Вроде бы результат - это таки фотка, а не текст.
Точнее двоичные данные.

Точно уже не помню, но вроде отличие от обычного сделать фотоснимок в том, что обрезается фотка под размер документа.
+ в возвращаемом значении есть признак, увидела камера что это именно документ или нет.