Perfektionierung der QR-Codequalität

Was sind QR-Codes? 

Masahiro Hara entwickelte das Quick-Response-Symbol, besser bekannt als QR-Code, um das Codelesen auf Autoteilen zu beschleunigen. Doch er erreichte nicht nur sein Ziel. Die Technologie wurde dank der zahlreichen Vorteile gegenüber herkömmlichen Barcodes zu einer ISO-Norm:

• Bis zu zehnmal schnellere Dekodierzeiten
• Größere Datenspeicherkapazität
• Flexible Größen
• Lesbarkeit in jeder Ausrichtung
• Lesbarkeit auch bei bis zu 30 % beschädigtem Code

Diese Vorteile hängen jedoch von der Qualität des QR-Codes ab. Unternehmen, die QR-Codes für den internen oder öffentlichen Gebrauch erstellen, müssen dafür sorgen, dass sie leicht dekodiert werden können. Die beste Methode dafür ist die Verwendung eines Barcode-Verifiers. Barcode-Verifier analysieren QR-Codes, indem sie mehrere Parameter testen, um eine Gesamtklasse der Codequalität zu bestimmen.

Bevor wir uns mit dem Bewertungsprozess beschäftigen, wollen wir uns die Bestandteile eines QR-Codes ansehen. 

Die Struktur von QR-Codes verstehen

Ruhezone: Bereich um den Rand des Codes, der den Code von nahegelegenen Designelementen oder Markierungen trennt. Die Mindestgröße ist 1 Modul, die Größe der kleinsten Quadrate im Code, in der ISO 16480-Norm für QR-Codes oder 4 Module in der ISO 18004-Norm für QR-Codes, die auf mobilen Geräten gelesen werden sollen.

Suchmuster: Drei identische verschachtelte Sätze schwarzer und weißer Quadrate, mit denen Scannern schneller und einfacher die Ausrichtung bestimmen und den Code lesen können.

Ausrichtungsmuster: Kleinere schwarz-weiße verschachtelte Quadrate, die sicherstellen, dass der Code auch dann gelesen werden kann, wenn der Code verzerrt ist oder sich auf einer gekrümmten Oberfläche befindet. Sie zeigen der Codelesersoftware, wo das Raster platziert werden soll.

• Je größer der Code, desto mehr Ausrichtungsmuster wird er benötigen.
• QR-Codes mit mehr als 45 Modulen erfordern mehrere Ausrichtungsmuster. 

Taktzellen: Eine L-förmige Linie, die zwischen den drei Suchmusterquadraten verläuft, hilft den Lesegeräten zu bestimmen, wie groß die Module sind und wo sich die Daten befinden.

Formatinformationen: Bestimmte Bereiche des Codes, die die Fehlertoleranz und ein Datenmaskierungsmuster angeben.

Versionsinformationen: Spezifische Bereiche des Codes, die angeben, welche der 40 Versionen von QR-Codes verwendet wird, und die Datenmaske, Fehlerkorrektur-Level und Linkwerte, die im Symbol verwendet werden, angeben. Wie bei zusätzlichen Ausrichtungsmustern werden diese Informationen nur in Symbolen von mehr als 45 x 45 Modulen aufgeführt.

Daten- und Korrekturschlüssel: Der Großteil des Codes verwendet helle und dunkle Module für Daten und Fehlerkorrektur.

• Durch die Fehlerkorrektur können selbst Codes dekodiert werden, die bis zu 30 % beschädigt sind. 

Der QR-Code-Bewertungsprozess

QR-Codes werden basierend auf den Dekodierschritten bewertet. Die Einzelheiten sind in der Norm ISO 15415 für auf Etiketten gedruckte Codes und ISO 29158 für DPM-Codes (Direct Part Marking) aufgeführt.  

Die Symbollesesoftware beginnt mit der Dekodierung, indem sie die drei großen Suchmuster in den Ecken des Codes lokalisiert. Sobald diese Muster gefunden wurden, erstellen die Takt- und die Ausrichtungsmuster ein Zeichenraster. Die Farbe jedes Moduls wird am Schnittpunkt der Rasterlinien gemessen, die in der Nähe der Mitte der Module liegen, und diese Farbe wird mit der Farbe verglichen, die das Modul haben soll.

