ANDROID

FaxlScanApp

Offline-First-Dokumentenscanner für Android.

Eine Scanner-App. Wie schwer kann das schon sein?

Ich wollte eigentlich nur Dokumente mit dem Smartphone scannen. Ohne Werbung, ohne unnötiges Drumherum und vor allem ohne das Gefühl, dass für ein Stück Papier erst einmal irgendein Internetdienst mitreden muss.

Klingt nach einer überschaubaren Anforderung. Eine Kamera hat schließlich jedes Smartphone. Foto machen, Dokument erkennen, geradeziehen, fertig.

Natürlich gibt es dafür längst Apps. Manche sind richtig gut. Nur hatte ich bei der Suche nach einer Lösung, die für mich passt, irgendwann mehr Lust, selbst eine zu bauen, als noch zehn weitere auszuprobieren. Das passiert mir öfter.

So ist FaxlScanApp entstanden. Eine Android-App, die Dokumente lokal erfassen und verarbeiten soll. Und weil ich schon dabei bin, soll sie sich auch von anderen Apps gezielt aufrufen lassen. Ein Scanner ist schließlich besonders nützlich, wenn er sich in einen bestehenden Ablauf einfügt, statt immer nur seine eigene Oberfläche zu präsentieren.

Offline heißt für mich nicht: Funktioniert meistens ohne WLAN

Bei FaxlScanApp gibt es eine Architekturentscheidung, die ich von Anfang an festgelegt habe: OFFLINE.

Der erste brauchbare Funktionsumfang, also der MVP, muss direkt nach der Installation funktionieren. Ohne Netzwerk. Ohne Google Play Services. Und ohne INTERNET-Permission im Android-Manifest.

Das ist bewusst strenger als das, was häufig unter „offlinefähig“ verstanden wird. Eine App, die erst beim ersten Start ein Modell herunterlädt oder sich bei einem Dienst anmeldet, ist für meinen Zweck nicht offline. Auch dann nicht, wenn sie anschließend im Flugmodus weiterarbeitet.

Ich habe grundsätzlich nichts gegen Cloud-Dienste. Es gibt Aufgaben, bei denen sie sinnvoll sind. Aber für das Erkennen und Entzerren eines Dokuments möchte ich sie nicht zur technischen Voraussetzung machen. Das Bild liegt auf dem Gerät. Die Verarbeitung soll dort ebenfalls stattfinden.

Dahinter steckt auch das Thema Datenschutz und Sicherheit. Wer Dokumente scannt, hat schließlich nicht immer nur harmlose Einkaufszettel vor der Kamera. Das können genauso gut Verträge, Rechnungen, persönliche Unterlagen oder andere sensible Informationen sein. Und die haben meiner Meinung nach erst einmal nichts auf irgendeinem fremden Server verloren.

Deshalb soll FaxlScanApp die Dokumente vollständig lokal verarbeiten und selbst keine Daten an externe Dienste übertragen. Was anschließend mit einer Datei passiert, wenn ich sie bewusst an eine andere App weitergebe, ist eine andere Geschichte. Und wenn das Smartphone durch andere Apps, Synchronisierungseinstellungen oder eine fehlerhafte Konfiguration Daten nach außen überträgt, kann FaxlScanApp das natürlich nicht grundsätzlich verhindern.

Ich kann also nicht versprechen, dass ein Dokument unter allen Umständen auf dem Gerät bleibt. Aber ich kann die Anwendung so entwickeln, dass sie selbst keinen Grund hat, es irgendwohin zu schicken.

Und ja, so eine Vorgabe macht die Auswahl fertiger Bibliotheken unbequemer. Genau deshalb gehört sie an den Anfang und nicht als Überraschung ans Ende der Entwicklung.

Erst die Kamera, dann die interessanten Probleme

Technisch setze ich auf Kotlin, Jetpack Compose für die Oberfläche und CameraX für die Kameraanbindung. CameraX nimmt einem einiges an Gerätespezifika ab. Was es nicht übernimmt, ist die eigentliche Dokumentenerkennung.

