老實說，我的車牌辨識技術還不夠好，還有很多研究進步的空間，譬如下面的兩個車牌，較小的辨識成功，較大的一個反而失敗。研究過影像辨識的人看到這種照片時，應該會很興奮的建議我至少七八種方法都可以強化影像得到正確的結果，那些方法我也應該都知道，還都確定能寫程式實作出來！但事情沒有這麼簡單。

我常常形容我的研究說：我是一位車牌辨識的名醫！任何疑難雜症(單一影像)，只要人眼看還能分辨，我都可以想出辨識成功的方法，也寫得出程式。但是我研究的不是單一影像的解題方法，而是要建立一個SOP，讓盡量多的各種疑難雜症經過這個「療程」都可以痊癒！

簡單說，就是當個能對症下藥，藥到病除的名醫還是不夠的！我必須開出一劑萬靈丹！任何有車牌的影像都能正確，而且快速的辨識成功！就像治病一樣，一樣的藥，對症時是良藥，不對症時就是毒物了！很多特殊的強化影像程序會讓正常的影像反而產生雜訊，意外的辨識失敗！面對一百個不同病症的病人，開出一劑藥就能通通治好是很難的！實在做不到時，就只能極大化治癒率，能找到一副藥治好九成病人就算非常厲害了！

除了正確，「快速」也是一個關鍵字！影像辨識的方法很多，理論上這個方法治不好就換個方法，A程序辨識不出來的影像就改走B流程，再不行就用C程序繼續嘗試，總有一個方法會成功吧？影像處理的好處是不像醫生治病，治得不好病人非死即傷，我們確實可以像玩電玩一樣，過不了關GG了，重玩一次換個策略或許就過關了，一定不會出人命的！

但是如果一張車牌影像辨識需要超過一秒鐘大概就很難商業化了！如果經過停車場出入口的車子必須「等」車牌辨識的結果，那鐵定被罵死！沒人會買了。所以各大學研究車牌辨識的研究室多不勝數，我也相信多數教授們學養俱佳，知道的演算法不會比我少，也相信他們的研究應該不是唬人的，確實可以辨識出車牌，甚至疑難雜症！但是速度效能是不是達到商業化需求就很少論文會提到了！在學界觀點這是不太重要的，但在業界觀點則是很嚴苛的關鍵因素。

總之，車牌辨識流程是一個複雜的議題，最終目標其實就是人工智慧，讓我的程式和一般人的眼睛加上腦袋看車牌一樣的聰明且快速！我自信已經做得不錯了，但是距離我認為成熟的程度還差得很遠，就是比一般人的辨識能力都還很遙遠，很多廠商建議我的辨識核心應該硬體化，就是變成IC或嵌入式系統，但是我認為每天都會進化(升級改版)的程式現在談硬體化還太早。

另一方面，如果有人開始想盜拷我的軟體，我奉勸他們還是再等一等，不然等他出貨推銷時，我的新版又比他盜版的強很多，東西也不好賣的！哈哈！