Wie funktioniert Dokumentenscannen im Hintergrund? Kantenerkennung, Perspektivkorrektur und Schattenentfernung

Zwischen einem Dokumentfoto, das Sie mit Ihrem Handy aufnehmen, und einem Bild aus einem Büroscanner besteht ein sichtbarer Unterschied. Auf dem Foto liegt das Papier schräg, eine Kante wirkt breiter als die andere, Ihr eigener Schatten fällt darauf, und die Unterlage rutscht mit ins Bild. In der Scannerausgabe dagegen ist die Seite schnurgerade, ihre Kanten sind parallel und die Ausleuchtung ist gleichmäßig.

Das Interessante daran: Der größte Teil dieses Unterschieds ist nicht optischer, sondern mathematischer Natur. Das heißt, wenn Sie die richtigen Bildverarbeitungsschritte anwenden, lässt sich ein gewöhnliches Handyfoto einer Scannerausgabe durchaus stark annähern. In diesem Artikel behandeln wir die drei grundlegenden Schritte, die das Tool Dokumentenscanner im Hintergrund ausführt — Kantenerkennung, Perspektivkorrektur und Schattenentfernung — technisch, aber verständlich.

Die Ursache des Problems: eine Kamera ist kein Scanner

Ein Flachbettscanner blickt aus einem festen Abstand, in exakt rechtem Winkel und mit kontrolliertem Licht auf das Dokument. Eine Handykamera garantiert nichts davon:

• Der Winkel ist nicht fest. Exakt senkrecht auf das Papier zu blicken, ist in der Praxis nahezu unmöglich; schon eine Neigung von wenigen Grad macht aus dem Rechteck ein Trapez.
• Der Abstand ist nicht an jedem Punkt gleich. Die Ihnen zugewandte Kante der Seite erscheint größer, die entfernte Kante kleiner.
• Die Beleuchtung ist nicht gleichmäßig. Das Licht vom Fenster erhellt die eine Seite, während die andere im Schatten bleibt; obendrein werfen Sie und Ihr Handy einen eigenen Schatten.
• Im Bildausschnitt ist mehr als nur Papier. Der Tisch, ein Buch, ein Teil Ihrer Hand.

Jeder der Bildverarbeitungsschritte zielt auf eines dieser Probleme.

Schritt 1: Kantenerkennung — wo beginnt das Papier?

Die erste Frage lautet: Welcher Bereich dieses Fotos ist das Dokument und welcher der Hintergrund? Das menschliche Auge erledigt das augenblicklich, ein Algorithmus muss es aber aus Pixelwerten ableiten.

Der verwendete Ansatz ist die Konturerkennung. Die Intensitätsunterschiede zwischen benachbarten Pixeln im Bild werden berechnet; ändern sich die Pixelwerte in einem Bereich schnell, bedeutet das, dass dort eine Grenze verläuft. Diese Grenzpunkte werden zu geschlossenen Kurven (Konturen) verbunden.

In einem Dokumentfoto finden sich Dutzende Konturen: die Papierkante, die Textzeilen, die Holzmaserung des Tisches, der Rand eines Schattens. Gesucht ist aber nur eine davon — die Kontur, die den äußeren Rand des Papiers bildet, vier Ecken hat und einen großen Teil des Bildes einnimmt.

Der Erfolg dieser Erkennung hängt unmittelbar vom Kontrast ab. Liegt weißes Papier auf einem dunklen Tisch, ist der Intensitätsunterschied an der Grenze groß und die Kontur wird klar; auf einem hellen Tisch ist der Unterschied klein, und die Kontur entsteht entweder unterbrochen oder gar nicht. Liegt eine der Ecken außerhalb des Bildausschnitts, kann von vornherein kein geschlossenes Viereck entstehen.

Was passiert, wenn sie nicht gefunden wird?

Hier kommt eine bewusste Entwurfsentscheidung des Tools ins Spiel: Wird die Kante nicht gefunden, wird das Foto so verwendet, wie es ist, und der Vorgang schlägt nicht fehl.

Auf den ersten Blick mag das wie "faules" Verhalten wirken, tatsächlich ist es aber das Richtige. Denken Sie an die Alternative: Der Algorithmus trifft eine Vermutung, obwohl er sich nicht sicher ist, und schneidet anhand dieser Vermutung zu. Falsch geschätzte Ecken bedeuten, dass die Hälfte des Dokuments abgeschnitten wird. Dass die Unterschriftszeile eines Vertrags oder der Betrag auf einer Rechnung weggeschnitten wird, ist ein deutlich schlechteres Ergebnis als gar kein Zuschnitt.

Das System entscheidet sich also dafür, bei Unsicherheit nicht einzugreifen. Der Preis dieser Entscheidung ist, dass Ihnen ein unzugeschnittenes Foto bleibt — aber das lässt sich rückgängig machen: Sie nehmen das Foto auf einer kontrastreicheren Unterlage neu auf. Ein abgeschnittenes Dokument dagegen lässt sich nicht wiederherstellen.

