AR辨識圖像設計要點

　　製作基於影像辨識的擴增實境(以下簡稱AR)，一定要知道哪些圖像適合用來辨識，以及設計高辨識度影像內容的方法，才能提供使用者良好的AR體驗。辨識圖像通常是透過拍攝、掃描、電腦繪圖或影像處理而產生，以下先對圖片拍攝要點提出說明，再對圖像內容設計進行解析。

拍攝注意事項

　　拍攝特定目標(名片、畫作、封面、文宣...等)做為辨識圖像時，遵照以下規範可排除一些常見問題：
◎ 拍攝時不可包含目標圖像以外的非空白區域(如圖A拍攝到桌面上其他的紋理和物件)，否則這些景象都會成為辨識特徵的一部分。應該要如圖B把辨識圖案以外的空缺區域都裁切掉。 (請參閱：PS裁切影像)
◎ 拍攝目標上不可有反光或陰影(如圖A書皮左下有反光、右下有陰影)。
◎ 拍攝目標必需呈現工整且符合原長寬比例，不可帶有傾斜透視或扭曲變形(如圖A書本呈現歪斜)。
◎ 目標圖像必需完整攝入，不可遭到局部裁切(如圖A書皮左下拍攝不完整)。
※ 若想得到最靈敏的辨識效果，建議透過掃描器取得(而非相機拍攝)目標圖像，再搭配影像處理軟體進行調整。
　 　　　 　

圖A　錯誤拍攝

圖B　正確拍攝

良好的明暗對比

　　影像辨識是基於明度來判斷，與色相和彩度無關 (請參閱：色彩三屬性)，即使上傳了彩色照片(例如：Vuforia、AR SHARE...等擴增實境平台)也會被自動轉換成灰階，因此影像中的明暗分布是否適當相當重要。明暗對比不足(如圖C、圖E)是造成影像辨識率偏低的常見原因，簡單來說就是亮的不夠亮、暗的不夠暗。為避免這樣的情況，拍攝照片時要有良好的照明，若遇到明暗不佳的圖片，可透過影像處理軟體進行調整 (請參閱：PS調整亮度對比)。圖D、圖F即明暗對比充足的圖片，具有很好的辨識效果。 　 　　　 　　　 　

圖C　錯誤(無法辨識)	圖D　正確
圖E　錯誤(無法辨識)	圖F　正確

什麼是特徵？

　　特徵(feature)是指影像中亮暗分明的角、尖銳的形，如下圖標示的黃色十字處(圓形沒有角所以沒有特徵、方形只有四個角有特徵、交錯和具有細節的圖案能形成特徵)。一般來說，圖像中有愈多特徵點，就具有愈高的影像辨識率，可產生更靈敏、穩定的辨識效果。

具有足夠的特徵點

　　若影像不包含上述缺失但仍難以辨識，那就是內容本身的問題，也就是圖像中缺乏特徵點(如圖G)。簡單來說，圓形、曲線、直線、素色區域、色彩漸層、模糊景象..都不具有辨識特徵，而亮暗對比足夠的銳角或交叉才會形成特徵點。所以具有豐富細節的影像(如圖H)，通常會有比較高的辨識度。若想知道某張圖片的辨識率和特徵點分布，請參閱「Vuforia新手入門教學」這篇文章。
　 　　　 　　　 　

圖G　多屬圓形、弧線(缺乏特徵)	圖H　充滿細節(形成很多特徵)

平衡分布特徵點

　　影像中特徵點分佈愈廣、愈平衡，可產生愈好的辨識追踪效果。如下兩圖都具有一定的辨識度，但鏡頭晃動(或只掃描到圖片右邊局部)時圖J會有較好的穩定性，因為圖I的特徵點都集中在左邊。
　 　　　 　　　 　

圖I　右側較缺乏特徵(右下完全沒有特徵)	圖J　特徵點分佈較廣

避免重複或對稱圖案

　　即使圖像的特徵點數量足夠，但重複、對稱(鏡射)的圖案會影響辨識效果，甚至造成無法辨識。就算重複的圖案有旋轉和縮放過也一樣。

避免類似的辨識圖像

　　同一專案中若存在兩個類似(如以下兩圖)、極為近似或完全一樣的辨識圖案，會導致辨識效果不穩定，甚至異常。
　 　　　 　

如何提高影像辨識率？

　　對於低辨識率的圖像，首先調整明暗對比以凸顯形(角)的特徵。若還不行的話(表示特徵點不夠)，就嘗試在影像中加入一些特徵，例如帶有角的圖形、文字或背景...等。如圖K的鴨子原本缺乏特徵點，透過添加文字和背景(如圖L)來增加特徵點數量，就能大幅提升影像辨識率，這是個簡單又有效的方法。
　 　　　 　　　 　　　 　

圖K　原圖缺乏特徵點	圖L　修改後增加很多特徵點