光學字元識別（Optical Character Recognition）是指電子裝置（例如掃描器或數碼相機）檢查紙上列印的字元，透過檢測暗、亮的模式確定其形狀，然後用字元識別方法將形狀翻譯成計算機文字的過程；即，針對印刷體字元，採用光學的方式將紙質文件中的文字轉換成為黑白點陣的影象檔案，並透過識別軟體將影象中的文字轉換成文字格式，供文字處理軟體進一步編輯加工的技術。如何除錯或利用輔助資訊提高識別正確率，是OCR最重要的課題，ICR（Intelligent Character Recognition）的名詞也因此而產生。衡量一個OCR系統性能好壞的主要指標有：拒識率、誤識率、識別速度、使用者介面的友好性，產品的穩定性，易用性及可行性等。 工作原理： 一個OCR識別系統，其目的很簡單，只是要把影像作一個轉換，使影像內的圖形繼續儲存、有表格則表格內資料及影像內的文字，一律變成計算機文字，使能達到影像資料的儲存量減少、識別出的文字可再使用及分析，當然也可節省因鍵盤輸入的人力與時間。 從影像到結果輸出，須經過影像輸入、影像前處理、文字特徵抽取、比對識別、最後經人工校正將認錯的文字更正，將結果輸出。 影像輸入 欲經過OCR處理的標的物須透過光學儀器，如影像掃描器、傳真機或任何攝影器材，將影像轉入計算機。科技的進步，掃描器等的輸入裝置已製作的愈來愈精緻，輕薄短小、品質也高，對OCR有相當大的幫助，掃描器的解析度使影像更清晰、掃除速度更增進OCR處理的效率。 影像預處理：影像預處理是OCR系統中，須解決問題最多的一個模組。影像須先將圖片、表格及文字區域分離出來，甚至可將文章的編排方向、文章的提綱及內容主體區分開，而文字的大小及文字的字型亦可如原始檔案一樣的判斷出來。 對待識別影象進行如下預處理，可以降低特徵提取演算法的難度，並能提高識別的精度。 二值化：由於彩色影象所含資訊量過於巨大，在對影象中印刷體字元進行識別處理前，需要對影象進行二值化處理，使影象只包含黑色的前景資訊和白色的背景資訊，提升識別處理的效率和精確度。 影象降噪：由於待識別影象的品質受限於輸入裝置、環境、以及文件的印刷質量，在對影象中印刷體字元進行識別處理前，需要根據噪聲的特徵對待識別影象進行去噪處理，提升識別處理的精確度。 傾斜校正：由於掃描和拍攝過程涉及人工操作，輸入計算機的待識別影象或多或少都會存在一些傾斜，在對影象中印刷體字元進行識別處理前，就需要進行影象方向檢測，並校正影象方向。 文字特徵抽取：單以識別率而言，特徵抽取可說是 OCR的核心，用什麼特徵、怎麼抽取，直接影響識別的好壞，也所以在OCR研究初期，特徵抽取的研究報告特別的多。而特徵可說是識別的籌碼，簡易的區分可分為兩類：一為統計的特徵，如文字區域內的黑/白點數比，當文字區分成好幾個區域時，這一個個區域黑/白點數比之聯合，就成了空間的一個數值向量，在比對時，基本的數學理論就足以應付了。而另一類特徵為結構的特徵，如文字影像細線化後，取得字的筆劃端點、交叉點之數量及位置，或以筆劃段為特徵，配合特殊的比對方法，進行比對，市面上的線上手寫輸入軟體的識別方法多以此種結構的方法為主。 對比資料庫：當輸入文字算完特徵後，不管是用統計或結構的特徵，都須有一比對資料庫或特徵資料庫來進行比對，資料庫的內容應包含所有欲識別的字集文字，根據與輸入文字一樣的特徵抽取方法所得的特徵群組。 