La respuesta corta
Pon la hoja sobre algo que no sea del mismo color que la hoja, colócate encima, llena el encuadre y haz una foto. Después abre el Escáner de documentos, comprueba las cuatro esquinas que ha encontrado, elige «Color, igualado» o «Blanco y negro» y guarda el PDF.
Ese es todo el trabajo. El resto explica qué arregla cada uno de esos pasos, porque saber qué parte hace qué es lo que te deja ver, en tres segundos, si lo que estás a punto de mandar te lo van a aceptar.
Qué separa de verdad una foto de un escaneo
Tres cosas, y no importan lo mismo.
- El ángulo. Una foto se hace desde donde estuvieras, así que la hoja es un cuadrilátero y no un rectángulo. Es lo que todo el mundo nota y lo más fácil de deshacer.
- La luz. Un escáner arrastra una luz uniforme por la hoja. Una habitación no: hay una zona brillante bajo la lámpara, un rincón apagado lejos de ella y, muy a menudo, tu propia sombra cruzando un lado. Es lo que de verdad hace que una foto parezca una foto, y lo que la gente intenta arreglar con el «contraste automático», que lo empeora.
- El tamaño. La foto de una hoja a doce megapíxeles son entre tres y cinco megabytes. Veinte de ellas son un documento que va a rebotar en la mitad de los servidores de correo a los que se mande.
Hacer la foto
Cinco cosas, ordenadas por cuánto cambian el resultado:
- Llena el encuadre. Es lo único que no tiene arreglo después. El detalle que no estaba en la foto no está en el archivo, y una hoja fotografiada desde el otro lado de la habitación es una hoja que nadie puede leer a ninguna resolución. Acércate en vez de usar el zoom: a menos que el teléfono cambie a un segundo objetivo más largo, acercar el zoom es un recorte del mismo sensor y tira justo los píxeles que intentas conservar.
- Ponla sobre algo de otro color. Una hoja blanca sobre una mesa blanca casi no tiene borde que nadie pueda encontrar: ni un programa, ni tú tampoco cuando vayas a arrastrar las esquinas a mano. Una mesa oscura, un libro, un abrigo: cualquier cosa.
- No te pongas entre la hoja y la luz. Tu propia sombra cruzando la hoja es el motivo más común de que un escaneo hecho con el teléfono se vea mal. Gira noventa grados y desaparece.
- Deja que enfoque y después aguanta quieto. El pulso no lo recupera ninguna herramienta, y un enfoque fallado tampoco. Toca la hoja en la pantalla, espera a que se asiente y dispara.
- Mete la hoja entera, con las esquinas. No porque las esquinas sean preciosas, sino porque es de donde se mide el enderezado. Una hoja que se sale por el borde del encuadre sigue funcionando — el borde de la foto hace de borde de la hoja —, pero una hoja con tres esquinas dentro y una supuesta es una hoja que va a salir un poco torcida.
Enderezar: la forma importa más que el ángulo
Deshacer el ángulo es una operación bien entendida. Cuatro esquinas de un rectángulo vistas desde cualquier sitio determinan la transformación que las devuelve a su lugar, y aplicarla a cada píxel da una hoja plana. Cualquier herramienta que diga que endereza una hoja está haciendo eso.
La parte que sale mal en silencio es de qué tamaño debería ser la hoja plana. El método evidente es medir los bordes del cuadrilátero y usar su proporción, y una foto tomada en ángulo escorza el borde lejano, así que una hoja de A4 sale visiblemente achatada. Sigue pareciendo un escaneo. Simplemente, cada línea de texto tiene la altura equivocada, y nada en la pantalla lo dice.
La respuesta mejor es que la propia perspectiva lleva la información: con tal de que sea una cámara corriente, la foto de un rectángulo basta para recuperar tanto las proporciones reales del rectángulo como la distancia focal de la cámara. El Escáner de documentos de aquí hace eso, y después te dice qué forma ha salido y si es un tamaño normalizado. Una hoja que dice «1:1,41, que es la forma de A4 o A5» es una hoja en la que ya no tienes que pensar.
La luz: dividir, no estirar
Subir el contraste de una hoja con luz desigual deja la parte clara en blanco y la oscura en negro, y la escritura de la parte oscura desaparece con ella. El problema nunca fue que el contraste fuera bajo. Es que el papel no tiene el mismo brillo en una esquina que en otra, así que no hay un único ajuste que sea correcto para toda la hoja.
