WHITE PAPER. Wie beurteilt man Bildqualität?

Transkript

1 WHITE PAPER Wie beurteilt man Bildqualität? Was bedeutet für Sie Bildqualität? Was konkret unterscheidet ein gutes von einem schlechten Bild? Wie lässt sich Bildqualität bei einer Industriekamera messen und nach welchen Kriterien beurteilen? Willkommen zurück in unserer Serie Bildverarbeitung für Einsteiger! Sie haben im Zuge Ihrer Vorbereitungen bereits eine erste Vorauswahl an Kameras getroffen und möchten nun die Bildqualität der infrage kommenden Modelle vergleichen. Als Ergebnis wünschen Sie sich Aufnahmen, die scharf, kontrastreich, detailgenau, farbecht und vor allem rauscharm sind. Um diese Eigenschaften präzise vergleichen zu können, gibt es mehrere Möglichkeiten. Inhalt: 1. Ein Bildvergleich: Qualität auf den zweiten Blick Ein Bildvergleich: Qualität auf den zweiten Blick 2. Bild verbessern mit Digital Gain? Bildrauschen und SNR Licht und Rauschen Bildqualität beurteilen (unter beispielhafter Verwendung von ImageJ) Die Bildqualität verschiedener Kameras beurteilen Wie schafft man in beiden Fällen vergleichbare Bedingungen? Zwei Ansätze Weitere Einflussfaktoren Lichtmenge Sensorgröße, Pixelanzahl und Pixelgröße Dynamik Auflösung Kontrast und Schärfe Farbfehler Fazit und Ausblick Wie ist Ihr erster Eindruck? Das linke Bild ist hell, scharf und kontrastreich, das rechte Bild ist dunkel und irgendwie verschwommen. Das Ergebnis liegt scheinbar - auf der Hand: Das linke Bild ist das bessere. Oder lohnt es sich, genauer hinzuschauen? Wir wollen die Bilder genauer analysieren, um herauszufinden, ob der erste Eindruck einer objektiven Prüfung standhält. 2. Bild verbessern mit Digital Gain? Mithilfe des Digital Gain lässt sich die Helligkeit eines Bildes verändern. Oberflächlich betrachtet, sehen hellere Bilder auf den ersten Blick meist gefälliger aus als dunkle. Digital Gain ist ein Feature Ihrer Kamera und bezeichnet den Faktor, mit dem die Grauwerte der Pixel multipliziert werden. So kann man z. B. alle Grauwerte eines Bildes doppelt so hell erscheinen lassen, in dem man einen digitalen Gain von 6dB (Faktor 2) einstellt. Man kann also jedes Bild beliebig aufhellen. 0dB - kein digitaler Gain 3dB - 1,41 digitaler Gain 6dB - zweifacher Gain 1

2 Untrennbar gekoppelt mit der Helligkeit ist allerdings das Bildrauschen. In gleichem Maße wie die Helligkeit steigt nämlich auch das Rauschen. Denn was sich beim Aufhellen über Digital Gain nicht verändern lässt, ist das Signal-Rausch-Verhältnis (SNR) und somit die individuelle Eigenschaft des Bildes. 2.1 Bildrauschen und SNR Wie entsteht Rauschen und wie beeinflusst es die Qualität eines Bildes? Ein idealer Kamerasensor würde eine bestimmte Lichtmenge in eine genau vorhersagbare Menge von elektrischen Signalen umwandeln. Leider gibt es diesen idealen Sensor nicht, da jede Signalverarbeitung mit Signalschwankungen, also Rauschen, behaftet ist. Das für unsere Betrachtungen wichtige Rauschen der Elektronik ist unabhängig von der eingestrahlten Lichtmenge. Es ist also im Dunkeln bereits vorhanden und wird deshalb als Dunkelrauschen (Engl.: dark noise, DN) bezeichnet. Das Dunkelrauschen hängt von dem verbauten Sensor und der Kameraelektronik ab, aber auch von der Temperatur der Bauteile und anderen äußeren Störeinflüssen. Ist ein Signal einmal mit Rauschen behaftet, lässt sich das Rauschen zwar durch Software verringern, was allerdings sehr rechenintensiv und mit hoher Bildrate kaum möglich ist. Versuchen Sie also, Rauschen von vornherein zu vermeiden. Sie können beispielsweise hochwertige Sensoren und Elektronikbauteile in Ihrer Kamera verwenden auf eine gute elektronische Architektur im Aufbau der Kamera achten die Temperatur des Sensors und anderer analoger Bauteile in der Kamera niedrig halten Vorkehrungen treffen, die einen störenden Einfluss von Umgebungsrauschen auf das Signal verhindern (z. B. durch abgeschirmte Kabel). Der zweite Beitrag zum Rauschen ist das Rauschen des Lichtes selbst. Aufgrund statistischer Schwankungen variiert die Anzahl von Photonen, die in einer bestimmten Zeit auf eine bestimmte Fläche auftreffen um die Wurzel aus der Anzahl der Photonen. Diese Varianz wird als Lichtrauschen oder Photonen- Rauschen (Engl.: photon shot noise) bezeichnet. Über die Quanteneffizienz des Sensors lässt sich dieses Rauschen auf das Rauschen der vom Sensor erzeugten Elektronen übertragen. Auch hier schwankt die Anzahl der Elektronen (also das Signal des Sensors) um die Wurzel aus der Elektronenzahl. Das Verhältnis zwischen Signal und Rauschen misst das Signal-Rausch-Verhältnis (SNR Signal-to-Noise Ratio). Das SNR wird entweder als Verhältnis (z. B. 20 zu 1) angegeben, oder in Dezibel (db). Wie oben beschrieben, beeinflusst der digitale Gain der Kamera das Grauwertsignal, aber ebenfalls zu gleichen Teilen auch das Bildrauschen. Das SNR bleibt davon jedoch vollkommen unbeeinflusst. Fazit: Weder das Rauschen noch die Helligkeit eines Bildes sind aussagekräftige Kriterien für die Qualität eines Bildes; entscheidend ist allein das Verhältnis beider Faktoren zueinander, also das Signal-Rausch-Verhältnis. Am SNR lässt sich mithilfe des digitalen Gain nichts verändern. 2.2 Licht und Rauschen Die Lichtmenge steht in engem Zusammenhang mit dem Bildrauschen. Ist viel Licht vorhanden, ist es wichtig, dass der Pixel eine möglichst große Anzahl von Photonen verarbeiten, also eine hohe Anzahl von Elektronen speichern kann (hohe Sättigungskapazität). Steht hingegen wenig Licht zur Verfügung, sollte der Pixel möglichst viele Photonen einsammeln können, also eine große Pixelfläche haben, und die Photonen effektiv in Elektronen umwandeln (hohe Quanten effizienz). Je weniger Licht vorhanden ist, desto wichtiger wird außerdem ein niedriges Dunkelrauschen (DN). SNR= (inkl. Dunkelrauschen) Signal = Rauschen Anzahl Elektronen Dunkelrauschen DN+ Anzahl Elektronen = Szenario 1: Aufnahmen mit viel Licht (Einfluss von Sättigungskapazität und Dunkelrauschen): SNR= = = 168, SNR= = = 163, SNR= = = 113, Unter Aufnahmebedingungen mit viel Licht spielt das Dunkelrauschen nur eine untergeordnete Rolle. Auch wenn sich wie in diesem Beispiel das Dunkelrauschen verdoppelt, reduziert sich das SNR nur um knapp 3 %. Halbiert sich hingegen die Anzahl der gespeicherten Elektronen (zum Beispiel durch eine geringere Sättigungskapazität), so verringert sich das SNR um 31 %! 2

3 Szenario 2: Aufnahmen mit sehr wenig Licht (Einfluss des Dunkelrauschens): 50 SNR= = = 4, SNR= = = 2, Ist bei Bildaufnahmen nur sehr wenig Licht vorhanden, fällt das Dunkelrauschen sehr stark ins Gewicht. Wie in diesem Beispiel verschlechtert sich das Signal-Rauschverhältnis bei einer Verdoppelung des Dunkelrauschens um ca. 30 %! Die Sättigungskapazität ist hingegen bei wenig Licht irrelevant, da die Anzahl der erzeugten Elektronen weit unterhalb der Sättigungskapazität liegt. ImageJ - Werkzeugleiste Um die Bildqualität zweier Kameras oder unterschiedliche Sensoren beurteilen zu können, müssen zunächst Bilder unter gleichen Bedingungen aufgenommen werden. Diese werden in ImageJ geladen. Signal-Rausch-Verhältnis Signal-Rausch-Kurve Sättigung (Sättigungskapazität) db Signal-Rausch-Verhältnis bits Ausgezeichnete Bildqualität Akzeptable Bildqualität 5.3 bits 3.3 bits Anzahl Photonen Ausgezeichnete Bildqualität 5.3 bits/32 db Akzeptable Bildqualität 3.3 bits/20 db Dann sucht man sich im Bild einen möglichst homogenen Bereich und setzt mit ImageJ darin ein Markierungsrechteck. Rauschen Dynamikbereich Rauschen Dynamikbereich Anzahl Photonen Die y-achse zeigt das SNR nach Dezibel, Bits und absoluten Zahlen. Das tatsächliche Signal entspricht einem Wert auf der x-achse, der die Anzahl der aufgenommenen Photonen darstellt. Die Sättigungskapazität gibt die Menge an Elektronen an, die ein einzelner Pixel aufnehmen kann, bis er vollständig gesättigt ist. Anschließend erzeugt man mit der Tastenkombination Strg + H jeweils ein Histogramm des Bildausschnitts. Fazit: Bei viel Licht ist eine hohe Sättigungskapazität des Pixels hilfreich, das Dunkelrauschen spielt eine geringe Rolle. Bei wenig Licht ist hingegen die Sättigungskapazität unwichtig, während das Dunkelrauschen an Einfluss gewinnt. 