Perspec 1.0 リリース記念：文書スキャンアプリの誕生と技術的アプローチ

2026 年 7 月 29 日、視差（歪み）補正のためのデスクトップアプリケーション Perspec の 1.0 版リリースを発表いたしました。 このプロジェクトは当初 9 年前から構想しており、ようやく思い描いたアプリが完成しました。

イニシャルな動機：なぜスキャンアプリを作るのか？

スマートフォン vs デスクトップ

Adobe Scan や vFlat などのスマートフォン向けスキャンアプリは一般的ですが、私はスマートフォンの作業を好ましくないと考えます。

• 大きな画面: コンピュータ上で画像を表示・編集できるため、より高速かつ正確な整地・整理が可能です。
• キーボードとマウス: マニュアル操作による精密な編集が容易です。

既存アプリの欠点

多くのモバイルアプリは、「ユーザーに優しい」という名目で不適切な技術的決断を強いることがあります。

• 画像フォーマットの問題:
  • 均一な色のある文書スキャンでは、圧縮アーティファクトがない PNG を使用すべきですが、多くのアプリは「JPEG が一般的」という理由で画質低下を引き起こす グレースケール JPEG を提供します。
  • JPG から PNG への変換は一度圧縮すると不可能です。

アプリ	結果形式	ファイルサイズ概算	備考
Perspec	PNG	〜110 kB	劣化なし
Scanner Pro	JPEG	〜190 kB	圧縮アーティファクトあり
iOS	JPEG	〜300 kB	圧縮アーティファクトあり

「おかしな検出プレビュー」の問題

アプリはライブオーバーレイで書類の位置を示しますが、これは実質的に役に立ちません。

• プレビューでの検出＝最終画像での検出ではありません。
• 解像度、照明条件、コントラストの違いにより結果が大きく変動します。

より優れた文書検出アルゴリズムの必要性

既存アプリ（エッジ検出＋Hough 変換）では、しわくちゃな領収書や曲がったページの端部で角点が大きくズレてしまいます。

• Perspec のアプローチ: 直線ではなく**「輪郭から角点を導出」**します。
  • FlatCV を使用した独自のコンピュータビジョン技術を採用。

1.0 への長い道：技術スタックの進化

学生時代より開発を始めた Perspec は、Photoshop や GIMP などの汎用ツールでは作業効率が低いため、特定のタスクに特化したアプリを追求しました。

開発言語とライブラリの選定歷程

1. Python & scikit-image: 初期の CLI アプリ「Perspectra」で使用しましたが、自動化には不十分で手動修正用の GUI の必要性を感じました。
2. Haskell + ImageMagick: Haskell 学習のため試行しましたが、外部プロセス呼び出しはプラットフォーム間のリンク設定とパフォーマンス面で課題がありました。
3. OpenCV: Haskell バインディングは難航し、C++ コンテキストの経験不足もあり敬遠されました。
4. Hip (Haskell Image Processing): ネイティブライブラリですが、Otsu 法など必要な機能が不足し、抽象化が複雑化するデメリットがありました。
5. FlatCV (C ライブラリ + Haskell FFI): 最終的に決定しました。C 言語のシンプルさと Haskell の機能性を融合させ、SIMD や GPU 使用を視野に入れた高性能な画像処理ライブラリを開発しました。

• バージョン 0.3.0: 基本的な画像処理とアダプティブ二値化、角点検出を実装。
• バージョン 1.0: FlatCV を用いた自動角点検出機能の完全実成によりリリース可能に。

エッジ検出 vs コーナー検出：Perspec の独自技術

一般的なスキャンアプリは「画像縮小→エッジ検出→Hough 変換（直線検出）→交差点から四辺形構築」というパイプラインを使用します。しかし、これは平らな紙にしか適応しません。 しわくちゃな領収書や折れたページでは、直線で端を近似すること自体が誤りを招きます。