Schritt 2: Perspektivkorrektur — aus dem Trapez ein Rechteck machen

Nachdem die vier Ecken gefunden wurden, beginnt der zweite Schritt: die Vier-Punkt-Perspektivtransformation.

Das Problem lässt sich so formulieren. In der realen Welt ist ein A4-Blatt ein Rechteck; alle vier Winkel betragen 90 Grad. Auf einem schräg aufgenommenen Foto erscheint dieses Rechteck jedoch als Trapez — die nahe Kante lang, die ferne Kante kurz, die Winkel von 90 Grad abweichend. Ziel ist es, das Trapez im Foto wieder in ein Rechteck zu überführen.

Mathematisch ist das die Abbildung einer Ebene von einer Ansicht in eine andere. Sie haben vier Quellpunkte (die Ecken des Trapezes im Foto) und vier Zielpunkte (die Ecken des Ausgaberechtecks). Diese vier Punktpaare bestimmen die Transformation zwischen den beiden Ebenen eindeutig. Nachdem die Transformation berechnet wurde, wird für jedes Pixel im Ausgabebild die entsprechende Position im Quellbild ermittelt und der Farbwert von dort übernommen.

Das praktische Ergebnis ist, dass Sie ein Bild erhalten, als würden Sie frontal auf die Seite blicken: Die Kanten werden parallel, die Textzeilen waagerecht.

Die Annahme der Transformation und ihre Grenze

Diese Berechnung hat eine entscheidende Annahme: Die transformierte Fläche ist eine Ebene. Liegt das Papier flach auf dem Tisch ausgebreitet, trifft die Annahme zu und das Ergebnis ist sehr gut.

Ist das Papier jedoch gewölbt, zerknittert oder handelt es sich um eine Seite nahe der Bindung eines Buches, ist die Fläche keine Ebene mehr. Die Transformation wird trotzdem angewendet — die Kanten werden begradigt —, aber die Krümmung der Fläche bleibt. Am deutlichsten sehen Sie das bei Buchseiten: Die Kanten werden gerade, die Schrift im Bereich nahe der Bindung bleibt jedoch leicht gewölbt und gestaucht. Die praktische Schlussfolgerung ist einfach: Breiten Sie das Dokument auf einer möglichst flachen Unterlage aus.

Schritt 3: Schattenentfernung — ungleiches Licht angleichen

Der dritte und vielleicht der Schritt, der das Ergebnis am stärksten verändert. Eine perspektivisch korrigierte Seite kann immer noch "wie ein Foto" aussehen, weil die Ausleuchtung ungleichmäßig ist: links hell, rechts grau, in einer Ecke ein Schatten.

Die hier angewendete Methode beruht auf folgender Logik: Wenn Sie ein Bild extrem stark weichzeichnen, bleibt nur die Verteilung des Lichts übrig.

Sie besteht aus zwei Schritten:

1. Eine Kopie des Bildes wird stark weichgezeichnet. Dieser Vorgang löscht feine Details — Schrift, Linien, Textur — vollständig; übrig bleibt eine weiche Intensitätsverteilung, die zeigt, welcher Bereich der Seite wie hell ist. Das können wir die Hintergrundkarte nennen.
2. Das Originalbild wird durch diese Karte geteilt. Die Division normalisiert jedes Pixel an der durchschnittlichen Helligkeit seiner eigenen Region.

Das Ergebnis ist Folgendes: Ein Pixel in einem hellen Bereich wird durch einen hohen Hintergrundwert geteilt und nach unten gezogen, ein Pixel in einem beschatteten Bereich wird durch einen niedrigen Wert geteilt und nach oben gezogen. So gelangt jeder Bereich der Seite auf dasselbe Helligkeitsniveau.

Der entscheidende Punkt ist: Die Schrift wird von diesem Vorgang nicht beeinträchtigt. Denn da die Schrift bei der Weichzeichnung gelöscht wurde, taucht sie in der Hintergrundkarte nicht auf — und was nicht in der Karte steht, kann durch die Division auch nicht neutralisiert werden. Der Untergrund wird angeglichen, die Schrift behält ihren Kontrast; da der Untergrund sogar weißer wird, steigt ihr relativer Kontrast.

Die Methode funktioniert sehr gut bei weichen Übergängen wie einseitigem Licht vom Fenster oder dem allmählichen Helligkeitsunterschied durch eine Schreibtischlampe. Schwer tut sie sich bei scharfkantigen, sehr dunklen Schatten: Der harte Schatten, den Ihre Hand auf das Papier wirft, bleibt auch nach der Weichzeichnung als scharfe Grenze in der Karte und lässt sich nicht vollständig neutralisieren.

Schritt 4: Filter und A4-Normalisierung

Nach den drei grundlegenden Schritten folgt eine letzte Verarbeitungsebene: die Filterwahl. Vier Modi wenden auf dasselbe korrigierte Bild unterschiedliche Nachbearbeitungen an.

Der Dokumentmodus (Standard) kombiniert die Schattenentfernung mit Kontrastanhebung und Schärfung. Er ist für die Mehrheit textlastiger Seiten ausgelegt: weißer Untergrund, dunkle und scharfe Schrift.

