OCR光學字元辨識的技術原本是用來辨識清晰的印刷文件影像的！如果要把它們應用到真實世界隨意角度與距離拍攝的影像，除了歪斜變形的處理之外，影像模糊造成的目標破碎沾連也是必須克服的難題！如上案例因為拍攝失焦模糊時，字元7就斷裂了，字元0又與短格線沾連了！

如果不加以處理，就按照現狀直接套用字模比對，可以想見答案會很奇怪的！7字應該會被認成1字！伸出一隻怪手的0也不會很像一個0了！我之前的文章已經介紹過我有切割連體嬰的技巧可以把多個沾連的字正確切開，那麼困難的問題都有解了，上面的單字缺陷當然可以自行修復，方式就是檢視每個候選字元的寬高是否符合應有的統計值！

只剩下一支炳的7字跟其他多數字元相比，會顯得太矮太瘦，也有點太靠近右邊的鄰居，所以調整到它「理論上」應該有的範圍與位置再強制切割出這個目標後，7就會像是個7了！0字的多此一手也是一樣，它被發現太胖了！如果不知道它是偏右還是偏左就兩個狀況都試試看！當然很快就知道應該切掉左側了！每一個字都經過整形後就會如下圖非常合理漂亮了！

重點是我們事前不會先知道車牌字元在此影像中是多大？甚至歪斜變形程度如何？所以要用CNN找到字元甚至他們的傾斜度是非常困難的工作！相對的使用OCR就容易多了！將影像變成灰階再二值化輪廓化找到獨立的區塊目標都是一眨眼就可以做好的事情！CNN就必須做多次掃描或是使用極為複雜的全連接層運算來處理拼湊資料，計算量因此大到爆表！非得靠GPU救援才勉強能用了！

看到了嗎？我就是想要很誇張的告訴你OCR有多快多好！這麼模糊的近百萬畫素車牌影像也只需要嚇死人快的50毫秒！我相信一定可以讓所有CNN專家羞愧到無言以對，甚至是無地自容！車牌辨識這種應用場域哪有CNN存活的空間？大家真的完全不必對CNN與DL的解決方案繼續存有任何的幻想空間！那是毫無前途的死路一條！