La manipolazione, la scansione e la sicurezza dei dati nel browser si basano su precisi parametri matematici e costrutti algoritmici avanzati:
1. Trasformazione Prospettica e Computer Vision (Scanner Documenti)
La scansione e rettifica dei documenti da telecamera sfrutta la libreria OpenCV compilata in WebAssembly. Il rilevamento dei contorni mediante l'algoritmo Canny Edge produce le coordinate dei quattro vertici del documento. Il raddrizzamento viene eseguito tramite una matrice di trasformazione prospettica $3 \times 3$ ($\mathbf{M}$):
$$ \begin{bmatrix} x' \\ y' \\ 1 \end{bmatrix} = \mathbf{M} \cdot \begin{bmatrix} x \\ y \\ 1 \end{bmatrix} $$
Dove $(x, y)$ sono le coordinate dei pixel distorti nell'immagine sorgente e $(x', y')$ sono le coordinate del rettangolo ideale generato dalla funzione cv.warpPerspective con interpolazione bilineare.
2. Proporzione Cefalometrica ICAO Doc 9303 (Fototessere Biometriche)
Le specifiche internazionali per i documenti d'identità elettronici impongono una geometria di 35 mm di larghezza per 45 mm di altezza. Il vincolo matematico più stringente riguarda l'altezza del volto (dalla sommità fisica del capo al mento - crown-to-chin), che deve costituire tra il 70% e l'80% della dimensione verticale totale del riquadro:
$$ 0.70 \le \frac{\text{Altezza Viso (mm)}}{45\text{ mm}} \le 0.80 \implies 31.5\text{ mm} \le \text{Altezza Viso} \le 36.0\text{ mm} $$
I landmark facciali rilevati tramite reti neurali (MediaPipe Face Mesh / Haar Cascade) vengono scalati sulla matrice Canvas ad alta risoluzione a 300/600 DPI per garantire la fedeltà biometrica in sede di stampa.
3. Entropia Crittografica e Correzione Errori QR Code (ISO/IEC 18004)
La generazione di password ad alta entropia rigetta l'uso del metodo pseudocasuale Math.random() e si affida perentoriamente all'API window.crypto.getRandomValues(). Il generatore attinge direttamente al pool di entropia del kernel (CSPRNG come /dev/urandom).
I codici QR incorporano polinomi della teoria dei codici di Reed-Solomon per ricostruire dati corrotti o usurati. Il livello di protezione definisce la capacità di recupero dei blocchi di parole in codice (codewords):
- Livello L (Low): Ripristino fino al ~7% dei dati.
- Livello M (Medium): Ripristino fino al ~15% dei dati.
- Livello Q (Quartile): Ripristino fino al ~25% dei dati.
- Livello H (High): Ripristino fino al ~30% dei dati.
4. Quantizzazione INT8 dei Modelli di IA Generativa Locale
L'esecuzione nel browser di modelli neurali (es. trascrizione Whisper OCR via ONNX Runtime Web e WebGPU) necessita della quantizzazione INT8 post-addestramento per abbattere il peso in memoria del 75%:
$$ q = \text{round}\left( \frac{x}{S} \right) + Z $$
Dove $x$ è il valore del peso in virgola mobile FP32, $S$ è la scala e $Z$ è l'offset intero. Questo riduce l'impronta da 90 MB a 22 MB senza compromettere l'accuratezza semantica dell'inferenza.