有位客戶說買回去的軟體表現欠佳，常常有缺漏字的情況，於是親自帶著現場照片過來請教。他是對我很有信心的，要我分析一下辨識不好的原因！親自過來我的辦公室不是興師問罪，而是想跟我要一堂免費的車牌辨識課程！既然都跟他講了，也跟大家一起分享吧！其實將上圖的車牌放大來看就會看出端倪了！

這個車牌的字元高約15畫素，以我一般賣出的停車場軟體來說，字不算太小了，「影像清晰」時是應該可以辨識正確無誤的！但是各位是不是覺得影像「太花」了一點！字元目標的邊緣有好多異常的亮點？這其實不是原始影像，而是作過「銳利化」影像處理的結果。用這種影像二值化會變成這樣：

這種影像即使可以辨識正確也會耗時較多來處理雜訊，我當場用PhotoShop軟體作一個銳利化的逆運算，就是模糊化，雜點就不見了，二值化的圖也乾淨多了！事實上一般「正常」的攝影機拍攝的影像應該比較像這樣，所以我賣出好多同樣的軟體給別的客戶都不會有這種高雜訊的問題，我也當場拿出一些其他客戶的影像給他看，證明他們拍的影像確實不正常！

他很懊惱的問：「那要甚麼攝影機才夠好啊？我們用的已經是車牌辨識專用等級的高檔攝影機了！」我開玩笑說：「用爛一點的非車牌專用攝影機就沒事了！」那些銳利化的處理原本是想讓車牌字元對比增強的，但是過猶不及，讓原本由白到黑的邊界產生微分效應，產生特別黑與特別白的花紋，就是無中生有的假訊息了！

他應該作的是回去設法將「車牌辨識專用攝影機」內建的銳利化處理取消掉，老老實實用簡單模式拍攝就好了！如果無法調整，就真的只能棄用這台較貴的攝影機，買一台便宜的攝影機了！事實是現在一般的數位攝影機品質都已經好到可以直接作車牌辨識了！是以往解析度較低的類比式攝影機的影像才有需要作銳利化的處理，已經夠清楚的影像作銳利化就會產生雜訊，反而不好辨識了！

所以大家都應該把「車牌辨識專用攝影機」這個名詞從字典中拿掉了！最多只能當他們是歷史名詞吧？僅僅在五六年前，多數監視器攝影機的畫素都還很低，拍出一整輛車子時，車牌字元的畫素就低到很難辨識了！所以車牌專用攝影機的意義是保證可以看清楚車牌的意思，就是畫素高於當時一般的攝影機，感光度與「銳利」度當然也要比較高。

但是當百萬畫素變成普遍規格時，每一台攝影機都已經比以前的車牌專用攝影機看車牌看得更清楚了！多餘的影像處理功能本身甚至變成了一個雜訊來源？沒看到這種影像我之前也沒想到會有這種事？這位客戶其實就是買到了昂貴的過時產品了！

另一種「車牌專用攝影機」的新概念是指攝影機內建有「微電腦」版的車牌辨識核心，也就是俗稱的前端辨識，就是讓辨識車牌這件事在攝影機內，或至少是攝影現場的辨識模組完成，更後端的電腦只是處理辨識的結果資料。相對的，如果將影像用網路直接送到遠離攝影現場的主機電腦作辨識就是所謂的後端辨識了！

目前很多業界人士都還是以為前端辨識的系統比較好？其實這絕對是個超級錯誤的觀念！影像辨識是很複雜的運算，辨識演算法還不斷進步之中，硬是要將此複雜運算的工作塞進前端簡陋的微電腦中作計算，這是很愚蠢的作法！因為速度一定很慢，還很難更新辨識程式，所以我賣的產品百分百都是後端辨識的軟體！

以往會說前端辨識較好的原因，是因為影像的網路傳輸量大，在網路效率還不高的時代，傳送影像資料的時間會大於作辨識運算的時間，所以辨識完之後再將簡單的車號答案後送是合理的！但是當網路發達進步之後這就完全沒有必要了！前端辨識有點像在野外露營，燒飯住宿都很不方便，後端辨識就像住五星級飯店，作甚麼運算或資料處理都比前端辨識方便快速不只十倍！現在外送快遞服務業興起，可能露營區都可以叫Food Panda送餐了！還堅持自己生火煮食應該只是為了好玩，在效率上是沒必要的！