3. Bildqualität beurteilen (unter beispielhafter Verwendung von ImageJ) Count: Mean: StdDev: Min: 229 Max: 249 Mode: 239 (11050) Count: 5214 Mean: StdDev: Min: 227 Max: 234 Mode: 231 (1963) Achten Sie darauf, dass bei der Wahl des Bildausschnitts der mittlere Grauwert in dem Rechteck (bei ImageJ als Mean bezeichnet) nahe der Sättigung ist (>200), dass aber gleichzeitig kein Pixel gesättigt ist (Max <255). Wie beurteilt man die Bildqualität im Machine Vision Kontext? Eine pragmatische Möglichkeit ist die Verwendung eines Bildanalysetools, wie z. B. ImageJ. Dieses Tool ist ein frei verfügbares Programm, mit dem man Bilder anzeigen, editieren und analysieren kann. So stellt es beispielsweise den Kontrast ein, verändert die Bildhelligkeit und stellt die Pixelgrauwerte in Form eines Histogramms dar. 3

4 Abstand zwischen Kamera und Objekt Belichtungszeit Count: Mean: StdDev: Min: 0 Max: 1 Mode: 1 (7461) Das Signal für unsere SNR-Berechnung ist also der Mean. Abziehen muss man hiervon noch den Mean ohne Signal, also mit abgedunkeltem Objektiv, um eventuelle Offset-Effekte zu kompensieren. Normalerweise sollte dieser Wert sehr nahe Null sein, sodass man ihn ggfs. auch vernachlässigen kann. Das Rauschen in unserem Rechteck entspricht der Standardabweichung (Engl.: Standard Deviation StdDev.) In diesem Fall ergibt sich für das linke Bild ein SNR von: SNR=mean hell - mean dunkel = 239,0-0,62 = 95,2 StdDev hell 2,504 und für das rechte Bild: SNR=mean hell - mean dunkel = 230,8-0,56 = 220,5 StdDev hell 1,044 Das rechte Bild hat also ein um mehr als Faktor 2 besseres SNR. Dieses Beispiel zeigt, wie man mit einfachen Mitteln die Bildqualität beurteilen kann. Man muss jedoch darauf achten, dass man Bilder unter vergleichbaren Verhältnissen erzeugt. Auf diesen Punkt wird im folgenden Abschnitt noch näher eingegangen. 4. Die Bildqualität verschiedener Kameras beurteilen Nachdem wir die Kriterien erläutert haben, die beim Beurteilen von Bildern eine Rolle spielen, beschäftigen wir uns im Folgenden damit, wie man diese Bilder am besten erzeugt. 4.1 Wie schafft man vergleichbare Bedingungen für einen Kameravergleich? Perfekt gleiche Bedingungen kann man erzeugen, wenn die Sensoren beider Kameras die gleiche Größe haben. Folgende Bedingungen müssen dann für beide Kameras gleich sein: Betrachtetes Objekt Beleuchtungsstärke Count: Mean: StdDev: Min: 0 Max: 2 Mode: 1 (8045) Bildausschnitt Objektiv Blendenzahl des Objektivs Sind die Sensoren beider Kameras hingegen unterschiedlich groß, müssen sich zwangsläufig entweder der Abstand zwischen Objekt und Kamera, das Objektiv oder der Bildausschnitt ändern. 4.2 Zwei Ansätze Was man ändert und was man gleich lässt, hängt davon ab, was man vergleichen will. Hier gibt es zwei Möglichkeiten: 1. Zwei Kameras bzw. Sensoren sollen möglichst fair unter gleichen Bedingungen verglichen werden. Oder: 2. Zwei Kameras sollen unter den Bedingungen verglichen werden, wie sie später im System auch betrieben werden. Sollen wie in Nummer 1 beschrieben zwei Kameras miteinander verglichen werden, dann ist Flexibilität hinsichtlich Abstand oder Bildausschnitt erlaubt, da sich die Beleuchtungsstärke eines Objekts nicht ändert, wenn die Distanz dazu größer oder kleiner wird, oder nur ein bestimmter Bildausschnitt geprüft wird. Die Details im Bild mögen größer oder kleiner erscheinen, je nachdem, aus welcher Entfernung man sie betrachtet, das entscheidende SNR ändert sich jedoch dadurch nicht. Folgt man dem zweiten Ansatz und will unter realen Bedingungen - das heißt genauso wie sie in der Anwendung herrschen - vergleichen, sind Abstand und Bildausschnitt meist fest. Folglich sind Änderungen am Objektiv notwendig. Letztlich vergleicht man dann auch nicht mehr nur Kameras (bzw. Sensoren), sondern das Gesamtsystem aus Kamera plus Objektiv. Idealweise verwendet man für einen Vergleich das Objektiv, das man später tatsächlich einsetzen möchte. 