Farbmessung über kreisförmige Muster

Die Farbe eines Moduls wird innerhalb eines kreisförmigen Musters gemessen, das als Öffnung bezeichnet wird und auf dem Schnittpunkt der Rasterlinien zentriert ist. Da das Bild oft unterschiedliche Grautöne innerhalb der Öffnung aufweist, verwenden die Lesegeräte die durchschnittliche Farbe innerhalb dieses Bereichs, um das Modul auszuwerten. 

Bestimmung von dunklen und hellen Modulen

Die Durchschnittswerte aller Module in einem Code werden in einer Grafik dargestellt, die als Histogramm bezeichnet wird. Die graue Mitte zwischen den dunkelsten und hellsten Leveln im Code wird als globaler Schwellenwert festgelegt. Jedes Modul wird als hell oder dunkel interpretiert, je nachdem, ob es heller oder dunkler als der globale Schwellenwert ist. Dadurch können sich die Barcode-Leser an unterschiedliche Lichtverhältnisse und gedruckte Hintergründe anpassen. 

Bewertung von QR-Code-Modulen

Sobald festgestellt wurde, dass ein Modul dunkel oder hell ist, wird der tatsächliche Farbwert ausgewertet, um zu sehen, wie nah er am globalen Schwellenwert liegt. Je mehr Abstand zum globalen Schwellenwert desto besser: Helle Module sollten zu den hellsten Punkten in den Bildern gehören und dunkle Module sollten sich den dunkelsten annähern.

Um dies widerzuspiegeln, erhalten Module höhere Bewertungen je größer ihr Abstand zur Mitte des Histogramms ist und niedrigere Bewertungen, je näher sie am globalen Schwellenwert liegen.

Die Gesamtqualität eines QR-Codes hängt von der Qualität all seiner Komponenten ab: Suchmustern, Taktspuren, Versionsinformationsblöcken, Formatinformationsblöcken, Ausrichtungsmustern und normalen Datenmodule.

Die Bewertungsregeln für jedes Modul sind unterschiedlich, je nachdem, wie sehr sie sich auf die Lesbarkeit des QR-Codes auswirken.

Parameter für die Suchmusterbewertung

Nachdem die Farben der Zellen bestimmt wurden, besteht die nächste Phase im Dekodierprozess darin, das Suchmuster zu identifizieren: 

Bewertungszuweisung von Suchmustern:

• 0 falsche Module: A
• 1 falsches Modul: B
• 2 falsche Module: C
• 3 falsche Module: D
• 4 oder mehr falsche Module: F

Taktzellen

Taktzellen: horizontale und vertikale Taktzellen

Bewertungen basierend auf Taktzellen

• 0 falsche Module: A
• ≤ 7 % falsche Module: B
• ≤ 11 % falsche Module: C
• ≤ 14 % falsche Module: D
• > 14 % falsche Module: F

Ausrichtungsmuster

Jedes Ausrichtungsmuster wird untersucht, um festzustellen, ob es falsche Module enthält, und dann basierend auf dem Prozentsatz der Muster mit Fehlern bewertet. Wenn es nur ein Ausrichtungsmuster gibt, führt jede Beschädigung dieses Musters zu einer F-Bewertung.

Bewertung basierend auf Ausrichtungsmustern

• 0 beschädigte Ausrichtungsmuster: A
• ≤ 10 % beschädigte Ausrichtungsmuster: B
• ≤ 20 % beschädigte Ausrichtungsmuster: C
• ≤ 30 % beschädigte Ausrichtungsmuster: D
• > 30 % beschädigte Ausrichtungsmuster: F

Versionsinformationsblock

Versionsinformationsblöcke treten nur in QR-Code-Symbolen ab 45 x 45 Modulen auf. Diese Blöcke werden zu Redundanzzwecken an zwei Stellen im Symbol wiederholt, falls Schäden auftreten.

