如果它是壹個清晰的標準圖像，例如，如果您在網頁上剪切壹個帶有幾個數字的屏幕，則該圖像是壹個標準圖像，這對於labview來說是小菜壹碟。使用視覺OCR，對於穩定的圖像來說精度很好，並且時間不會超過0.5毫秒/圖像。
如果是工業圖像，字符有破損、殘缺、毛刺、斷層等情況，也比較困難，但比驗證碼好，驗證碼的難點在於字符的分割。工業字符分割壹般沒有問題，但難點在於識別算法。OCR無法對這張圖像做任何事情，例如6和8，0和O，因此它需要開發自己的算法。根據不同的字體，算法是不同的，並且沒有通用的算法，字符匹配等常用算法的準確性不高。
字符識別算法是對字符信息進行提取和判斷，並將人眼可識別的信息轉化為計算機可識別的信息的過程。目前漢字識別軟件普遍采用基於特征識別神經網絡匹配的算法。首先將字符分成約30個網格，並將每個網格的灰度值分為五級，得到長度為30的字符代碼。每個字符都有不同的代碼，並且可以添加壹些特征，例如是否有偏旁部首，以及哪壹側的灰度值更多。特征越多，準確率越高，但時間也會增加。對於英文字母和數字，沒必要這麽復雜。他們的特點是什麽，比如開口方向，對稱性（左右/上下/左右），當然還有很多特點需要自己分析。
兩組數據的顯示非常簡單，只需將它們綁定在壹起，X在頂部，Y在底部。