Lo que sí funciona es estimar cómo de brillante es el papel en cada punto y dividir por eso. El papel es la mayoría brillante de cualquier trozo pequeño de una hoja, así que medir el brillo en una rejilla de casillas pequeñas y tomar un valor alto en cada una da la forma de la luz: el texto es demasiado oscuro y demasiado escaso para moverla. Divide por eso y lo que queda es la tinta, con luz uniforme, sin la sombra y con el papel otra vez blanco.
Eso es lo que hacen «Color, igualado» y «Escala de grises». Elige color cuando el color forme parte del documento: un sello, una firma en tinta azul, una línea subrayada, cualquier cosa por la que después alguien pueda preguntar si era el original.
Blanco y negro, y por qué el archivo se vuelve pequeño de golpe
Una hoja guardada como fotografía son millones de píxeles con dieciséis millones de colores posibles cada uno, y el códec gasta su esfuerzo en degradados sutiles que una página de texto no tiene. Una hoja guardada como blanco y negro es un bit por píxel — tinta o papel — y comprime como la cosa abrumadoramente repetitiva que es.
La diferencia no es pequeña: en las mismas páginas es unas dieciocho veces. Un contrato de veinte páginas que ocupa quince megabytes como fotografías cae por debajo del megabyte como páginas de un bit, que es la diferencia entre un documento que se puede mandar por correo y uno que no. Por eso lo trae de fábrica cualquier escáner de oficina.
La pega es que no hay medios tonos: una fotografía en la hoja se convierte en un revoltijo de puntos. Úsalo para páginas impresas y escritas, que es lo que son la mayoría de los documentos, y usa escala de grises para cualquier cosa con una imagen.
Un detalle que merece la pena conocer, porque explica por qué una herramienta buena acierta donde una mala produce una página con una esquina negra: la decisión de tinta o papel hay que tomarla localmente. Un único umbral para toda la hoja no puede funcionar cuando el papel en sombra es más oscuro que la tinta a plena luz, y en una hoja fotografiada muy a menudo lo es. Decidir cada píxel contra la media de su propio pequeño vecindario es lo que mantiene legible la escritura dentro de una sombra.
Varias páginas, un documento
Fotografía las hojas en orden, añádelas todas de una vez y se convierten en las páginas de un PDF en el orden en que se añadieron. Dos cosas que vigilar:
- Los nombres de archivo no se ordenan como crees.
pagina2.jpgva después depagina10.jpgen un orden alfabético, porque la comparación es carácter a carácter. Comprueba el orden en la tira antes de guardar, y no después en el PDF. - La limpieza es un ajuste para todo el documento, y a propósito. Unas páginas limpiadas de forma distinta parecen dos documentos grapados juntos, que es justo la impresión que un escaneo debería evitar. Elige el modo que le convenga a la peor página.
Antes de mandarlo
- Abre el PDF. No la vista previa: el archivo. Todas las páginas, del derecho, sin nada cortado por un borde.
- Lee lo más pequeño de la página. Un número de expediente, una fecha, un número de cuenta. Si no lo puedes leer en pantalla al 100%, quien lo reciba tampoco.
- Comprueba que no se han recortado las esquinas. Lo que hay en el borde de un formulario es un número de página, una línea de firma o la casilla que después alguien dirá que faltaba.
- Comprueba qué dice el documento sobre ti. Un PDF tiene campos para el autor, el productor y la fecha de creación, y la mayoría de las herramientas los rellenan. Si eso importa depende de quién lo reciba, pero conviene saber que está ahí.
Por qué nada de esto necesita una subida
Cada paso de arriba es aritmética sobre una imagen que tu propio equipo ya ha decodificado: cuatro esquinas, una transformación, una división, un umbral y un contenedor escrito byte a byte. No hay nada ahí que pueda hacer un servidor y no pueda un navegador, ni nada que necesite un modelo descargado para hacerlo.
Y merece la pena detenerse en eso, por lo que son estos archivos. La gente no fotografía hojas al azar. Fotografía un pasaporte, una nómina, un contrato de alquiler, un formulario médico, un contrato: documentos con un nombre, una dirección y un número de cuenta encima, escaneados precisamente porque una institución los ha pedido. Subir uno a una web para que le enderecen las esquinas le entrega a un desconocido el documento entero. Mira cómo saber si una herramienta necesita de verdad tus archivos para las cuatro comprobaciones que separan las herramientas que tienen que ver tu archivo de las que simplemente lo ven.