑得比較快，如此而已！

現在呢？電腦語言都進化了，電腦硬體效能也都變好了！其實任何程式語言都可以做影像辨識，效能也相差無幾！我為了證明這個觀念，曾經用HTML5實作過我早期的車牌辨識核心！就是要打臉只能用C/C++做影像辨識這種無謂的迷思！HTML5的車牌辨識所有程式邏輯完全沒問題，速度也沒特別慢！當然因為JavaScript語言究竟不是為實作演算法程式設計的，寫起來會比較繁瑣。

用JavaScript寫影像辨識程式，真的行欸！

我從做影像辨識研究之初就是使用VB.NET的！有次為了將辨識核心移至某個嵌入式系統，需要將我的VB版影像辨識程式翻譯成C++，我懶得做，就叫我的RD自學C++兩個月之後去實作！她邊做就邊嘀咕：「怎麼會有人笨到用C/C++做影像辨識程式呢？語法太繁瑣了，根本讓我沒法專心思考演算法邏輯了！」

所以本公司的影像辨識產品萬不得已，一定不會用C/C++的！不是不會用，而是真的不好用！執行效能與使用VB.NET完全一樣，但開發時間會增加至少一倍以上！最不利的因素是：因為C/C++語法的拘謹繁瑣，會一直讓我們分心於語法格式的書寫控制，對於需要隨時思考新演算法解決問題的研究過程干擾極大！C++我是不熟，但是C#我是很熟的，不僅上課有教，還出過書，有幾個專案因為要交付原始碼，對方要求用C#寫，我也OK的！

另一個極大的謬誤是，因為影像辨識過程很複雜多變，因此好心的學界前輩就建構了如OpenCV這種函式庫。有點像Web程式其實很難寫，所以就出現了PHP與ASP這類的技術，將複雜的細節封裝起來，使得多數人都可以快速的完成Web應用程式的設計工作。

但是不好意思，費心製作OpenCV的專家學者其實沒幫到影像辨識學習者的忙！因為ASP等東西是幫忙你架橋渡河，或開車載你去上班，過了河或到了辦公室之後，才是你工作的開始！至於怎麼過河？或怎麼到辦公室的經過細節？與你的目的其實無關！那就交給ASP吧！我專心設計使用者介面與SQL邏輯就好了！

可是影像辨識從一開始的每個處理程序，每個參數都會與最後能否得到正確答案密切相關！從全彩如何變灰階？灰階如何二值化？黑白圖如何變輪廓圖？輪廓圖如何變成目標物件？都對你要辨識的目標成功與否有關！OpenCV與ASP設計的原始目的相似，是幫使用者「省略細節」用的，而不是幫你「掌握細節」的！這有點像是我們要找到深山裡的某個鐘乳石洞當作觀光景點，我們的作法就是準備好登山裝備，一路登山涉水邊走邊看，找到最踏實有效的路徑來抵達目標。

OpenCV很像是你買的越野車，或租用的直升機，你可以在群山之間快速移動搜尋，但是永遠無法精確地找到那個洞！也無法準確的建立供後人快速抵達該岩洞觀光的最有效路徑。所以你不會在我或我的RD的電腦中發現任何OpenCV之類的函式庫！因為我們真正需要的只是物理與數學原理，對於要處理的問題做精確的理解分析，然後用基礎的程式技術去實驗探索。

不騙各位！現在跟我買車牌辨識軟體，或找我們開發影像辨識專案的客戶中，很多公司裡都有學過C/C++影像辨識，也熟悉OpenCV的工程師，他們都曾信心滿滿想自行開發他們公司需要的辨識軟體。但是都很快就陷入困境，不知如何繼續？或是勉強作出可以達到辨識目的的軟體，效能或辨識率卻低到無法接受，最後才來找我們的！我們完全不用C/C++，當然也不用OpenCV，但是最終都能做出他們想要的東西。

我不是說OpenCV不好哦！只是告訴大家，如果你希望作出來的是高效率的實用影像辨識軟體，使用那些函式庫不會直接得到很專業的結果！如果你拿這些產品去賣，客戶發現有無法辨識的例外，你也很難診斷原因做好售後服務，因為你的工程也多數是「外包」給OpenCV作的！你能叫寫OpenCV的教授出來幫你做客戶服務嗎？

OpenCV至少還是使用影像辨識的原理概念作出來的程式，也有原始碼可以修改的！機器學習呢？那就更等而下之，連思考原理的部分都簡化了！所以當然是更大的誤導！學越多，使用越多，你就距離完成有效實用辨識軟體的距離越遠！所以回到前面信件最關切的問題：如何有效學習實作影像辨識？

首先要確立的觀念是：影像辨識技術的核心是演算法的精確掌握！程式語言或既有的套裝方法技術真的很不重要！如果你的高中物理與數學成績不太好，如果你的幾何學或微積分概念不清楚，考試會被當，建議還是先回去學好這些東西再來玩影像辨識！

如果你這些東西都還OK，以目前的環境來說，我認為將OpenCV當作教材範例來深入學習，而不是將它簡化視為「工具」是個好的辦法！就是將每個OpenCV的函數當課本單元深入消化吸收，讓它們變成你不必翻閱拷貝都能直接寫出來的理論基礎與程式經驗。至於機器學習呢？就不必浪費時間學太多了，知道怎麼回事就好，因為實際用處不大的！他們只是幫你猜猜大概答案的技術而已，作對做錯的實際原因你都不會知道的！