Bewertung basierend auf Versionsinformationsblöcken

• 0 falsche Module: A
• 1 falsches Modul: B
• 2 falsche Module: C
• 3 falsche Module: D
• > 3 falsche Module: F

Formatinformationsblock

Da es zwei Formatinformationsblöcke gibt, gilt hier der Durchschnitt von zwei Bewertungen. Wenn ein Block beschädigt ist und mit einem F bewertet wird und der andere eine A-Klasse erhält, ist die Gesamtklasse für Formatinformationsblöcke ein C.

Bewertung basierend auf Formatinformationsblöcken

• 0 falsche Module: A
• 1 falsches Modul: B
• 2 falsche Module: C
• 3 falsche Module: D
• > 3 falsche Module: F

Zusätzliche Bewertungsparameter für QR-Code-Symbole

Zusätzlich zu den Mustern, die für QR-Codes spezifisch sind, werden bei der Bewertung aller 2D-Barcodes die folgenden Parameter verwendet.

Erfolgreiche Dekodierung

Jeder QR-Code muss mit dem in den technischen Daten zum QR-Code angegebenen Prozess dekodiert werden können. Jeder Code, der so stark beschädigt ist, dass er nicht dekodiert werden kann, wird mit einem F bewertet. Ein Symbol, das erfolgreich dekodiert wurde, erhält eine A-Bewertung, was bedeutet, dass die tatsächliche Bewertung des Symbols von der Bewertung des festen Musters oder den anderen unten stehenden Parametern abhängt.

Unbenutzte Fehlerkorrektur

Wie die meisten 2D-Symbologien enthalten QR-Code-Symbole eine Fehlerkorrektur, die es dem Dekodierer ermöglicht, Datenbits wiederherzustellen, selbst wenn einige der Module unlesbar sind. Die Fehlerkorrekturfähigkeit ist jedoch auf eine bestimmte Anzahl von Modulen beschränkt und der Prozentsatz der verwendeten Fehlerkorrekturfähigkeit bestimmt die Bewertung für unbenutzte Fehlerkorrektur (unused error correction, UEC).

Bewertung basierend auf UEC

• ≥ 62 % unbenutzte Fehlerkorrektur: A
• ≥ 50 % unbenutzte Fehlerkorrektur: B
• ≥ 37 % unbenutzte Fehlerkorrektur: C
• ≥ 25 % unbenutzte Fehlerkorrektur: D
• <25 % unbenutzte Fehlerkorrektur: F

Axiale Ungleichmäßigkeiten

Es wird erwartet, dass QR-Codes und ihre Zellen  Jede Verzerrung, die das Seitenverhältnis des Symbols beeinflusst, wird als axiale Ungleichmäßigkeit (axial non-uniformity, ANU) gemessen. Der ANU-Wert wird berechnet, indem die Differenz zwischen den Längen der beiden Achsen durch die durchschnittliche Größe der beiden Achsen geteilt wird.

Bewertung basierend auf ANU:

• ≤ 6 % ANU: A
• ≤ 8 % ANU: B
• ≤ 10 % ANU: C
• ≤ 12 % ANU: D
• > 12 % ANU: F

Ungleichmäßigkeiten im Raster

Der Dekodierprozess führt zu einem Raster von sich überschneidenden Linien, die sich in den Zentren der Module befinden sollten. Idealerweise sind die vertikalen und horizontalen Abstände im Raster gleich.

In der tatsächlichen Verwendung passt sich das Raster jedoch an die Positionen der Taktzellen und die Ausrichtungsmuster an, sodass möglicherweise kein ideales Raster entsteht.

Die Ungleichmäßigkeit im Raster (grid non-uniformity, GNU) misst die größte Differenz zwischen den Schnittpunkten der Rasterlinien, des tatsächlichen und des idealen Rasters als Prozentsatz der X-Dimension.

