看起來是不是很誇張？真的黯淡到連人的眼睛都看不到的車牌，居然也能正確辨識？這個案例我就不會過度吹牛說是我的演算法有多厲害了！任何其他人用的演算法其實都應該可以辨識成功的！如果不行？那也只是因為他們不想讓計算時間太久，沒有刻意檢出處理對比度那麼低的目標而已！

如上圖的小視窗所示，我的參數pm就是字元目標的前景與背景的灰階差值，這個車牌中K字的pm值只有7，意思就是說把亮度分為0-255階，字元與它的背景亮度差只有7個灰階！對於人眼來說，7個灰階的亮度差已經是幾乎難以辨認的程度，但對於電腦來說，1個灰階與100個灰階的差異都是可以明確辨識的！

所以不要把模糊與低對比對混為一談！模糊的意思是經過攝影出來的影像中，各個像素的亮度會被種種物理或資料壓縮等處理的因素扭曲，應該是字元前景的黑區某些畫素未必比背景黑，背景中的某些畫素又未必比字元更白！我們想找一個門檻值定義誰是前景與誰是背景時就會無所適從而失真了！

但是如果像上例這樣，雖然差值很小但是前景背景的亮度還是很明確有合理差異的，我的程式將它們二值化之後的車牌是像下圖這樣的！雖然還是略有扭曲與雜訊，但是字元主體都還是相當完整清晰的，沒有太破碎，字元之間也沒有沾連，所以並不難辨識出正確答案！

其實用PhotoShop做適當的處理，就是針對車牌前景與背景的很小的灰階範圍內做對比度增強，也就是讓背景盡量變到最亮，前景盡量變到最暗，如下圖也可以把車牌看得非常清楚的！要做到這種處理你只需要有基本的數位影像概念，也會操作PhotoShop軟體就可以了！真正的專家就必須能把這些處理程序自己準確的寫成程式軟體了！

所以這種影像不是我會擔心的困難案例！基本的SOP就可以順利辨識成功了！真正困難的是類似下圖這樣，真正的車牌與背景沾連嚴重，我的軟體老是抓到不是車牌的幾個大字，答案當然就很離譜了！我的苦差事就是找出理由否決掉那些不合理的答案，讓真的車牌即使有千般障礙也要幫它們突破重圍被辨識到！