Digitalização

Digitalizar é converter o papel em um arquivo eletrônico. O scanner (ou a câmera) captura a página e grava uma grade de pixels. O que sai é uma imagem: fiel ao papel, mas, para o computador, apenas uma figura.

Essa é a confusão mais comum. Um PDF digitalizado parece um documento de texto, mas você não consegue selecionar uma palavra nem buscar com Ctrl+F, porque o arquivo contém a imagem do texto, não o texto.

Digitalizar não é fazer OCR

São duas etapas separadas. A digitalização produz a imagem. O OCR analisa essa imagem, identifica as letras e gera o texto correspondente, que pode ser gravado como uma camada invisível sobre a imagem.

Só depois dessa etapa o arquivo vira um PDF pesquisável: a página continua com a mesma aparência, mas o texto fica selecionável, copiável e localizável. Alguns programas fazem as duas etapas de uma vez, e a diferença passa despercebida, até você receber um arquivo de outra origem e descobrir que não dá para buscar nada. O teste é imediato: tente selecionar uma palavra. Se o cursor não pega, o arquivo é imagem pura. A ferramenta de OCR do FacilPDF cria a camada de texto.

Configurações que importam

DPI. O Anexo I do Decreto 10.278/2020 estabelece 300 DPI como mínimo para textos impressos e manuscritos, e 600 DPI para plantas e mapas. A documentação do Tesseract, motor de OCR de código aberto, informa que ele funciona melhor com imagens de pelo menos 300 DPI.

Cor. O mesmo anexo indica o modo monocromático (preto e branco) para textos impressos sem ilustração, tons de cinza para textos com ilustração em preto e branco e manuscritos em preto e branco, e colorido (RGB) quando o documento tem cor.

Formato. Um único PDF de várias páginas é mais prático de enviar e arquivar do que uma pilha de imagens soltas. O anexo do decreto indica PDF/A para os documentos de texto. Se o scanner só gerar imagens, o JPG para PDF reúne JPG, PNG e WEBP em um PDF (gravando as imagens como JPEG).

Alinhamento e ruído. A documentação do Tesseract informa que páginas digitalizadas inclinadas e imagens com ruído reduzem a precisão do OCR. Isso vale para foto de celular: a câmera paralela ao papel, com luz uniforme e sem sombra sobre a folha, ajuda. O tutorial de digitalizar documentos com o celular detalha o processo.

Para muitas folhas, um scanner com alimentador automático e leitura de frente e verso costuma ser mais prático do que o celular; a página de scanners de documentos descreve as diferenças entre os tipos.

Valor jurídico

O Decreto 10.278/2020 estabelece a técnica e os requisitos para que documentos digitalizados produzam os mesmos efeitos legais dos originais. O que ele exige depende de quem vai receber o documento.

Perante o poder público (art. 5). O documento digitalizado deve ser assinado digitalmente com certificado ICP-Brasil, seguir os padrões técnicos mínimos do Anexo I (resolução, cor, formato e compressão sem perda) e conter os metadados mínimos do Anexo II.

Entre particulares (art. 6). Qualquer meio de comprovação de autoria, integridade e, se necessário, confidencialidade é válido, desde que escolhido de comum acordo pelas partes ou aceito por quem receber o documento. Sem acordo prévio, aplica-se o art. 5.

Descarte do papel (art. 9). Depois de digitalizar conforme o decreto, o documento físico pode ser descartado, exceto o que tenha conteúdo de valor histórico.

O decreto não se aplica a documentos nato-digitais, a documentos do sistema financeiro nacional, a microfilmes, a documentos audiovisuais, a documentos de identificação e a documentos de porte obrigatório (art. 2, parágrafo único).

A assinatura aplicada pela ferramenta de assinar PDF do FacilPDF é uma assinatura eletrônica simples, sem certificado ICP-Brasil, e portanto não cumpre o requisito do art. 5. Sobre a diferença entre os tipos de assinatura, veja o verbete assinatura digital.

Para uso interno ou consulta, quando ninguém exige que o arquivo se equipare ao original, digitalizar e guardar já resolve.