Imagen digital es una tecnología madura que involucra la adquisición, indexación, compresión, almacenamiento, autenticación, transmisión, recuperación y visualización de páginas completas de documentos por medio de computadoras. Documento de análisis de imagen intenta ir un paso más allá, para extraer el contenido de los documentos digitalizados y convertirlo en una forma adecuada para el procesamiento digital. Análisis de imágenes de documento incluye el procesamiento de documentos gráficos como ingeniería planos, esquemas de circuito, organigramas y mapas, pero esta discusión está restringida a documentos de texto en su mayoría. Imagen de

la extracción de contenido digital requiere dos fases principales. La primera fase, identificación de los componentes lógicos o funcionales de un documento, se denomina análisis de diseño. La segunda fase, codificación de los pictogramas (letras, números, símbolos matemáticos y signos de puntuación) en una representación de equipo como el código estándar americano para el intercambio de información (ASCII), formato de texto enriquecido (RTF) o UNICODE (un nuevo estándar internacional) se llama reconocimiento óptico de caracteres. Ambos pasos requieren un conocimiento previo de la secuencia subyacente. Por otra parte, la exactitud del texto de reconocimiento puede mejorarse mediante postprocesado que aplica restricciones lingüísticas.