老實說，我也不知道為什麼經過攝影機這些字元會產生這樣的變化？但這些都是客戶已經很努力在特定的環境中拍攝出來的最佳影像了！上例就是在艷陽下的馬路上，攝影機必須裝在距離車輛好遠的路邊拍出來的影像，以客戶可以負擔的成本之下買到的攝影機，拍出來的品質就是這樣了！

當然這跟停車場出入口近距離停車狀態下拍攝的完美影像有相當的差距，所以停車場的一般要求辨識率是98%，道路情境通常90%以上就很厲害了！我的車牌辨識生意仰賴的就是我可以比別家廠商更能辨識好這些不太完美的影像！如果要進一步區分，其實有兩大類！

一種是近距離的手拍影像，一種是如上的遠距離拍的較模糊影像！前者要辨識的主要難度是因為視角偏差產生的高度變形，後者辨識的主要難度就是字元比較模糊了！清晰端正的影像真的只需要用OpneCV提供的開源程式碼組裝調整一下就可以做得不錯了！手拍車牌影像與道路遠距拍的影像才是專業車牌辨識廠商技術競爭的真正戰場！

目前我在辨識近距離高角度變形的技術上是有優勢的！所以路邊停車管理的手拍車牌影像辨識市場幾乎是獨佔的局面！至於車載車牌辨識呢？其實多數客戶的需要也是近距離斜向掃描路邊停車的車牌，所以技術關鍵和手拍車牌的辨識是相似的！所以我的產品也佔有很大的優勢！

但是一般道路的街景情境辨識呢？我能接觸到的案子還不夠多，因為這種道路車牌辨識的案子規模都很大！一個都會區每一期的計劃就會有上千個辨識地點，我們研發型的小公司除非有大公司關愛的眼神，不然是碰不到的！所以我只做過一些零星的定點科技執法案子，手邊這類資料不多，所以碰到如上的模糊車牌很多細節辨識門檻參數，或是針對模糊狀態的例外程序，是否已經調整得很好？還不是很有把握！

很高興最近有位客戶來找我，他們就是承包這種道路車牌辨識的！也測試過說我的辨識能力不錯，看起來有略優於他們現在使用的辨識軟體？還是我的售價比較便宜？他們想省錢？這我就不知道了！反正他準備採購中，我就跟他要了好多這種影像，說可以替他優化調整到更準確！他當然很高興啦！我也很高興的！

所以好的辨識軟體研發是沒有止盡的！但是要符合真實世界的需要，就需要有很多現場的影像資料！所以客戶是我的金主也是研究資料的提供者！如果是我極需的資料，我的軟體打個折扣我都願意的！巧婦難為無米之炊嘛！有適合的資料我的軟體才會越來越AI的！