FlatCV による角点検出パイプライン

Perspec は**「文書の輪郭から角点を導出」**します。

1. 画像縮小: グレースケール化し 256×256 に縮小（高速化）。
2. ノイズ除去: ブラーリングでテクスチャと細かいノイズを除去。
3. 高さにマッピング: Sobel フィルターでエッジを検出し、高さを山脈の稜線として表現。
4. ウォーターシェード分割:
   • 画像中心（文書）をシードし浸水させる。
   • 境界（背景）をシードし浸水させる。
   • 結果：文書の二値マスクを生成。
5. マスク平滑化: 二値closing で境界を滑らかに。
6. Förstner コーナーデテクタ: ハリス検出器とは異なり、サブピクセル精度の角点位置を返します。
7. ソートと抽出: 最大角度を持つ 4 つの角点を保持。
8. 解像度復元: 角点座標を元の解像度にスケーリングアップ。

• メリット: 曲線な文書境界も追跡可能。自動検出が不正確な場合でも、選択ポリゴンをドラッグして簡単に修正可能（自動＋手動の両方を活用）。

二値化アルゴリズム：黒白変換の最適化

書類や領収書の場合、視差補正と同じく**「クリアな黒白画像への 변환」**が重要です。

課題：不均一な照明

Otsu の法則（ヒストグラムに基づく単一閾値）は均等照明には適していますが、影や明度勾配のある写真では機能しません。

FlatCV のスマートな黒白変換フロー

複雑な局所適応アルゴリズムに頼らず、以下の手順で高速かつ高精度に処理します。

1. グレースケール変換。
2. 重くぼかす: 画像の約 10% の半径でぼかし処理（照明の明度勾配と影のみを残す）。
3. 差分を取る: ぼかしたコピーから元の画像を引く（低周波数の影を除去、高周波数の文字を残す）。
4. Otsu 閾値適用: 均一照明された状態に仮定して二値化。

エクスポートオプション

• Save BW: 真の 1 ビット黒白画像（各ピクセルは完全な黒または白）。
• Save BW Smooth (推奨): 2 つの閾値を使用し、中間領域をスケーリングされたグレースケールで保持。
  • 効果: アンチアリアシングにより文字が鋸歯状にならず、ファイルサイズはほぼ維持されます。書類、領収書、ホワイトボードに最適です。

1.0 リリースの主な新機能

自動角点検出に加え、以下の機能が強化・実装されました。

• Windows への対応: macOS/Linux の他、全ての主要デスクトップ OS で動作。
• インタラクション改善: 選択ポリゴンの端（角点だけでなく）をドラッグ可能に。グリッド線による調整サポート。
• ファイル操作: 新しい「Select Files」ビューと、画像のドロップ＆ドロップサポートの追加。
• 出力品質向上: 「Save BW Smooth」オプションの実装により、印刷物への最適化。
• メタデータ処理: PNG の EXIF 回転データの自動処理対応。
• UI/UX アップデート: Brillo ライブラリの最新バージョン採用によるデザイン改善、ホバー効果、デフォルトフォントの適用。

インストール方法

リリースページから macOS、Windows、Linux のプリビルトバイナリをダウンロード可能です。

Homebrew (macOS) でのインストール例:

brew install --cask ad-si/tap/perspec

• ライセンス購入について: アップグレードバナーや「ライセンスのご購入ください」というメッセージを消去するには、itch.io または Gumroad でライセンスを購入する必要があります。Haskell アプリケーション開発への支援としてご検討ください。

コマンドラインでのバッチ処理: インストール後は CLI から以下のように実行できます。

perspec fix photos/*.jpeg

または、画像をアプリウィンドウにドロップすることも可能です。

次のステップと今後の計画

1.0 は大きなマイルストーンですが、将来のリリースで以下を実装予定しています。

• 固定出力サイズ: 出力を A4 または US Letter に強制し、スキャンされた文書の比例とサイズを標準化。
• QR コード検出: 領収書の自動化フローとして、QR コードからメタデータを抽出・追加する機能を実装（Marcel Robitaille氏の投稿に基づく）。

問題に遭遇した際や改善のアイデアがある場合は、Issue をお送りいただくか、@AdrianSieber へご連絡ください。ご意見は非常に歓迎いたします！