OCR-systemen ondersteunen het uploaden van bestanden in meerdere indelingen, zodat gebruikers flexibel documenten van verschillende bronnen kunnen converteren naar bewerkbare tekst. Hieronder volgen enkele veelvoorkomende bestandsindelingen die OCR-systemen mogelijk ondersteunen:
Afbeeldingsindeling:
JPEG/JPG: een veelgebruikte afbeeldingscompressie-indeling die geschikt is voor foto's en gescande documenten.
PNG: Een verliesvrij gecomprimeerd afbeeldingsformaat dat transparantie ondersteunt en veelgebruikt wordt voor webafbeeldingen en -pictogrammen.
TIFF/TIF (inclusief Multi-Page TIFF): Een hoogwaardig afbeeldingsformaat dat veelgebruikt wordt in de druk- en uitgeversindustrie en dat documenten met meerdere pagina's ondersteunt.
BMP: Een standaard afbeeldingsformaat in Windows-systemen dat niet gecomprimeerd is, een hoge kwaliteit heeft maar grote bestandsgroottes.
GIF: Een afbeeldingsformaat dat animatie en transparantie ondersteunt. Hoewel het voornamelijk wordt gebruikt voor webafbeeldingen, kunnen OCR-systemen het ook ondersteunen.
Documentformaat:
PDF: Een draagbaar documentformaat dat veelgebruikt wordt voor het delen en afdrukken van documenten zoals e-books, rapporten en contracten. OCR-systemen kunnen meestal gescande tekst in PDF-bestanden herkennen.
Hoewel OCR-systemen bestanden in meerdere formaten kunnen verwerken, kunnen bestanden in verschillende formaten verschillende herkenningseffecten hebben tijdens het OCR-proces. Bijvoorbeeld, TIFF-bestanden met hoge scankwaliteit en heldere afbeeldingen zijn meestal gemakkelijker nauwkeurig te herkennen dan JPEG-bestanden. Daarom moeten gebruikers bij het kiezen om bestanden te uploaden, keuzes maken op basis van hun behoeften en bestandskwaliteit.