我曾經協助精益科技做幕後的文件與證件辨識核心的研發，兩年之間也有很好的成果，但是僅限於掃描影像的辨識，基本上就是二維的影像，在目標定位上需要的動作就是：旋轉、平移與縮放三個動作，搭配他們公司既有的的掃瞄機硬體就是很棒的「辨識機」產品了！

但是因為手機拍照太好用了！現在很多客戶都希望用手機拍照之後辨識文件或證件目標，雖然我總是先介紹需要文件辨識的客戶去找精益科技，但如果他們堅持要辨識手機拍的影像，還是只能找我們開發辨識核心！因為手機是在三維立體空間中拍攝的，影像變形的情況就不是二維影像了！我們完全技轉給精益科技的二維影像辨識技術也Hold不住的！

這種案例最經典的就是替翰林出版社設計的手拍閱卷辨識核心了！如前面兩篇文章所述，也是用到很多非影像辨識本身的外在物理限制條件才能成功的！而且專案完成後，他們的資訊部門也希望完整的技術移轉，我花了兩天上課真的將原始碼與辨識技術都教他們了！我不是隨便說說的，我真的願意教給客戶他們需要的所有知識。給我合理的工作費用就好！

上面是原始的影像轉為灰階的樣貌，下面是二值化影像：

在影像不會完美的狀況下，我們初步辨識塗選格的目標總是不完整的，尤其是有塗選的框框常常就不像標準的空格了，如下圖所示，綠框是確定為格子的目標，可以看到很多缺漏：

雖然初步辨識不完美，但是已經足夠我們找到邊界(紅線)，這是很重要的！因為邊界不保證是矩形，我們必須依照此資訊做出幾何關係，知道每一個格子屬於第幾行第幾列？如果某個目標根本不在隊伍之中，我們也可以明確地排除它！隊伍中誰在初步辨識中缺席了？也能正確補足了！如下圖就是我們可以找到的經緯線，再下圖的紅色方塊就是程式補上的應有目標位置：

至此所有格子的位置我們都能精確掌握了！就可以在那些小區域內做很準確的辨識它們是不是有被塗選？這一部分其實就很好做了！有如車牌辨識，字元目標找到之後，就是比對字模的例行工作，很簡單的！在此就不再贅述了！

在不完美的全圖影像中辨識幾百個格子總會有遺漏的狀況下，我們可以正確鎖定「所有」目標的關鍵並不是我們的「影像辨識演算法」特別厲害，而是我引用了考卷預設格式的資訊：他們總是成行列矩陣方式排列的！找到他們「應該」對齊的直線與橫線，我當然可以準確推算缺席者的位置，不必再刻意做「強化」的影像辨識把它們硬找出來了！

這就是我說的：影像辨識不只是影像辨識，為了達到目的，並不是永遠只在影像中找更細微隱晦的資訊來解決問題，手拍影像總是不完美的，再好的影像辨識演算法都會力有未逮。但是如果你能善用影像之外的資訊，常常可以很簡單的就解決問題！

這也是我說機器學習派的思維方式很難跟我競爭的原因之一！它們是不講究引用外在條件資訊的！如這個案例中，我用幾何學準確的推算出缺漏目標的過程，機器學習派要如何完成呢？你告訴我吧！如果他們也想到這麼多細節，將這些邏輯都加入他們的演算程序，就根本不必使用機器學習的那些「學習」過程了！

我開發這個專案使用的影像樣本大約四五十張，開發時程大約三個月，做出來的軟體實用起來就辨識率很好了！另一家南一書局風聞很好用，也跟我要求了一樣的技術轉移。試問如果使用機器學習的方式我要怎麼做？要收集多少影像樣本去「學習」？才能達到很高(>95%)的辨識率，還有非常快的辨識速度，我的軟體辨識一張都是一百多毫秒而已！