20世紀70年代初，日本的學者開始研究漢字識別，并做了大量的工作。中國在OCR技術(shù)方面的研究工作起步較晚，在70年代才開始對數(shù)字、英文字母及符號的識別進行研究，70年代末開始進行漢字識別的研究，到1986年，我國提出“863”高新科技研究計劃，漢字識別的研究進入一個實質(zhì)性的階段，清華大學的丁曉青和中科院分別開發(fā)研究，相繼推出了中文OCR產(chǎn)品，現(xiàn)為中國漢字OCR技術(shù)。



文字特征抽取：單以識別率而言，特征抽取可說是 OCR的核心，用什么特征、怎么抽取，直接影響識別的好壞，也所以在OCR研究初期，特征抽取的研究報告特別的多。而特征可說是識別的籌碼，簡易的區(qū)分可分為兩類：一為統(tǒng)計的特征，如文字區(qū)域內(nèi)的黑/白點數(shù)比，當文字區(qū)分成好幾個區(qū)域時，這一個個區(qū)域黑/白點數(shù)比之聯(lián)合，就成了空間的一個數(shù)值向量，在比對時，基本的數(shù)學理論就足以應(yīng)付了。而另一類特征為結(jié)構(gòu)的特征，如文字影像細線化后，取得字的筆劃端點、交叉點之數(shù)量及位置，或以筆劃段為特征，配合特殊的比對方法，進行比對，市面上的線上手寫輸入軟件的識別方法多以此種結(jié)構(gòu)的方法為主。



字詞后處理：由于OCR的識別率并無法達到，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(tǒng)中必要的一個模塊。字詞后處理就是一例，利用比對后的識別文字與其可能的相似候選字群中，根據(jù)前后的識別文字找出合乎邏輯的詞，做更正的功能。字詞數(shù)據(jù)庫：為字詞后處理所建立的詞庫。OCR后的關(guān)卡，在此之前，使用者可能只是拿支鼠標，跟著軟件設(shè)計的節(jié)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。