我们常说的OCR、文字识别、OCR技术识别文档是指通过电子设备等将纸质上的文字识别出来，形成可编辑的文字。

随着扫描仪的普及与广泛应用，再加上摄像头迅速发展的手机等智能终端设备的应用，OCR技术识别文档软件越来越被应用于各种业务系统中。

常规的OCR文字识别处理的过程包括：

1、图像输入、预处理：二值化图片、噪声去除、倾斜较正；

2、版面分析：把页面分为横排文本、竖排文本、表格、图片等不同区域，帮助字符切割、识别OCR；

3、设置语种：选择需要什么OCR语种的引擎程序；

4、输出结果：输出OCR识别结果为原版原样的优质文件；

OCR技术识别文档系统，只要把图像作一个转换，使图像内的字符继续保存、有表格则表格内资料及图像内的文字，一律变成计算机文字，方便日后查询检索重复利用。

通常公司企业的办公人员想得到的是双层PDF文件——双层PDF文件是一种具有多层结构的格式文件，其特点是：文件既可以是文本型的（比如由word生成的文件），也可以是图像型的（比如由扫描生成的文件）；双层PDF文件是指文件内容既包含文本层，也包含图像层，且其内容文字的位置上下一一相对应。通过OCR技术识别文档得到的双层PDF可以在打印的时候保持原图输出，并且可以全文检索复制，是一种非常优质的可存储文件。（来源：OCR识别）