影像辨識的流程很複雜，一般業界公司只希望大家都相信他們擁有不必質疑的「九陰真經」或「九陽神功」，很少願意談他們的研發內容。但我相信即使是全世界最先進的影像辨識公司，他們內部一定還是不斷的在研究精進的！完美的終極武功應該永遠不會真的出現！我的日常生活就是不斷的在研究這些東西，我也不願意搞神祕，就原則性的聊聊這些「常識」吧！我可不是影像辨識的「代理」商，手上只有國外弄來的神秘藥方，那種公司除了強調辨識率之外就沒話可聊了！就別難為他們囉！

影像辨識流程的前半段大致上是：全彩影像→灰階化(變成0-255階的亮度值)→黑白(變成0與1的值)。所謂的二值化就是依據灰階圖的亮度分布，找一個最洽當的亮度門檻值，在此以上的定義為白色，以下的為黑色，這樣我們想要辨識的字元就會黑白分明的呈現出來了！但是有多麼「黑白分明」學問就大了！

如上圖，如果是在單一圖片用影像軟體處理時，我們一定可以調整到那幾個字元變得非常清晰！但是如果這些動作都要程式化，讓每一張狀況都不同的照片經過我的程式都有一樣的結果，字元都變得很清晰，筆畫的胖瘦還都要差不多！這就很難了！我至今都還常常在實驗調整，希望有更好更適合我的各種辨識影像的二值化演算法。

有了清楚的黑白影像，下一步就是讓它們縮放到我們設計好的字模大小，然後比對符合度，譬如針對上述影像我設計的幾個字元模型是這樣的：

可以看出來理想與現實是有落差的！要讓每個字元黑白色的比對百分百正確不太可能，所以就是比較誰的符合度較高啦！但是如果碰到”B”與”8”，或”0”與”D”，甚至數字”0”與字母”O”！等等…。可以預期符合度相差會很少，此時只要黑白二值化的步驟做得不是很精準，辨識結果就會很不穩定了！B會看成8或D會看成0等等！

上面的例子還算是清楚的，二值化作成這樣是常有的事：

如果完全要靠比對符合度來判斷，錯誤率真的很高！所以這時通常需要「吃藥」！就是使用一些字元的特徵來輔助辨識，譬如”K”的上方是有”洞”的！類似的字元”R”就沒有！大家可以想一想”N”和”H”也很像，我們該看甚麼特徵來分辨這兩個字呢？想出了特徵之後，就是設法推導出對應的數學公式，然後寫成程式，譬如發現字元上方有洞，就讓”K”字得到多一點點加權分數，”R”就要扣分了！等等…

這些輔助辨識機制看起來很聰明，但是就像人吃藥一樣，副作用其實是很難控制的！不需要吃藥的字元吃了藥反而會「走鐘」，變成異常的辨識失敗！所以我通常叫它們是「違章建築」！需要時可以立即頂樓加蓋就多出一間房間，但是潛在的安全危機可能在下次地震或颱風時爆發出來，能夠不用就不用！即使要用，加權分數也不能下得太猛，很像醫界會慎用抗生素吧？

為了能在限時之內完成辨識核心程式，我當然是能用的招數都會用上，也多半可以在「外觀」上作出辨識率很高的產品。但是只要行有餘力，我會不斷地回頭重新研究每一個變識流程！方向就是將二值化做得更精準，將字模調整得更接近二值化的結果，希望能不用「吃藥」，也就是少用額外的加權分數機制，直接以清晰的影像及正確的字模比對，就得到穩定而且正確的結果。

所以更精準聰明的二值化演算法，加上目標位置的正確鎖定，我稱之為「培元固本」「強身健體」，使用特徵加權辨識就是吃藥打針了！辨識流程一如人體，外觀的健康是一回事，那些職業選手是不是靠吃禁藥變強壯的？我們真的不知道！我們自己要養生當然是多運動少吃藥比較好！