Como lidar com imagem de brasileiros no dia a dia
Trabalhar com imagem de brasileiros não é trivial. A maioria das pessoas acha que basta escanear um documento e mandar pro sistema. Na prática, você vai perder tempo se não souber o que esperar antes de começar.
Entendendo o que é imagem de brasileiros
O termo se refere basicamente a documentos de identidade brasileiros digitalizados ou gerados em formato de imagem. Pode ser RG, CTPS, CPF impresso, ou até certidões. O problema é que cada estado tem seu próprio layout de RG, e o CPF não tem um design padrão federal. Isso cria uma dor de cabeça constante quando você precisa validar automaticamente. No meu caso, precisei processar uma leva de mais de mil documentos de diferentes estados para um projeto de integração com um serviço de verificação. Metade das imagens vinha com fundo bege, outra metade com fundo branco, e algumas nem tinham foto. Gastei umas três horas só organizando os padrões antes de conseguir rodar qualquer OCR com resultados razoáveis.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Processamento na prática
O fluxo mais comum envolve três etapas: captura, pré-processamento e extração de dados. A captura pode ser feita com celular mesmo, mas a qualidade varia absurdamente dependendo da luz e do ângulo. Já vi gente conseguir ler CPF perfeitamente de uma foto tremida, e em outra ocasião uma imagem nítida de um RG de SP não passou em nenhumOCR porque o fundo tinha um tom amarelado que confundia o algoritmo. O pré-processamento é onde a maioria erra. A solução padrão que funciona pra maioria dos casos é: converter pra escala de cinza, aplicar equalização de histograma e depois uma máscara binária com limiar adaptativo. Não adianta usar limiar fixo global — documentos brasileiros têm manchas, carimbos e texturas que quebram qualquer threshold rígido. Eu uso OpenCV com a função threshold do tipo adaptive, configurada com bloco de 11 pixels e constante C de 2.
Armazenamento e distribuição
Se o objetivo é guardar a imagem de brasileiros para consulta futura, formato JPEG com compressão moderada resolve. Mas se você precisa preservar detalhes finos como a microtexto de segurança do RG,PNG sem compressão ou JPEG no nível máximo de qualidade é o caminho. PDF também serve, mas só se você embeddar a imagem como bitmap dentro dele, não como texto selecionável, porque aí você perde a capacidade de buscar por campo depois. Uma limitação importante que pouca gente menciona: imagens de documentos brasileiros contêm dados pessoais sensíveis. Se esse material vai trafegar por servidores de terceiros ou ser armazenado em cloud pública, você está sujeito à LGPD. Um colega meu teve que refazer toda uma base porque a empresa de hospedagem não tinha DPO cadastrado. Leva dias para resolver e custa mais caro do que fazer corretamente desde o início.
Alternativas quando a imagem não rendere
Às vezes a imagem simplesmente não funciona. Documentos muito desgastados, com rasgos ou fotos pixeladas demais não têm salvação com OCR convencional. Nesses casos, o caminho é a validação manual mesmo ou o uso de APIs especializadas que combinam OCR com reconhecimento de padrões de segurança do documento. Custa mais por chamada, mas evita o retrabalho de digitação. Se precisar baixar alguma ferramenta prática para testar, o Tesseract é gratuito e roda em Linux, Windows e macOS. Ele reconhece CPF e números de RG com boa precisão quando bem configurado, mas precisa de treinamento adicional para ler textos em português corretamente — os modelos default vêm em inglês. A instalação é direta pelo pip ou gerenciador de pacotes da sua distribuição.
