摘自：https://www.vsk.com.tw/industry-case/86-showcase1/332-ocr-text-recognition-85.html?gsearch=1&moduleId=150&Itemid=481

這樣的文字怎麼辨識啊？傳統的OCR軟體辨識能力我們是領教過的，這樣鐵定是甚麼都辨識不出來，所以才會需要比較特別進階的辨識軟體，這就是一家叫威視康公司的產品展示影片。

好厲害不是嗎？其實你自己要作也不難的！以上例來說：其實不必寫程式，只用PhotoShop就可以很快看到關鍵的字元了！

灰階化

二值化

怎麼樣？從這裡做起就不會太難了吧？我唯一作的影像處理「思考抉擇」只是二值化門檻的選擇而已，下圖是灰階圖的畫素分布直方圖，其中紅圈圈標示的三角形左邊的山峰，就是你想看的那些黑黑的字元了！用物理學的說法呢？你要辨識的就是彩色繽紛的圖上最黑的那些東西！

所以我們常常是因為對於影像辨識原理掌握不夠好而被迷惑的！多數「專家」們知道的招數也未必很多，可能剛好不會使用簡單的傳統OCR解法。或者為了搶學生，刻意誤導初學者，必須使用自己熟悉推薦的方法！這樣老師開的課才有人選啊！所以會讓初學者誤判了各種影像辨識問題的難度。

如果是業者，當然更會刻意故弄玄虛，讓客戶們目眩神迷，以為這些影像辨識內涵著神奇的技術，就比較容易開出較高的售價了！事實呢？如果你夠清楚影像的基本知識，掌握到需要辨識目標相對於背景的特性差異，就像中國武術說的點穴一樣，抓到重點(痛點)給他點下去，就可以輕易克敵制勝了！

我認為要作好各種特定目的的影像辨識，有效的核心工作應該是分析問題對症下藥，而不是選擇使用甚麼特殊神奇的演算法！目前大家標榜的那些CNN捲積層之類的東西，其實都太傾向於想要一次解決所有的狀況，但那是陳義太高的目標，很難作到的！所以他們想要達到特定的辨識目的時，還是必須做很多實驗調整演算法參數的，這些過程他們就稱之為「學習」了！

譬如上面這種例子，需要辨識的目標其實不會比背景的各種「特徵」明顯，但是如果你使用了某種特徵演算法就只能一路跟著玩下去！你其實不知道為什麼它們要設計得那麼複雜？只能按照操作手冊玩下去，辨識結果不好就繼續「學習」到好為止！其實只是慢慢挑掉比印上去的點矩陣黑字更明顯的目標。

經過漫長的「學習」過程，把不想要的特徵物件用參數控制都挑乾淨時，就可以得到像我上面展示的那種二值化圖了！此時要辨識出那些是甚麼字？還是需要回歸到OCR的標準程序的！所以如果你在這裡用了CNN之類的演算法，你其實是把事情變複雜，工作也變多了！辨識準度呢？完全沒有提高。演算時間呢？當然會更久！

這就是我對於影像辨識技術現況發展的一個悲觀認知！太多使用傳統影像處理與辨識可以快速準確得到結果的工作，都變成了漫長而且未必較有效率的「學習過程」！這是我們想要的人工智慧合理的發展方向嗎？事實上我看上例中威視康公司的展示，估計也不是使用機器學習之類的新技術作的，稍有OCR處理經驗的人都知道不需要用到ML，但是為了「跟上」AI風潮，也適度隱藏自己用的關鍵技術，他們一定不會說清楚講明白的！就讓你以為是深度學習吧！對廠商比較有利。

所以大家就繼續這樣上下交相賊，懂得的故意裝傻，不懂的卻努力裝會，打一陣子AI迷糊仗吧！這個領域大概只有我這麼白目，總是忍不住要戳破國王的新衣，實話實說吧？