1. Digitalisierung: Bildaufnahme
Dieser erste Schritt ist nicht zu vernachlässigen, denn ein sicherer Leseprozess steht und fällt mit der Qualität der Information im aufgenommenen Bild. Gerade in Produktionsumgebungen muss die passende Lichtquelle im Vorfeld der Aufnahme ausgewählt werden. Die Helligkeit, Farbe und der Winkel der Beleuchtung spielen hier eine große Rolle; außerdem müssen Objektiv und Sensor den Anforderungen der Applikation entsprechen, damit die Geschwindigkeit der Bildaufnahme mit der der Produktion mithalten kann. Für die Bildaufnahme kommen in der Regel Kameras mit CMOS- oder CCD-Sensoren zum Einsatz.
2. Segmentierung: Trennung der Information
Bei der Segmentierung werden die wichtigen Elemente des Bilds von den unwichtigen getrennt. In diesem Arbeitsschritt können gute Belichtung sowie ein rauscharmer Sensor Verarbeitungsfilter ersparen, die ansonsten zur Unterdrückung des Rauschens und Hervorhebung der Kanten benötigt werden. Zum Segmentieren nutzen die meisten Verfahren die Schwellwerte der Helligkeits- oder Farbinformation. Auch hier entscheidet die Anwendung über Feinheiten in der Auswertung, beispielsweise wenn Zahnräder vermessen oder Schriften ausgelesen werden. Man unterscheidet im Wesentlichen zwei Prinzipien der Schwellenwertberechnung: die feste und die dynamische. Feste Schwellenwerte nehmen keine Rechenzeit in Anspruch, eignen sich für die meisten Produktionen jedoch weniger, da sie sich mit wechselnden Lichtverhältnissen und heterogenen Oberflächen schwertun. Dynamische Verfahren schaffen hier einen Ausgleich. So betrachtet beispielsweise die globale Schwellenwertberechnung das gesamte Bild oder den gesamten Bildausschnitt. Dies erfolgt schnell, führt unter Umständen jedoch zu Problemen bei Farbverläufen oder schwankender Helligkeit. Eine weitere dynamische Methode ist die lokale Schwellenwertberechnung. Da sie jeweils nur kleine Bildausschnitte untersucht, stellen beispielsweise Licht und Schatten kein Problem mehr dar. Nachteile sind ein Rauschen bei gleichförmigen Oberflächen und eine erhöhte Rechenzeit.
3. Kategorisierung: Zuordnung der Information
Zuletzt wird in der klassischen Bildverarbeitung die Information ausgewertet. Je nach Anwendung kommen dazu unterschiedliche Verfahren zum Einsatz. Das einfachste ist die Schwarzanteilmessung, die lediglich registriert, ob etwas vorhanden ist oder nicht. Bei Kennzeichnungen aus Klarschriften ist deshalb ein Mustervergleich erforderlich, ob als Pixelvergleich oder als Konturvergleich. Dabei sucht das System während der Produktion ein zuvor eingelerntes Muster.
Sonderfall: Punktschriften
Continuous-Inkjet-Drucker (CIJ) arbeiten mit einer Punktschrift und werden in der Automatisierung gerne zur Kennzeichnung eingesetzt – zu einem wegen ihrer hohen Geschwindigkeit, zum anderen, da sie verschiedene Oberflächen flexibel bedrucken können. Auch dieses Verfahren ist nicht frei von den klassischen Problemen der Bildverarbeitung: mangelnder Kontrast, Bewegungsunschärfe sowie saugende oder spiegelnde Hintergründe. Eine zusätzliche Herausforderung ist die Schrifterkennung: Das Schriftbild gelingt nicht so sauber wie etwa bei einem Laserdrucker; je nach Bauart kann sich das Schriftbild bei hohen Geschwindigkeiten verziehen. Zum Nachteil werden kann des Weiteren die geringe Auflösung, da die meisten Zeichen der CIJ-Punktschrift aus nur 5 bis 9 Tropfen bestehen. Demzufolge transportieren die einzelnen Tropfen einen hohen Informationsgehalt.
Dass sich in dieser Kennzeichnungsform die Punkte oft nicht berühren, stellt klassische Lese-Algorithmen mit Pixel- oder Konturenvergleich vor Probleme. Das Objekt lässt sich nicht eindeutig umreißen und die produktionsbedingten Abweichungen im Druck lassen sich nicht immer klar von echten Fehlern unterscheiden. Um dieser Problematik zu begegnen, hat Leibinger die Software seines Kamerasystems LKS 5 angepasst. In einer Kombination verschiedener Methoden werden Elemente iterativ extrahiert und verglichen, um Pseudofehler zu minimieren. Das Bildverarbeitungssystem interpretiert die vom Kamerasystem aufgenommenen Daten als Solldaten und nimmt eine Gut-/Schlecht-Beurteilung vor. Diese kommt dann zum Einsatz, wenn das System mit weiterer Hardware zusammenarbeitet, etwa wenn eine Weiche in die Produktionslinie integriert wird.
