纸质文档和扫描的PDF文件以像素而非字符的形式存储文本。光学字符识别技术可以将这些图像转换为机器可读的文本，从而实现搜索、编辑和自动化处理。

早期的系统会为每种字体匹配模板。而现代系统则使用经过数百万张文本图像训练的神经网络。它们处理手写文本、倾斜扫描文本和混合布局的效果远胜于以往的系统。

常用OCR应用程序

• 历史档案数字化
• 处理发票和收据
• 读取车牌
• 从照片中翻译符号
• 扫描文档的可访问性

准确度取决于图像质量。模糊的扫描图像、不常见的字体和低对比度都会降低结果。使用语言模型进行后处理可以纠正许多错误，但对于复杂的输入图像，完美提取仍然难以实现。