光学字符识别（OCR - Optical character recognition）

光学字符识别（英语：Optical Character Recognition，缩写：OCR）是指对包含文本内容的图像（扫描的纸质文档、PDF文件或数码相机拍摄的图片等）或视频进行处理和识别，并提取其中所包含的文字及排版信息的过程，将扫描的纸质文档、PDF文件或数码相机拍摄的图片等不同类型的文档，转换为可编辑、可搜索的文本数据。例如，一个常见的应用是将包含文档图像的不可编辑状态的 PDF 文档通过 OCR 技术识别后，转换为可编辑状态的 Word 格式文档。

OCR 的工作原理

OCR 几个主要的关键步骤：

1. 图像预处理：提升图像质量，例如去除噪点、调整对比度、校正倾斜等。
2. 文本检测：识别图像中包含文字的区域（有时通过机器学习实现）。
3. 字符识别：将图像中的文字转换为实际字符，通常通过模式匹配或深度学习技术实现。
4. 后处理：利用词典、语法模型或自定义规则来纠正识别错误。

常见分类

• 印刷文本识别：印刷文本通常指报刊、杂志、文档、小票等使用现代计算机字体编排并印刷的文本内容。
• 手写文本识别：手写文本往往具有极大的变化。手写体识别可以帮助用户快速将手写的笔记内容数字化输入到计算机中，也被用在电子备忘录中，对手写笔记内容进行检索。此外，由手写文本识别也用于比对签名笔迹认证的真实性。
• 公式文本识别：数学公式通常由大量符号及数字组成。通常来说，数学公式的 OCR 识别需要借助使用 LaTeX 等结构化的文档标记语言来实现，即，OCR 给出的输出是一组 LaTeX 标记符号。
• 场景文本识别：场景文本识别。对任意场景下的图片中包含的任意形式的文本进行识别，包括街边商铺的招牌、超市内商品中的文本、合影中人物衣着上的文本、城市建筑上的商标名称等等。例如，手机中从相册中提取含有文本的图片，聊天应用复制图片中的文本，电商图片文字翻译，转账、支付详细截图文字识别等。
• 古籍文本识别：古籍文档与现代印刷的排版和布局通常具有很大的差别，例如，阅读顺序可能自上而下，自右向左等。在对大量古籍进行数字化保护的过程中，需要专门针对古籍文档内容进行识别的 OCR 技术。

常见应用场景

• 数字化纸质文档。
• 自动化数据录入（如发票、收据）。
• 为视障人士提供文字转语音功能。
• 护照或身份证扫描。
• 车牌识别。