OCR字符辨识是使用计算机对纸质材料或其他材料上的文字进行识别并电子信息流化的过程。由以往的研究表明,字符辨识系统的识别效果,与文本图像的预处理,如二值化处理、平滑处理,及文字分割处理都密切相关。错误的二值化或者分割将直接导致错误的字符辨识。因此,近年来,二值化方法以及文字的分割方法,成为了OCR领域中最大热点之一。本文首先介绍了图像的二值化方面的内容,对现今的较为常用的二值化方法,按全局Threshold化法与局部Threshold化方法的分类进行了分析和比较。之后介绍了字符分割的常用算法,从以往的传统分割方法到较前沿的识别类分割方法,进行了分析和比较。本文还重点介绍了在字符分割领域应用较多的Drop-fall算法等热门算法,在Gray-scale Image的基础上,对Drop-fall算法进行了优化,提出了基于此优化算法的字符分割算法。此改进方法是先将灰度的文本图像进行基于灰度的Segment化,再根据Segment Connected domain的概念把这个对象拟合为树的结构,然后确定主节点层,根据已有的算法在若干节点上进行更多的后期处理,最终得到最优化的分割结果。对于该方法中所使用的各类处理方法,文中都进行了较为详实的介绍,并给出了仿真结果的演示。在最后的仿真结果表明,该方法对Image质量较差(例如混合文本、图像模糊有断裂字等)的文本图像,有着比常规算法更加优质的结果。