物体検出の偽矩形（対象内部のロゴやテキストブロック領域など）を「真の境界は辺に沿ってエッジやコントラストがあるはず」という仮定で辺単位の局所統計（エッジ支持率、内外輝度差の平均・中央値・符号付き平均など）で弾く方式は、実データでは分離に失敗しやすい。実測で確認した反例の型:

• 真の対象にも「無コントラストの辺」が正当に存在する: 同色背景に接する辺、隣接する別オブジェクトとの境界辺、細い枠線だけの境界（±数pxのプローブでは両側とも同色）。min(辺スコア) の閾値方式はこれらを必ず誤棄却する。
• 偽矩形の辺が強い信号を持つ: 文字列や罫線に沿った辺は、平均でも中央値でも高いコントラストを出す（真の最弱辺より強い逆転が起きる）。
• 傾いた対象の boundingRect の辺は実境界から外れるため、矩形辺でのサンプリング自体が成立しない（四角形近似の辺を使っても上記反例は残る）。

判断基準

• この種の弁別器を設計する前に、真の対象の「最弱辺」と偽候補の「最強辺」の実測値を収集し、分布が分離しているかを先に確かめる。分布が重なるなら閾値・集計方法（平均→中央値等）の変更では救えないので、弁別軸自体を捨てる。
• 代替方針: 偽候補を後段で弾くのではなく、真の候補（全体矩形）を復元できれば面積優先の包含抑制で偽候補は自然に消える。「偽を消す」より「真を出す」側の修正がロバストになりやすい。

検証方法

候補ごとに辺単位のサンプル値配列をそのままログ出力して目視する（集計値だけでは分布の重なり方が見えない）。真・偽両方の代表例を揃えてから判断する。