這麼近距離清楚的七碼車牌，我以前的程式都還是會辨識錯誤，原因看看它的二值化圖就知道了！

R字的左上角跟車牌框的陰影沾連了！無法像其他字元一樣被切割成獨立目標，結果程式就繼續走下去，得到AD-5781這個完美的六碼車牌答案，字元符合度很高，「格式」也完全「正確」！雖然我知道不論六或七碼的車牌，都有可能兩邊的字會和背景沾連，所以我有強迫補字的機制，發現可疑就會嘗試往左右強挖一個區塊當作字元來辨識，沒有這種機制的話，一字沾連就必死，錯誤率就太高了！

但是上面這個例子就尷尬了！我好像沒有理由叫它去左右挖字？因為它「已經」是個完全合理的車牌答案了！如果是六碼少一碼的話，我就比較確定它少字了，就會去嘗試挖字補洞，已經六碼了，還要補字嗎？就很掙扎了！但還是有解的！

因為台灣車牌的六碼與七碼字型有幾個字的差異是很明顯的！如果字碼中有出現這幾個字，我就可以比較容易看出它是六碼或七碼的車牌，如果字型顯示是七碼，但只有六個字被認出來，我就知道應該挖字了！結果就會變成這樣：

影像辨識的意外總是難免，如果目標都很清晰，大家都是一百分就沒甚麼好研究了！有意外時，你必須先要想出能解決問題的補救措施，就像生病時必須有藥可以醫，甚至要開刀！不然就是絕症了！有了補救措施還需要診斷程式，知道哪些狀況必須啟動補救措施，那些則不必！如果不需要吃藥的人也跟著亂吃藥，本來沒病的都會有事了！藥是不能亂吃的！

以上例來說，由已經辨識出的字元判斷它是六或七碼字型，就是診斷程式，挖左右區塊補字的功能就是治病的藥了！很好玩吧！所以我常說影像辨識不只是影像辨識，它是一個需要多方面考慮的全方位物理問題！如果你能善用所有的邊界條件，即使不是影像本身的資訊，譬如車牌的字型格式等等，你就會覺得任何問題都一定有解了！