ocr軟體主要是由下面幾個部分組成。
1. 影象輸入、預處理：
2. 影象輸入：對於不同的影象格式，有著不同的儲存格式，不同的壓縮方式。預處理：主要包括二值化，雜訊去除，傾斜較正等
3. 二值化：
對攝像頭拍攝的，大多數是彩色影象，彩色影象所含資訊量巨大，對於的內容，我們可以簡單的分為前景與背景，為了讓計算機更快的，更好的識別文字，我們需要先對彩色圖進行處理，使只前景資訊與背景資訊，可以簡單的定義前景資訊為黑色，背景資訊為白色，這就是二值化圖了。
4. 雜訊去除：
對於不同的文件，我們對燥聲的定義可以不同，根據燥聲的特徵進行去燥，就叫做雜訊去除
5. 傾斜較正：
由於一般使用者，在拍照文件時，都比較隨意，因此拍照出來的不可避免的產生傾斜，這就需要文字識別軟體進行較正。
6. 版面分析：
將文件分段落，分行的過程就叫做版面分析，由於實際文件的多樣性，複雜性，因此，目前還沒有乙個固定的，最優的切割模型。
7. 字元切割：
由於拍照條件的限制，經常造成字元粘連，斷筆，因此極大限制了識別系統的效能，這就需要文字識別軟體有字元切割功能。
8. 字元識別：
這一研究，已經是很早的事情了，比較早有模板匹配，後來以特徵提取為主，由於文字的位移，筆畫的粗細，斷筆，粘連，旋轉等因素的影響，極大影響特徵的提取的難度。
9. 版面恢復：
人們希望識別後的文字，仍然像原文件那樣排列著，段落不變，位置不變，順序不變，的輸出到word文件,pdf文件等，這一過程就叫做版面恢復。
10. 後處理、校對:
根據特定的語言上下文的關係，對識別結果進行較正，就是後處理。
開源引擎
預處理**
opencv —— 影象處理老大哥。opencv3中有scene text detection值得一用。
libccv —— 現代影象處理庫，被很多人推薦。實現了精選的若干個影象處理演算法，乾淨容易移植。其中stroke width transfor尤其有用。
lswms —— 分行檢測。
ocropus —— 基於神經學習網路演算法的布局分析庫。教程。
tirg —— 文字區域檢測庫，效果演示。
un***** —— 檢測文字和旋轉，用的是hough transform演算法。
scene text detection(opencv)
api，
例子1，
例子2，
*****，
高層包裝應用。
高層專案
node-dv —— in node.js，整合了opencv、tesseract和一些其他專案。
node-fv —— node-dv的更高層，用於證件識別。
openocr —— 包裝了swt、tesseract、docker、rabbitmq，提供佇列和http訪問服務。in golang。
openalpr —— 包裝了tesseract和opencv，支援多系統build，支援docker，有python和node.js繫結。
android移動端
tess-two，tesseract的安卓移植，教程。
microblink，免費的移動ocr-sdk。
新方法：機器學習
如果有夠多的樣本和驗證能力，機器學習可以很好的處理ocr的問題。
乙個快速深度學習的框架，和基於它構建的ocr專案。
js構建的神經學習網路
參考:
[1]
Google開源OCR識別Tesseract介紹
ocr是什麼 ocr，即 optical character recognition，光學字元識別，是指通過掃瞄字元，然後通過其形狀將其翻譯成電子文字的過程。通常技術中廣泛流傳的 ocr 指的就是 將轉成文字 的智慧型技術。tesseract介紹 tesseract是谷歌開發並開源的影象文字識別引擎...
開源OCR光學字元識別
優秀的開源ocr軟體包括 tesseract 原本由惠普開發的影象識別類庫tesseract ocr已經更新到2.04，就是最近google支援的那個ocr。原先是惠普寫的，現在open source了。ocropus ocropus的 tm 是乙個先進的檔案分析和ocr系統，採用可插入的布局分析，...
開源OCR光學字元識別
優秀的開源ocr軟體包括 tesseract 原本由惠普開發的影象識別類庫tesseract ocr已經更新到2.04，就是最近google支援的那個ocr。原先是惠普寫的，現在open source了。ocropus ocropus的 tm 是乙個先進的檔案分析和ocr系統，採用可插入的布局分析，...