對比識別 這是可充分發揮數學運算理論的一個模組，根據不同的特徵特性，選用不同的數學距離函式，較有名的比對方法有，歐式空間的比對方法、鬆弛比對法（Relaxation）、動態程式比對法（Dynamic Programming，DP），以及類神經網路的資料庫建立及比對、HMM（Hidden Markov Model）…等著名的方法，為了使識別的結果更穩定，也有所謂的專家系統（Experts System）被提出，利用各種特徵比對方法的相異互補性，使識別出的結果，其信心度特別的高。 字詞後處理：由於OCR的識別率並無法達到百分之百，或想加強比對的正確性及信心值，一些除錯或甚至幫忙更正的功能，也成為OCR系統中必要的一個模組。字詞後處理就是一例，利用比對後的識別文字與其可能的相似候選字群中，根據前後的識別文字找出最合乎邏輯的詞，做更正的功能。 字詞資料庫：為字詞後處理所建立的詞庫。 人工校正 OCR最後的關卡，在此之前，使用者可能只是拿支滑鼠，跟著軟體設計的節奏操作或僅是觀看，而在此有可能須特別花使用者的精神及時間，去更正甚至找尋可能是OCR出錯的地方。一個好的OCR軟體，除了有一個穩定的影像處理及識別核心，以降低錯誤率外，人工校正的操作流程及其功能，亦影響OCR的處理效率，因此，文字影像與識別文字的對照，及其螢幕資訊擺放的位置、還有每一識別文字的候選字功能、拒認字的功能、及字詞後處理後特意標示出可能有問題的字詞，都是為使用者設計儘量少使用鍵盤的一種功能，當然，不是說系統沒顯示出的文字就一定正確，就像完全由鍵盤輸入的工作人員也會有出錯的時候，這時要重新校正一次或能允許些許的錯，就完全看使用單位的需求了。 結果輸出 有人只要文字檔案作部份文字的再使用之用，所以只要一般的文字檔案、有人要漂漂亮亮的和輸入檔案一模一樣，所以有原文重現的功能、有人注重表格內的文字，所以要和Excel等軟體結合。無論怎麼變化，都只是輸出檔案格式的變化而已。如果需要還原成原文一樣格式，則在識別後，需要人工排版，耗時耗力。
光學字元識別（Optical Character Recognition）是指電子裝置（例如掃描器或數碼相機）檢查紙上列印的字元，透過檢測暗、亮的模式確定其形狀，然後用字元識別方法將形狀翻譯成計算機文字的過程；即，針對印刷體字元，採用光學的方式將紙質文件中的文字轉換成為黑白點陣的影象檔案，並透過識別軟體將影象中的文字轉換成文字格式，供文字處理軟體進一步編輯加工的技術。如何除錯或利用輔助資訊提高識別正確率，是OCR最重要的課題，ICR（Intelligent Character Recognition）的名詞也因此而產生。衡量一個OCR系統性能好壞的主要指標有：拒識率、誤識率、識別速度、使用者介面的友好性，產品的穩定性，易用性及可行性等。 工作原理： 一個OCR識別系統，其目的很簡單，只是要把影像作一個轉換，使影像內的圖形繼續儲存、有表格則表格內資料及影像內的文字，一律變成計算機文字，使能達到影像資料的儲存量減少、識別出的文字可再使用及分析，當然也可節省因鍵盤輸入的人力與時間。 從影像到結果輸出，須經過影像輸入、影像前處理、文字特徵抽取、比對識別、最後經人工校正將認錯的文字更正，將結果輸出。 影像輸入 欲經過OCR處理的標的物須透過光學儀器，如影像掃描器、傳真機或任何攝影器材，將影像轉入計算機。科技的進步，掃描器等的輸入裝置已製作的愈來愈精緻，輕薄短小、品質也高，對OCR有相當大的幫助，掃描器的解析度使影像更清晰、掃除速度更增進OCR處理的效率。 影像預處理：影像預處理是OCR系統中，須解決問題最多的一個模組。影像須先將圖片、表格及文字區域分離出來，甚至可將文章的編排方向、文章的提綱及內容主體區分開，而文字的大小及文字的字型亦可如原始檔案一樣的判斷出來。 