OCR (Optical Character Recognition) er den proces, hvilken type skriftlig, trykt eller håndskrevet bliver omdannet til maskinlæsbart format. Her har vi at indtaste de scannede filer i formatet PDF til konvertering. OCR-processen startede i år 1950, som ændret mange gange og fik strukturen af nuværende stil. Det er hovedsageligt anvendes i væbnede styrker i USA. Det, vi kan sige vigtig opfindelse inden for informationsteknologi. På nuværende også OCR er en udfordrende forskning emne med masser af kommercielle applikationer.
OCR kan bruges i kommercielle applikationer som bogen søgning og indeksering, konvertering af dokumenter og også for postadresse anerkendelse.
Strukturel analyse og mønstertilpasning er den oprindelige eller primære rute tages for OCR-behandling. I denne billeder af forskellige former let kan omdannes til maskinlæsbart format nemt. I begyndelsen fase af opfindelsen blev OCR kun anvendes til kun bestemt skrifttype. Men nu kan genkende tegn af alle de skrifttyper der er tilgængelige i sproget.
Også nogle af de berømte OCR-software er til rådighed i dag omfatter ocrad, ABBYY fine læser, Tesseract samt brainware. Blandt disse ABBYY og Tesseract er let forskellige fra andre. Disse to kan tilbyde flere sprog. Største fordel vi kan se her er dens forenelighed til at konvertere PDF-filer nemt.
De fleste af OCR-software er licenseret og kan give PDF-output i et standard tekst dokumentformat. Også de accepterer forskellige typer af billedformater, som er almindelig i dag, såsom JPEG, GIF og TIFF. Det meste af OCR til rådighed i dag er specielt lavet til nogle specifikke sprog.
Det, vi kan sige som skræddersyet til kun specielle formål. Også nogle OCR-software tilbyder output filer klar til download med det samme uden at vente mere tid eller sender e-mailadresse og at vente på konverterede data.