Programvara för optisk teckenigenkänning med öppen källkod (OCR) är ett datorprogram som tar en bildfil med text och konverterar den till en textfil, vilket gör att användare kan skanna skrivna eller maskinskrivna dokument till textdokument, inte bara bildfiler. För att göra detta tittar OCR-programvaran med öppen källkod igenom sin databas med textstilar och tolkar dokumentet till en textfil. Att välja det bästa OCR-programmet kräver att man tittar på hur många textstilar programmet förstår och dess övergripande noggrannhet när det gäller att gissa bokstäver. Att ha ett stort antal tolkbara bildfiler är också användbart, liksom att ha en inlärningsmekanism så att programvaran kan utföra självkorrigering.
När OCR-programvara med öppen källkod ser en bildfil med text, till exempel ett skannat dokument, tittar programmet på bildfilen och dess textstilsdatabaser samtidigt. När programmet ser ett tecken som det känner igen, eller ett liknande tecken, tolkar det det som en bokstav. För att göra de bästa gissningarna och för att öka mängden teckensnitt som OCR-programmet förstår, är det bäst att ha ett program med en omfattande databas med stilar. Om det inte har en omfattande databas kan möjligheten att lägga till anpassade typsnitt till programmet kompensera för detta.
Även om det skulle vara bra om all öppen källkod OCR-programvara kunde skriva rätt text med 100 procent noggrannhet, är detta inte alltid fallet. I grundläggande termer gissar alla OCR-program på tecken och försöker bilda begripliga sekvenser av bokstäver och ord som de tycker bäst tolkar dokumentet. Att få OCR-systemet med högsta noggrannhet kommer att vara bäst för användaren, eftersom mindre tid kommer att läggas på att korrigera felaktiga ord eller fraser.
För att tolka en bildfil med text i den måste OCR-programvara med öppen källkod stödja den bildfilen. Om det inte finns något stöd för bildfilen kommer den inte att kunna titta på den, vilket kan dämpa programmets effektivitet, speciellt om användaren har ett stort antal bildtyper som inte stöds. Att använda ett OCR-program med det största antalet filtyper som stöds kommer att säkerställa att användare kommer att kunna få ett stort antal dokument tolkade.
Ett av huvudkoncepten bakom OCR-programvara med öppen källkod är artificiell intelligens (AI). Detta AI-system kan hjälpa OCR-programmet att göra gissningar och efter att ha läst en ny stil en tid kommer OCR-programmets noggrannhet att börja öka. Att ha kraftfull AI kommer att introducera en självkorrigerande mekanism som hjälper till med noggrannhet utan att användaren behöver göra något.