Hoe je een document scant met je telefoon

Het korte antwoord

Leg de pagina op iets dat niet dezelfde kleur heeft als de pagina, ga erboven staan, vul het beeld, en maak één foto. Open dan Documentscanner, controleer de vier hoeken die hij gevonden heeft, kies „kleur, gelijkgetrokken” of „zwart-wit”, en sla de PDF op.

Dat is de hele klus. De rest hiervan legt uit wat elk van die stappen herstelt, want weten welk onderdeel wat doet is wat je in staat stelt om in drie seconden te zien of het ding dat je op het punt staat te versturen geaccepteerd gaat worden.

Wat een foto werkelijk van een scan scheidt

Drie dingen, en ze zijn niet even belangrijk.

• De hoek. Een foto wordt genomen vanaf waar je stond, dus de pagina is een vierhoek in plaats van een rechthoek. Dit is degene die iedereen opmerkt en de makkelijkste om terug te draaien.
• Het licht. Een scanner sleept een gelijkmatig licht over de pagina. Een kamer doet dat niet: er is een lichte plek onder de lamp, een donkere hoek er verder vandaan, en heel vaak je eigen schaduw over één kant. Dit is degene die een foto er werkelijk als een foto uit laat zien, en dit is degene die mensen met „automatisch contrast” proberen te herstellen, wat het erger maakt.
• De grootte. Een foto van twaalf megapixel van een pagina is drie tot vijf megabyte. Twintig daarvan zijn een document dat op de helft van de mailservers waar het heen gaat afketst.

De foto maken

Vijf dingen, op volgorde van hoeveel verschil ze maken:

• Vul het beeld. Dit is de enige die achteraf niet te herstellen is. Detail dat niet in de foto zat, zit niet in het bestand, en een pagina die van de andere kant van de kamer gefotografeerd is, is een pagina die niemand op welke resolutie dan ook kan lezen. Ga dichterbij staan in plaats van in te zoomen: tenzij de telefoon overschakelt naar een tweede, langere lens, is inzoomen een uitsnede van dezelfde sensor — het gooit precies de pixels weg die je probeert te houden.
• Leg hem op iets van een andere kleur. Een witte pagina op een wit bureau heeft vrijwel geen rand om te vinden — niet voor software, en ook niet voor jou als je de hoeken met de hand moet slepen. Een donkere tafel, een boek, een jas: wat dan ook.
• Ga niet tussen de pagina en het licht staan. Je eigen schaduw over de pagina is veruit de meest voorkomende reden dat een telefoonscan er slecht uitziet. Draai negentig graden en hij is weg.
• Laat hem scherpstellen, en houd dan stil. Bewegingsonscherpte is door geen enkel gereedschap terug te halen, en een gemiste scherpstelling ook niet. Tik de pagina aan op het scherm, wacht tot het rustig wordt, en druk dan op de knop.
• Krijg de hele pagina erin, hoeken inbegrepen. Niet omdat de hoeken kostbaar zijn, maar omdat het rechttrekken eraan gemeten wordt. Een pagina die van het beeld afloopt werkt nog steeds — de rand van de foto neemt de plaats in van de rand van de pagina — maar een pagina met drie hoeken in beeld en één geraden hoek is een pagina die er iets scheef uitkomt.

Rechttrekken: waarom de vorm meer uitmaakt dan de hoek

De hoek terugdraaien is een goed begrepen stukje rekenwerk. Vier hoeken van een rechthoek, vanaf waar dan ook gezien, bepalen de transformatie die ze terugzet, en die op elke pixel toepassen geeft een platte pagina. Elk gereedschap dat beweert een pagina recht te trekken doet dat.

Het deel dat stilletjes misgaat is hoe groot de platte pagina zou moeten zijn. De voor de hand liggende methode is de randen van de vierhoek meten en hun verhouding gebruiken — en een foto die schuin genomen is verkort de verre rand, dus een vel A4 komt er zichtbaar gedrongen uit. Het ziet er nog steeds uit als een scan. Elke regel tekst erop heeft simpelweg de verkeerde hoogte, en niets op het scherm zegt dat.

Het betere antwoord is dat het perspectief zelf de informatie draagt: mits de camera een gewone is, is een foto van een rechthoek genoeg om zowel de echte verhoudingen van de rechthoek als de brandpuntsafstand van de camera terug te rekenen. De Documentscanner hier doet dat, en vertelt je daarna welke vorm de pagina uitkwam en of dat een standaardvel is — dus een pagina die zegt „1:1,41, en dat is de vorm van A4 of A5” is een pagina waar je niet meer over hoeft na te denken.

Het licht: delen, niet oprekken

Het contrast verhogen van een ongelijk belichte pagina maakt het lichte deel wit en het donkere deel zwart, en wat er in het donkere deel geschreven staat verdwijnt daarmee. Het probleem was nooit dat het contrast te laag was. Het is dat het papier in de ene hoek niet even helder is als in de andere, dus er is geen enkele aanpassing die goed is voor de hele pagina.