Graustufen entfernt die Farbinformation; die Schattenentfernung läuft auch hier, der Kontrast wird jedoch sanfter gehalten als im Dokumentmodus. Ihre Aufgabe ist nicht, die Schrift zu härten, sondern die Tonwerte zu bewahren — deshalb ist sie auf Seiten mit Fotos oder schattierten Diagrammen sicherer als Schwarz-Weiß.

Schwarz-Weiß wendet eine Schwellenwertbildung an: Jedes Pixel oberhalb eines Schwellenwerts wird weiß, jedes darunter schwarz, Zwischentöne bleiben keine. Von den vier Modi erzeugt dieser die kleinste Datei, führt aber auf Seiten mit grau schattierten Inhalten zu erheblichem Informationsverlust.

Im Modus Original bleibt das Farbbild unangetastet; es werden nur Kantenerkennung und Perspektivkorrektur angewendet. Ein Detail ist dabei erwähnenswert: Die Schattenentfernung läuft in allen drei anderen Modi, und Original ist der einzige, der diesen Schritt auslässt. Deshalb ist das die richtige Wahl, wenn die Farbinformation selbst bedeutsam ist — eine blaue Unterschrift, ein farbiger Stempel, farbcodierte Tabellen — und wenn ein Foto oder ein graustufiges Diagramm auf der Seite völlig unangetastet bleiben soll.

Zuletzt wird jede Seite auf A4-Format gebracht. Die Seitenausrichtung wird pro Bild gewählt: Eine Hochformataufnahme ergibt eine A4-Hochformatseite (595x842 Punkt), eine Querformataufnahme eine A4-Querformatseite (842x595 Punkt). Der Wert dieses Schritts zeigt sich bei mehrseitigen Dokumenten — selbst wenn Sie jedes Foto aus einem anderen Abstand aufgenommen haben, wirkt die Ausgabe einheitlich. Bei gemischter Ausrichtung sind die Seitengrößen naturgemäß nicht alle gleich.

Der optionale letzte Schritt: die Textebene

Im Kern ist der Dokumentenscanner ein Werkzeug zur Bildverarbeitung, er kann am Ende des Vorgangs aber auch Text erkennen, wenn Sie das möchten. Wählen Sie im Menü Texterkennung (OCR) auf der Tool-Seite Türkisch, Englisch oder Türkisch + Englisch, wird über die fertige PDF eine unsichtbare Textebene gelegt und das Dokument wird durchsuchbar. Standardmäßig steht die Auswahl auf "Nicht hinzufügen": Die Texterkennung verlängert die Verarbeitungsdauer spürbar, sie ist also für diejenigen da, die sie brauchen.

Lassen Sie das Menü unverändert, bleibt jede Seite der Ausgabe ein korrigiertes und bereinigtes Bild — für das Auge lesbar, aus Sicht des Computers aber weiterhin ein Bild.

Dass die Erkennung zuletzt und auf der fertigen PDF statt auf den einzelnen Fotos läuft, ist ebenfalls kein Zufall. Die Erkennungsgenauigkeit hängt unmittelbar von der Qualität des Eingabebildes ab: schräg stehende Zeilen, ein beschatteter Untergrund und niedriger Kontrast sind die drei wesentlichen Faktoren, die die Zeichenerkennung erschweren — und genau das sind die drei Probleme, die die vorangegangenen Schritte lösen. Wenn Sie bereits eine sauber gescannte PDF haben und nur eine Textebene brauchen, gibt es dafür ein eigenes OCR-Tool.

Was bedeutet das für den Datenschutz?

Diese Vorgänge — Konturanalyse, Perspektivtransformation, Weichzeichnung und Division — laufen serverseitig. Anders als bei manchen PDF-Tools, die im Browser arbeiten, wird die Datei hier auf den Server übertragen, verarbeitet, und das Ergebnis kommt zu Ihnen zurück. Die Dateien werden nach Abschluss der Verarbeitung gelöscht. Da Dokumentfotos häufig sensible Inhalte tragen — Ausweis, Vertrag, Rechnung, ärztlicher Befund —, lohnt es sich, diesen Punkt bewusst im Blick zu behalten.

Fazit

Was ein Handyfoto in ein gescanntes Dokument verwandelt, ist kein einzelner magischer Vorgang, sondern drei Berechnungen, die einander ergänzen. Die Konturerkennung findet, wo das Papier ist, die Vier-Punkt-Perspektivtransformation korrigiert den Winkel, und die Division durch die Hintergrundkarte gleicht die Ausleuchtung an. Jeder Schritt hat seine eigene Annahme: Die Kantenerkennung verlangt Kontrast, die Perspektivkorrektur setzt eine Ebene voraus, und die Schattenentfernung liefert bei allmählichen Lichtunterschieden das beste Ergebnis.

Diese Grenzen zu kennen, hilft Ihnen, das Tool besser einzusetzen — denn die drei einfachen Entscheidungen, die Sie bei der Aufnahme des Fotos treffen (dunkle Unterlage, flaches Papier, gleichmäßiges Licht), helfen tatsächlich jedem einzelnen dieser drei Algorithmen unmittelbar.