Die Verarbeitung lässt sich gedanklich in einige Schritte zerlegen:

  1. Ein Kamerabild aufnehmen.
  2. Mögliche Dokumentkanten und die vier Ecken bestimmen.
  3. Aus diesen Ecken eine perspektivische Abbildung berechnen.
  4. Das Dokument als möglichst gerade, gut lesbare Fläche ausgeben.

Auf dem Papier ist das eine nette Verarbeitungskette. In der Praxis liegt ein Blatt aber selten perfekt ausgerichtet auf einem kontrastreichen Untergrund. Es gibt Schatten, schwache Kanten, Reflexionen und Hintergründe, die plötzlich ebenfalls ziemlich rechteckig aussehen.

Gerade die Erkennung ist deshalb interessanter, als das Wort „Dokumentenscanner“ zunächst vermuten lässt. Ein Algorithmus kann einen geometrisch plausiblen Kandidaten finden und trotzdem danebenliegen. Mehrere Erkennungspfade zu bewerten, statt blind dem ersten Ergebnis zu vertrauen, ist einer der Ansätze, die ich untersucht habe.

OpenCV ist für die lokale Bildverarbeitung ein naheliegender Kandidat. Welche Bibliotheken am Ende dauerhaft Bestandteil der App sind, muss aber die tatsächliche Implementierung entscheiden. Eine technische Präferenz ist noch kein fertiges Feature.

Eine App, die auch andere Apps benutzen können

Ein zweiter Punkt ist mir wichtig: FaxlScanApp soll nicht nur als eigenständige Anwendung funktionieren.

Andere Android-Apps sollen einen Scan anfordern und das Ergebnis anschließend weiterverarbeiten können. Dafür ist eine Anbindung über explizite Intents vorgesehen. Die erzeugten Dokumente sollen über Content-URIs mit gezielten Zugriffsberechtigungen bereitgestellt werden.

Das klingt zunächst nach Android-Alltag. Tatsächlich steckt darin einiges an Detailarbeit. Wer darf die Datei lesen? Wie lange gilt die Berechtigung? Was passiert, wenn der aufrufende Prozess verschwindet oder der Nutzer den Scan abbricht?

Einfach einen Dateipfad zurückzugeben wäre bequem. Bequem ist aber nicht unbedingt sauber. Gerade bei Schnittstellen zwischen Apps lohnt es sich, die Zuständigkeiten ordentlich zu trennen.

Was funktioniert, was noch offen ist

FaxlScanApp ist in Entwicklung, kein veröffentlichtes Produkt.

Für einen dokumentierten Instrumentierungslauf auf einem Android-API-36-Emulator liegen bestandene Tests vor. Dabei wurde die Dokumentenerkennung unter anderem mit synthetischen Bildsituationen geprüft. Das ist ein konkretes Ergebnis, aber kein Freibrief für alle möglichen Fotos und Geräte.

Insbesondere ist damit noch nicht bewiesen, dass die gesamte Anwendung auf einem physischen Android-Gerät ohne Google Play Services nach einer frischen Installation zuverlässig läuft. Genau das verlangt aber OFFLINE. Auch der vollständige Ablauf von Aufnahme über Bildkorrektur bis zur Übergabe an eine andere App muss am aktuellen Implementierungsstand überprüft werden.

Ich möchte bei solchen Aussagen sauber bleiben. Ein grüner Testlauf ist gut. Er beantwortet aber nur die Fragen, die man tatsächlich getestet hat.

Warum ich mir das antue

Natürlich hätte ich wahrscheinlich schneller irgendeine fertige Scanner-App eingerichtet. Aber dann hätte ich mich nicht mit der Dokumentgeometrie beschäftigt, keine Android-Schnittstelle entworfen und nicht ausprobiert, wie weit man mit vollständig lokaler Bildverarbeitung kommt.

Und genau das macht das Projekt für mich interessant. Am Ende soll eine schlanke App stehen, die etwas ziemlich Alltägliches zuverlässig erledigt. Bis dahin lerne ich eine Menge über die Details, die zwischen „Foto machen“ und „brauchbares Dokument“ liegen.

Für ein bisschen Papier ist das vielleicht ganz schön viel Aufwand. Andererseits: Jetzt bin ich schon dabei.