OCR的概念于1929年由德国科学家Tausheck最先提出。最早对印刷体汉字识别进行研究的是IBM公司的Casey和Nagy。在20世纪的60、70年代，世界各个国家对OCR的研究主要集中在对文字的识别方法上，并且仅是对0到9的数字进行识别。而国内在OCR技术的研究相对较晚。在20世纪70年代，国内学者起初研究的是数字、英文字母及符号的识别，70年代末开始研究汉字的识别。OCR技术在目前互联网及人工智能迅速发展的趋势下，也有了飞速的发展。到目前为止，结合其他方向的技术，特别是人工智能方向，OCR技术已经发展到可以识别带有地理位置信息的图纸，可以对文字进行高精度的识别，包括生僻字在内的情况。OCR技术也普遍应用在日常生活，最为熟悉的是实在RPA可以拍照识别图纸上的题目文字，另外还有一系列文字识别功能，包括:身份证识别、名片识别、表格识别等等。

图像输入预处理

图像输入，对其进行预处理操作。对于不同格式的图像，有着不同的存储格式和压缩方式。文中的图像输入，上传图片方法是实现客户端上传一张本地图片或者使用抓包工具postman向百度服务器发送url请求时设置参数添加一张本地带汉字的图片。预处理过程，是使用阈值分割法把图片上每个像素二值化。以下是用Java语言实现的预处理函数，函数是根据图片高度和宽度遍历图片上的每个像素点，通过ISWHITE来判断当前像素值。

灰度化处理，在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中Ｒ=G=B的值叫灰度值。灰度图每个像素只需一个字节存放灰度值，其范围是0～255。将彩色图像中的三分量的亮度作为三个灰度图像的灰度值。其中fk(i，j)(k=1，2，3)为转换后的灰度图像在(i，j)处的灰度值。采用分量方法。

二值化过程，根据灰度图像中像素的灰度级值的取值范围为c0，希望能够更加显现出图像中的文字部分，一般图像中的文字为黑色，在灰度图像中灰度值较小。二值化过程使用Otsu算法实现，Otsu算法又称为最大类间方差法。设一幅图像大小为(M*N)，f(x，y)是该图像中点(x，y)处像素的灰度值，灰度级为L，则f(x，y)∈［0，L－1］。若灰度级i的所有像素个数为fi，则第i级灰度出现的概率为:P(i)=fiM*N(4)∑L－1i=0P(i)=1(5)将图像中的像素按灰度级用阈值t划分为两类，即背景c0和目标c1［14］。背景c0的灰度级为0～t－1，目标的灰度级为t～L－1。背景c0和目标c1对应的像素分别为f(i，j)。背景c0部分出现的概率和目标c1部分出现的概率分别为:w0=∑t－1i=0P(i)w1=∑L－1i=tP(i)其中，w0+w1=1。背景c0部分和目标c1部分的平均灰度值分别为:u0(t)=∑t－1i=0i*P(i)w0(8)u1(t)=∑L－1i=ti*P(i)w1(9)图像的总平均灰度值为:u=∑L－1i=0i*P(i)(10)图像中背景和目标的类间方差为:δ2(k)=w0(u－u0)2+w1(u－u1)2(11)令k的取值从0～L－1变化，计算不同k值下的类间方差δ2(k)，使得类间方差δ2(k)最大时的那个值就是所要的最佳阈值。2图像分割图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。图像分割方法近年来又有新型神经网络图像分割法，文中使用阈值分割法进行图像分割。阈值分割方法实际上是输入图像f到输出图像g的变换，公式如下:g(i，j)=1，f(i，j)≥T{g(i，j)=0，f(i，j)≤T其中，T为阈值，对于物体的图像元素g(i，j)=1，对于背景的图像元素g(i，j)=0。如果能确定一个合适的阈值就可准确地将图像分割开来。阈值确定后，将阈值与像素点的灰度值逐个进行比较，而且像素分割可对各像素并行地进行，分割的结果直接给出图像区域。