這張越南車牌的辨識成功非常有意義！代表著我的車牌辨識流程中的車牌幾何校正邏輯的大解脫，也是大進化！這張車牌即使用我超厲害的台灣車牌辨識邏輯，也會因為車牌字元的彎曲排列而失敗的！

這種車牌本身就真的會彎曲的車牌當然很少出現，如果從正面拍攝也不會有辨識問題，但是在東南亞很多字數較多的車牌就會常出現，因為車牌太長車頭又常為了減低風阻略呈突出的弧形嘛！台灣也偶爾會出現，一旦彎曲車牌加上俯瞰的視角，就會讓車牌字元變成彎曲的字串，讓所有的車牌辨識都破功！

這種車牌為何如此難辨識的原因，是幾乎所有辨識程序都必須先在複雜的全圖中找到「車牌」的概略位置，那就必須先假設車牌的概略形狀去搜尋，最簡單的假設就是車牌是個「矩形」囉！包括大家以為最先進的CNN，也是被這個假設緊緊框架(綁架)住的！所以別說上述的弧形會讓矩形假設破功，即使只是傾斜度稍大的的車牌都會讓大多數的車牌辨識失效！所以我的軟體有高度歪斜車牌的辨識能力才會顯得很特別，也取得極大的產品優勢！

我所以能跳脫這個車牌辨識矩形假設的關鍵是：我會直接先找全圖中的「字元」目標，而不是試圖鎖定整個車牌！找出圖中所有可能是字元的目標後再加以排列組合，距離相近成排的就組成車牌的候選人做進一步的幾何修正，就是嘗試替這個群組切出車牌的四邊「直線」的意思！

但是如上圖大家就會發現，碰到弧形車牌我的直線邊緣假設也崩潰了！如果我假設如上紅線是車牌的正確邊緣，加以幾何投影運算扭正的車牌其實還是錯的！字元不會被轉成正確的形狀，當然後續的字模比對結果也不正確了！但截至目前我的台灣車牌辨識邏輯還是這樣的！所以碰到弧形車牌也是必死無疑的！

所以我這一波研究東南亞車牌時，一開始就想徹底解決這個問題，簡單說就是連直線邊緣的假設也完全放棄，就是承認每一個我找到的車牌字元都不保證與相鄰字元平行排列，可以想見弧形轉折點的左右字元當然傾斜變形的角度不同！我就必須真的個別分析字元，給予「因材施教」的個別處理囉！

上面的過程圖就可以讓各位理解，我的辨識不再是以「車牌」為一個處理框架，真的落實到每個字元都有獨立個別的最佳化幾何校正！這絕對是車牌辨識技術史上的一個大突破！現在碰到車牌彎曲成弧形，甚至扭曲成波浪狀都難不倒我了！如果其他人還是緊抱著矩形假設繼續研究改進他們的演算法，那就表示他們是穿著鐵鞋跟我賽跑！我的直線邊緣假設就是任意四邊形的假設，已經遙遙領先了！現在我連這個框架都擺脫了，誰還看得到我的車尾燈？