OCR（光学字符识别）的原理是通过图像处理与模式识别技术将图像中的文字转换为可编辑的文本数据，其核心流程可分为以下步骤：

### 一、图像预处理
对输入的图像进行优化处理，消除干扰因素，提升后续识别的准确性。主要包括：
1. **去噪与灰度化**：去除图像中的背景噪声（如污渍、光照不均），并将彩色图转为灰度图以简化计算。
2. **二值化**：将灰度图像转换为黑白二值图像，通过设定阈值分离文字与背景，公式为：  
   $$ I_{\text{binary}}(x,y) = \begin{cases} 1 & \text{if } I_{\text{gray}}(x,y) \geq T \\ 0 & \text{otherwise} \end{cases} $$  
   其中T为自适应阈值。
3. **倾斜校正**：通过霍夫变换或投影分析调整文字方向，确保文字水平对齐。

### 二、文本检测与分割
1. **文本定位**：利用连通区域分析或深度学习模型（如EAST、CTPN）检测图像中的文字区域，区分文字与图片/表格等非文本内容。
2. **字符分割**：将文本行分割为单个字符，常用投影法（通过垂直/水平像素分布切割）或基于U-Net的分割网络处理粘连字符。

### 三、特征提取与模式识别
1. **特征提取**：  
   • **传统方法**：统计特征（如笔画宽度、黑/白像素比例）或结构特征（端点、交叉点位置）。  
   • **深度学习方法**：通过卷积神经网络（CNN）自动学习字符的局部特征（如边缘、纹理），或结合循环神经网络（RNN）捕捉序列依赖关系（适用于手写体或长文本）。
2. **识别匹配**：将提取的特征与预训练数据库对比，早期采用模板匹配或统计模型（如SVM、HMM），现代主流方案使用端到端深度学习模型（如CRNN、Attention OCR），直接输出识别结果。

### 四、后处理优化
对识别结果进行纠错与语义校正，例如：  
• **语言模型**：结合N-gram或BERT等模型修正语法错误（如“0”误识别为“O”）；  
• **规则校正**：根据特定场景调整格式（如日期“2025/03/11”标准化为“2025年3月11日”）。

### 技术演进对比
• **传统OCR**（1960-2000年代）：依赖人工设计特征与模板匹配，仅适用于标准印刷体，误识率高；  
• **现代OCR**（深度学习时代）：通过CNN/RNN自动学习复杂特征，可处理扭曲文字、多语言混排、手写体等场景，识别率提升至95%以上。

通过上述流程，OCR实现了从图像到结构化文本的转换，广泛应用于文档数字化（如扫描文件转Word）、车牌识别、医疗票据处理等领域。