📖 Manuel

Image Processing Pipeline (Mobile Kotlin)

Workflow

• 1\. Capture et prétraitement -- Configurer CameraX (Preview + ImageCapture + ImageAnalysis) pour pipeline temps réel. Appliquer détection de bordure automatique (ML Kit Selfie Segmentation). Gestion orientation EXIF, rotation auto.
• 2\. Détection de document/bordures -- Utiliser ML Kit Document Scanner ou OpenCV (findContours, minAreaRect) pour détection automatique bordures document. Perspective transform (getPerspectiveTransform + warpPerspective) pour rectification.
• 3\. Enhancement qualité image -- Pipeline : noise reduction (OpenCV fastNlMeansDenoisingColored), sharpening (unsharp mask), contrast enhancement (CLAHE adaptive histogram), color correction (white balance auto). Binarisation adaptative pour OCR.
• 4\. Compression et format -- Compression JPEG intelligente : qualité dynamique selon taille (70-90%), WebP pour Android pour meilleur ratio taille/qualité. Réduire résolution si >4MP pour performance. Compression lossless pour documents légaux.
• 5\. Validation qualité automatique -- Scores qualité : blur detection (Laplacian variance >100), brightness (histogram mean 80-180), glare detection (saturation peaks), document coverage (>80% frame). Rejection automatique avec feedback utilisateur.
• 6\. Intégration OCR et ML -- Pipeline synchronisé : capture -> enhance -> OCR (ML Kit Text Recognition ar/fr/en) -> extract fields (regex patterns CIN, passeport, rib) -> validate format (Luhn, IBAN, MRZ). Feedback temps réel.
• 7\. Cache et storage -- Temp storage avec LifecycleAware storage, cleanup automatique. Encryption des images temporaires (Android Keystore). Purge après upload confirmé. Fallback offline avec Room cache metadata.
• 8\. Performance optimisation -- Coroutines pour processing asynchrone (Dispatchers.IO), batch processing, image tiling pour grandes images. Memory management : recycle Bitmaps, utiliser Glide/Coil avec size constraints. Profiling avec Android Profiler.

Règles

• Privacy by design : Jamais stocker images brutes sur serveur. Traitement on-device quand possible. Auto-delete après 24h ou upload confirmé. Chiffrement AES-256 pour images en transit.
• Quality gates : Minimum 300 DPI équivalent, pas de blur, luminosité suffisante. Rejeter automatiquement avec message utilisateur clair ("Image floue, recommencez"). Pas de fallback silencieux.
• ML Kit first : Préférer ML Kit de Google (optimisé mobile, TFLite, support ar/fr) avant OpenCV. Utiliser CameraX ML Vision pour processing temps réel. Fallback OpenCV pour opérations avancées.
• Async processing : Toutes opérations IO sur Dispatchers.IO, UI update sur Main. Timeout max 5s par étape. Cancelable avec Job lifecycle. UI feedback progress (ProgressBar, Skeleton).
• Cross-platform : Kotlin Multiplatform avec shared processing logic. Expect/actual pour CameraX (Android) vs AVFoundation (iOS). Un API : processImage(Bitmap) -> Result<Image, Error>.