Bewertung basierend auf GNU

Bewertung der Ungleichmäßigkeit im Raster:

• ≤ 38 % GNU: A
• ≤ 50 % GNU: B
• ≤ 63 % GNU: C
• ≤ 75 % GNU: D
• > 75 % GNU: F
   

Modulation (MOD und RM) 

Die Modulation ist ein Vergleich der tatsächlichen Farbe von Datenmodulen mit dem globalen Schwellenwert und ihren erwarteten Farben.  Je näher der Wert am globalen Schwellenwert liegt, desto unbestimmter sind sie und desto niedriger ist die Bewertung dieses Moduls. Der Prozentsatz der Module mit jeder Farbstufe bestimmt die Bewertung. Man kann sich die Modulation als lokalisierte Bereiche mit Kontrastproblemen vorstellen.

Da QR-Codes eine Fehlerkorrektur haben, macht eine kleine Anzahl unbestimmter Module ein Symbol nicht unlesbar. Wenn jedoch immer mehr Module farblich unbestimmbar werden, wird das Symbol immer schwieriger zu lesen und weniger widerstandsfähig gegen Schmutz oder Schäden.

Bewertungsprozess für MOD und RM

Für die Modulationsbewertung werden Module mit einer Bewertung schlechter als A als Fehler gezählt und die Bewertung wird basierend auf der UEC-Formel berechnet. Anschließend wird der Prozess für Module wiederholt, die schlechter als B, C und D bewertet wurden. Die Bewertung wird als „best of the worst“ berechnet, was bedeutet, dass für jede limitierende Bewertung die niedrigste Bewertung und das UEC-Ergebnis ausgewählt werden. Der höchste dieser Werte ist die endgültige Bewertung für MOD und RM.

Unterschiede zwischen MOD und RM

Der Unterschied zwischen MOD und RM besteht darin, dass bei MOD die Module mit falscher Farbe nicht automatisch als Fehler gezählt werden. Stattdessen wird für ihre Bewertung ihr Abstand zum globalen Schwellenwert verwendet, ohne Rücksicht auf die tatsächliche Farbe, die das Modul haben sollte. Bei RM werden falsche Module immer als Fehler gezählt.

Der MOD-Ansatz ist praktisch für die Bewertung der Druckqualität, keine Beurteilung dessen, wie genau oder lesbar ein Symbol ist. RM ist hingegen nützlicher, um die Lesbarkeit eines Symbols zu messen, da alle Module, die die falsche Farbe haben, als Fehler gezählt werden.

Bestimmung der endgültigen Modulationsbewertung

Da die Gesamtklasse eines Symbols die niedrigste Klasse aller Parameter ist, bestimmt die niedrigste MOD- und RM-Einstufung die endgültige Klasse. Da die RM-Bewertung außerdem immer MOD entspricht oder niedriger ist, wird immer RM die endgültige Bewertung bestimmen. In diesem Sinne ist MOD nicht notwendig, um über die endgültige Bewertung eines Symbols zu entscheiden, kann aber in einigen Fällen helfen, die Druckqualität zu bestimmen.

Die QR-Codequalität verstehen

Alle Hersteller und Produzenten können die QR-Codequalität optimieren, wenn sie die Struktur, den Bewertungsprozess und die Modulationsevaluierung verstehen. Die korrekte Verwendung aller Elemente, einschließlich Ruhezonen, Suchmuster, Ausrichtungsmuster, Taktzellen und Versionsinformationen, hilft bei der Erstellung guter QR-Codes.

Der Bewertungsprozess ist wichtig, um potenzielle Kontrastprobleme zu identifizieren und die Lesbarkeit zu verbessern. Für einen zuverlässigen und effizienten QR-Code ist es entscheidend, das richtige Gleichgewicht zwischen Fehlerkorrektur und Farbbewertung zu finden. Durch die Einhaltung von Best Practices und die Implementierung umfassender Bewertungsmethoden können Unternehmen qualitativ hochwertige QR-Codes sicherstellen, die die Benutzererfahrung verbessern und ihre beabsichtigten Zwecke in der heutigen digitalen Welt erfolgreich erfüllen.