Wat wel werkt is schatten hoe helder het papier op elk punt is en daardoor delen. Papier is de heldere meerderheid van elk klein stukje van een pagina, dus de helderheid meten over een raster van kleine vakjes en in elk vakje een hoge waarde nemen geeft de vorm van het licht — tekst is te donker en te schaars om het te verschuiven. Deel daardoor en wat overblijft is de inkt, gelijkmatig belicht, zonder de schaduw en met het papier weer wit.

Dat is wat „kleur, gelijkgetrokken” en „grijstinten” doen. Kies kleur wanneer de kleur bij het document hoort: een stempel, een handtekening in blauwe inkt, een gemarkeerde regel, alles waarvan iemand later zou kunnen vragen of het origineel was.

Zwart-wit, en waarom het bestand ineens klein wordt

Een pagina die als foto opgeslagen is, is miljoenen pixels met elk zestien miljoen mogelijke kleuren, en de codec besteedt zijn moeite aan subtiele overgangen die een pagina met tekst niet heeft. Een pagina die als zwart-wit opgeslagen is, is één bit per pixel — inkt of papier — en comprimeert als het overweldigend eentonige ding dat het is.

Het verschil is niet klein: op dezelfde pagina's is het zoiets als achttien keer. Een contract van twintig pagina's dat als foto's op vijftien megabyte uitkomt, blijft als één-bitspagina's onder een megabyte — en dat is het verschil tussen een document dat gemaild kan worden en één dat dat niet kan, en de reden dat elke kantoorscanner er standaard op staat.

De keerzijde is dat er geen halftonen zijn: een foto op de pagina wordt een rommeltje van stippen. Gebruik het voor gedrukte en geschreven pagina's, en dat zijn de meeste documenten, en gebruik grijstinten voor alles met een beeld erop.

Eén detail dat de moeite waard is om te weten, want het verklaart waarom goed gereedschap slaagt waar slecht gereedschap een pagina met een zwarte hoek oplevert: de beslissing inkt of papier moet plaatselijk genomen worden. Eén drempel voor de hele pagina kan niet werken als het papier in de schaduw donkerder is dan de inkt in het licht — en op een gefotografeerde pagina is het dat heel vaak. Elke pixel beoordelen tegen het gemiddelde van zijn eigen kleine omgeving is wat schrift binnen een schaduw leesbaar houdt.

Meerdere pagina's, één document

Fotografeer de pagina's op volgorde, voeg ze allemaal tegelijk toe, en ze worden de pagina's van één PDF in de volgorde waarin ze zijn toegevoegd. Twee dingen om op te letten:

• Bestandsnamen sorteren niet zoals je denkt. pagina2.jpg komt na pagina10.jpg in een alfabetische sortering, want de vergelijking gaat teken voor teken. Controleer de volgorde in de strook voordat je opslaat, en niet achteraf in de PDF.
• Het opschonen is één instelling voor het hele document, en dat met opzet. Pagina's die verschillend opgeschoond zijn, zien eruit als twee documenten die aan elkaar geniet zijn, en dat is precies de indruk die een scan moet vermijden. Kies de modus die past bij de slechtste pagina.

Voordat je het verstuurt

• Open de PDF. Niet het voorbeeld — het bestand. Elke pagina, met de goede kant boven, niets afgesneden aan een rand.
• Lees het kleinste dat op de pagina staat. Een kenmerknummer, een datum, een rekeningnummer. Kun je het op het scherm op 100% niet lezen, dan kan de persoon aan wie je het stuurt dat ook niet.
• Controleer of de hoeken niet weggesneden zijn. Wat aan de rand van een formulier staat is een paginanummer, een handtekeningregel, of het vakje waarvan iemand later zegt dat het ontbrak.
• Controleer wat het document over jou zegt. Een PDF heeft velden voor de auteur, de producer en de aanmaakdatum, en de meeste gereedschappen vullen ze in. Of dat uitmaakt hangt af van wie het ontvangt, maar het is de moeite waard om te weten dat het er staat.

Waarom hier geen upload voor nodig is

Elke stap hierboven is rekenwerk op een beeld dat je eigen machine al gedecodeerd heeft: vier hoeken, een transformatie, een deling, een drempel, en een houder die byte voor byte geschreven wordt. Er zit niets in dat een server kan en een browser niet, en niets dat er een gedownload model voor nodig heeft.

En daar is het de moeite waard bij stil te staan, om wat deze bestanden zijn. Mensen fotograferen niet zomaar pagina's. Ze fotograferen een paspoort, een loonstrook, een huurcontract, een medisch formulier, een contract — documenten met een naam, een adres en een rekeningnummer erop, die juist gescand worden omdat een instantie erom gevraagd heeft. Er een uploaden naar een website om de hoeken recht te laten trekken geeft een vreemde het hele document. Zie hoe je ziet of een gereedschap je bestanden werkelijk nodig heeft voor de vier controles die het gereedschap dat je bestand móét zien scheiden van het gereedschap dat het eenvoudigweg doet.