从20世纪70年代开始，光学字符识别技术就已经广泛地应用于各种商业应用，现在又开始运用到自动化任务中，如通行证处理、安全文件处理（支票、财务文件、账单）、邮件追踪、出版、消费品包装（单号、批号、有效期）及临床应用。可使用的工具有OCR读取设备和软件，以及能读取条形码和检测产品等附加功能的智能相机及视觉系统。

 

　　OCR的主要优点在于，它可以以一种让机器和肉眼都能识别的格式对信息进行编码，而条形码和二维码都只能通过机器识别。然而，以条形码方式编码的数据可靠性更高，这是因为OCR的字符替代率很高（尤其是使用OCR-A及OCR-B字体时）。支票用的字符通常是嵌入在OCR数据域中的，然后由OCR读取器或视觉系统通过计算来避免数据输出的替代错误。

 

　　有不同的方法可以把OCR整合到应用中，还有不同的系统可以用来处理OCR编码的数据。OCR模板及OCR字体都是最简单最可靠的类型。通用OCR字体的一些样例包括OCR-A、OCR-B、MICR E-13B及SEMI M12。OCR模板定义了几种参数，包括OCR字体、OCR字符的排列（按行或按列等）、每行字符字数、总行数，等等。

 

　　

 

　　标签上和直接标记的OCR示例

 

　　

 

　　OCR字体示例

 

　　还有一种有代表性的更高端的学习型机器视觉OCR系统，这种系统除了可以识别专用的OCR字体（OCR-A、OCR-B、MICR、SEMI）外，经过训练还能识别任何由用户定义的字体；而且，还能教它识别以任何语言生成的任何字体的整套字符集。这种系统的不足之处在于需要大量人力投入，而且在使用非OCR字体时可靠性会有所降低。光学字符验证（OCV）是一种能应对可靠性问题的方法。只要把特定的技术参数教授给OCR读取器，OCV软件就能参照这些参数来验证印出来的字符，确保数据编码正确，还能保证标签能以正确的方向贴在正确的产品上。