對待識別影象進行如下預處理，可以降低特徵提取演算法的難度，並能提高識別的精度。 二值化：由於彩色影象所含資訊量過於巨大，在對影象中印刷體字元進行識別處理前，需要對影象進行二值化處理，使影象只包含黑色的前景資訊和白色的背景資訊，提升識別處理的效率和精確度。 影象降噪：由於待識別影象的品質受限於輸入裝置、環境、以及文件的印刷質量，在對影象中印刷體字元進行識別處理前，需要根據噪聲的特徵對待識別影象進行去噪處理，提升識別處理的精確度。 傾斜校正：由於掃描和拍攝過程涉及人工操作，輸入計算機的待識別影象或多或少都會存在一些傾斜，在對影象中印刷體字元進行識別處理前，就需要進行影象方向檢測，並校正影象方向。 文字特徵抽取：單以識別率而言，特徵抽取可說是 OCR的核心，用什麼特徵、怎麼抽取，直接影響識別的好壞，也所以在OCR研究初期，特徵抽取的研究報告特別的多。而特徵可說是識別的籌碼，簡易的區分可分為兩類：一為統計的特徵，如文字區域內的黑/白點數比，當文字區分成好幾個區域時，這一個個區域黑/白點數比之聯合，就成了空間的一個數值向量，在比對時，基本的數學理論就足以應付了。而另一類特徵為結構的特徵，如文字影像細線化後，取得字的筆劃端點、交叉點之數量及位置，或以筆劃段為特徵，配合特殊的比對方法，進行比對，市面上的線上手寫輸入軟體的識別方法多以此種結構的方法為主。 對比資料庫：當輸入文字算完特徵後，不管是用統計或結構的特徵，都須有一比對資料庫或特徵資料庫來進行比對，資料庫的內容應包含所有欲識別的字集文字，根據與輸入文字一樣的特徵抽取方法所得的特徵群組。 對比識別 這是可充分發揮數學運算理論的一個模組，根據不同的特徵特性，選用不同的數學距離函式，較有名的比對方法有，歐式空間的比對方法、鬆弛比對法（Relaxation）、動態程式比對法（Dynamic Programming，DP），以及類神經網路的資料庫建立及比對、HMM（Hidden Markov Model）…等著名的方法，為了使識別的結果更穩定，也有所謂的專家系統（Experts System）被提出，利用各種特徵比對方法的相異互補性，使識別出的結果，其信心度特別的高。 字詞後處理：由於OCR的識別率並無法達到百分之百，或想加強比對的正確性及信心值，一些除錯或甚至幫忙更正的功能，也成為OCR系統中必要的一個模組。字詞後處理就是一例，利用比對後的識別文字與其可能的相似候選字群中，根據前後的識別文字找出最合乎邏輯的詞，做更正的功能。 字詞資料庫：為字詞後處理所建立的詞庫。 人工校正 OCR最後的關卡，在此之前，使用者可能只是拿支滑鼠，跟著軟體設計的節奏操作或僅是觀看，而在此有可能須特別花使用者的精神及時間，去更正甚至找尋可能是OCR出錯的地方。一個好的OCR軟體，除了有一個穩定的影像處理及識別核心，以降低錯誤率外，人工校正的操作流程及其功能，亦影響OCR的處理效率，因此，文字影像與識別文字的對照，及其螢幕資訊擺放的位置、還有每一識別文字的候選字功能、拒認字的功能、及字詞後處理後特意標示出可能有問題的字詞，都是為使用者設計儘量少使用鍵盤的一種功能，當然，不是說系統沒顯示出的文字就一定正確，就像完全由鍵盤輸入的工作人員也會有出錯的時候，這時要重新校正一次或能允許些許的錯，就完全看使用單位的需求了。 結果輸出 有人只要文字檔案作部份文字的再使用之用，所以只要一般的文字檔案、有人要漂漂亮亮的和輸入檔案一模一樣，所以有原文重現的功能、有人注重表格內的文字，所以要和Excel等軟體結合。無論怎麼變化，都只是輸出檔案格式的變化而已。如果需要還原成原文一樣格式，則在識別後，需要人工排版，耗時耗力。