光学字符识别（英语：Optical Character Recognition，OCR），是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。

过程

输入

对于不同的图像格式，有着不同的存储格式、不同的压缩方式，目前有OpenCV、CxImage等。

前期处理

二值化

如今数码摄像头拍摄的图片，大多数是彩色图像，彩色图像所含信息量巨大，较为不适用于OCR技术。

对于图片的内容，我们可以简单的分为前景与背景，为了让计算机更快的、更好地进行OCR相关计算，我们需要先对彩色图进行处理，使图片只剩下前景信息与背景信息。二值化也可以简单地将其理解为“黑白化”。

图像降噪

对于不同的图像，噪点的定义可能不同，根据噪点的特征进行去噪的过程，称为降噪。

倾斜校正

由于一般用户，在拍照文档时，难以拍摄得完全符合水平平齐与竖直平齐，因此拍照出来的图片不可避免的产生倾斜，这就需要图像处理软件进行校正。

中期处理

版面分析

将文档图片分段落，分行的过程称为版面分析，由于实际文档的多样性、复杂性，此步骤目前仍待优化。

字符切割

由于拍照、书写条件的限制，经常造成字符粘连、断笔，直接使用此类图像进行OCR分析将会极大限制OCR性能。因此需要进行字符切割，即：将不同字符之间分割开。

字符识别

早期已模板匹配为主，后期以特征提取为主。由于文字的位移、笔画的粗细、断笔、粘连、旋转等因素的影响，极大地影响特征提取难度。

版面还原

人们希望识别后的文字，仍然像原始文档图片那样排列，段落、位置、顺序不变地输出到Word文档、PDF文档等，这一过程称为版面还原。

后期处理

根据特定的语言上下文的关系，对识别结果进行校正。

输出

将识别出的字符以某一格式的文本输出。

主流实现

• CNN+RNN+CTC

• CNN+RNN 基于 Attention 的方法。

• 机器视觉
• 人工智能与模式识别
• 图像处理
• 自动光学检查
• 开放源代码计算机视觉库：OpenCV

• 艾伦·图灵
• 图灵测试

• 人工生命
• 人工智能哲学
• 认知神经科学
• 电脑围棋
• 恐怖谷理论
• 电子世界争霸战
• 电脑科学
• 认知科学
• 意识
• 语义学
• 技术奇异点
• 集体智慧
• 控制论
• 心理学
• 生物化学计算机（例：人脑）

• 计算智能
• 数据挖掘
• 模式识别
• 自主控制机器人
• 归纳逻辑编程
• 决策树
• 神经网络
• 强化学习
• 贝叶斯学习
• 最近邻居法
• 计算学习理论
• 深度学习
• 机器学习控制

• 机械电子学
• 控制论
• 无人航空载具（俗称无人飞机）
• 认知科学
• 动力服
• 个人电脑
• 超级计算机
• 互联网
• 机器人三定律（Three Laws of Robotics）