如上圖，我正在研究一個演算法將影像(圖左側)上的圖案或文字的邊框盡可能精確地描繪出來。原本的初版(圖中)不能正確的描出一條輪廓線，看起來像是用毛筆或簽字筆刷出來的邊緣「區」！稍微調整了演算法得到了以上的結果，我真的可以像人拿細鉛筆去描輪廓一樣的描出一條細線(圖右)了！

怎麼作的？對外人或許還保留一下，對自己的RD以及有興趣的員工當然不必藏私，我解釋完程式內容，他們問我：「怎麼會想到要那樣計算啊？太神奇了！」我說：「你們的微積分都應該被當掉了！那就是二次微分啊！」讀過台大電機的RD歪頭想了片刻，才眼睛一亮說：「真的欸！」

有在聽的兩位都是在工學院修過微積分的！我也修過，但是分數很差，全班倒數第二，險些被當，還好老師仁慈「歐趴」，我倖免於難！但是以他們的角度，可能會覺得微積分與影像辨識應該不太相關吧？在表面上我寫的程式也不過是幾個迴圈，算算影像亮度的差值而已，一般人也不太能聯想到上微積分課時，老師在黑板上畫的那些深奧的微分或積分符號吧？

但事實就是如此，我是先用常識邏輯去推理，想像著該如何讓辨識結果只剩下一條線？當我推理到一半時才意會到：「我正在用微積分解題欸！」所謂「輪廓」就是「某顏色亮度有明顯變化」的地方，不就是一次微分的高值了？但是變化可能不是一次到位，如果是漸漸變過去的，就會顯示為一個「上坡地帶」了！如何讓有寬度的變化「區」變成一個「界線」呢？就是找變化區內「變化最大」的一點嘛！在數學上不就是二次微分最大值的地方？

哇！我是不是洩漏商業機密了？還好啦！這個運算其實對於整體計算結果影響不太大，只是我比較追求完美而已啦！當然「帶寬」變成「線寬」，確實可以減少一點後續運算的時間與提高一點精確度。

其實我到大學為止，數學相關科目表現都是很差的！但只是考試成績差而已，對於數學的概念與原理倒是沒錯過，我都是有聽懂的！到了研究所階段，開始大量使用到那些數學解決問題時，我的「靈活」思路反應，居然都是來自國高中到大學時期我「成績表現超爛」的數學！

所以啦！如果你的孩子數學成績不怎麼樣，就不要再去補習花冤枉錢了！甚麼狗屁理論說「不要輸在起跑點」？根本沒關係的！你只要問孩子：「那你上課有沒有聽懂啊？」如果答案是「有」(就像我當年一樣)，那就讓孩子開心去放寒假吧！以後他也可能會變成影像辨識專家的，我不就是嘛！