कागज़ी दस्तावेज़ और स्कैन की गई पीडीएफ़ में टेक्स्ट पिक्सेल के रूप में संग्रहित होता है, अक्षरों के रूप में नहीं। ऑप्टिकल कैरेक्टर रिकग्निशन इन छवियों को मशीन-पठनीय टेक्स्ट में परिवर्तित करता है, जिससे खोज, संपादन और स्वचालित प्रसंस्करण संभव हो पाता है।

प्रारंभिक प्रणालियाँ व्यक्तिगत फ़ॉन्ट के लिए टेम्पलेट का मिलान करती थीं। आधुनिक प्रणालियाँ लाखों टेक्स्ट छवियों पर प्रशिक्षित न्यूरल नेटवर्क का उपयोग करती हैं। वे हस्तलेखन, टेढ़े-मेढ़े स्कैन और मिश्रित लेआउट को अपने पूर्ववर्तियों की तुलना में कहीं बेहतर ढंग से संभालती हैं।

सामान्य ओसीआर अनुप्रयोग

• ऐतिहासिक अभिलेखागारों का डिजिटलीकरण
• बिल और रसीदों की प्रक्रिया करना
• लाइसेंस प्लेट पढ़ना
• तस्वीरों से संकेतों का अनुवाद करना
• स्कैन किए गए दस्तावेज़ों की पहुंच

सटीकता छवि की गुणवत्ता पर निर्भर करती है। धुंधली स्कैन छवियां, असामान्य फ़ॉन्ट और कम कंट्रास्ट, ये सभी परिणाम को खराब करते हैं। भाषा मॉडल के साथ पोस्ट-प्रोसेसिंग कई त्रुटियों को ठीक कर देती है, लेकिन कठिन इनपुट पर सटीक निष्कर्षण अभी भी मुश्किल बना रहता है।