5. Weitere Einflussfaktoren 5.1 Lichtmenge Vergleicht man Kameras mit gleicher Sensortechnik und größe, lässt sich die Menge an Licht (sprich die Anzahl der Photonen, die auf die Sensorfläche trifft sobald sich der Verschluss öffnet und dort in Elek- 4

5 tronen, also in optische Signale umgewandelt wird) auf einfache Weise vergleichen, indem man für die gleiche Lichtquelle sorgt. So stellt man sicher, dass die Bilder hinsichtlich Beleuchtung bei der Aufnahme vergleichbar sind. Schaffen Sie die Lichtverhältnisse, die auch später in Ihrer Anwendung vorherrschen werden. 5.2 Sensorgröße, Pixelanzahl und Pixelgröße Der Sensor ist das Herz und damit der teuerste Bestandteil einer Kamera. Seine Größe ist aber natürlich nicht nur eine Preisfrage, sondern auch entscheidend für die Menge an Licht, die er verarbeiten kann. Moderne Industriekameras bieten eine Auswahl an verschiedenen Formaten: 1" 16 mm 11 mm 2/3" 1/1.8" 9 mm 1/2" 8 mm 1/2.3" 1/2.5" 1/3" 1/4" 7,9 mm 7,1 mm 6 mm 4,5 mm Die Sensorgröße ist ein wichtiger Einflussfaktor für die Bildqualität. Stark vereinfacht gesagt, ist die Bildqualität höher, je größer der Sensor ist. Einschränkend muss man allerdings berücksichtigen, dass nicht die Sensorgröße alleine ausschlaggebend ist, sondern vielmehr die Anzahl der Pixel und - davon abgeleitet - die Pixelgröße. Die Pixelanzahl wird in Megapixel (MP) gemessen und gibt an, wie viele Pixel sich auf der Sensorfläche befinden. Je höher die MP-Zahl, desto höher die Auflösung. Der häufig zitierte Leitsatz, dass mehr Megapixel bessere Bilder ergeben, ist nur eingeschränkt richtig. Sind zu viele Pixel auf der Sensorfläche angeordnet, führt dies zu höherem Rauschen, was wiederum negative Auswirkungen auf die Bildqualität zur Folge hat. Die Pixelgröße ist entscheidend dafür, wie viel Licht ein Pixel einsammeln kann. Ein 5 m großer Pixel also ein quadratischer Pixel mit 5 m Kantenlänge hat eine vier Mal größere Fläche als ein 2,5 m Pixel. Damit sammelt er auch vier Mal mehr Licht ein und ist dadurch bei schlechten Lichtverhältnissen eindeutig im Vorteil. Heute bieten Pixel mit Größen zwischen 3,5 m und 6 m das, wofür man früher 10 m Pixel brauchte: einen guten Kompromiss zwischen Lichtempfindlichkeit und hoher Auflösung. Hochauflösende und günstige Sensoren haben Pixelgrößen von 2,2 m bis unter 1,4 m - sie bieten hohe Auflösung, aber aufgrund ihrer kleinen Fläche eine geringe Lichtempfindlichkeit. Dies gilt im Übrigen auch für Digitalkameras des Consumer-Marktes. Vergleichen Sie eine Spiegelreflexkamera (SLR) mit einer Kompaktkamera: die SLR liefert deutlich bessere Qualität bei wenig Licht, weil sie mit einem größeren Sensor ausgestattet ist und dadurch viel mehr Licht aufnehmen kann. Kompaktkameras sind gut bei ausreichendem Licht, wie zum Beispiel Sonnenlicht. Sobald man sie im Innenraum mit eingeschränkten Lichtverhältnissen einsetzt, schalten sie schnell den Blitz zu, um genügend Licht einzufangen. 5.3 Dynamik Der Dynamikbereich einer Kamera beschreibt das Verhältnis zwischen dem stärksten und dem schwächsten Signal, das sich oberhalb des Rauschens in einem Bild erkennen lässt. Er wirkt sich unmittelbar auf die Bildqualität aus, indem er die Menge an möglichen Grauwerten im Bild bestimmt. Wichtig ist der Dynamikbereich einer Kamera bei schwankenden Lichtverhältnissen. Ein großer Dynamikbereich macht Details in Bildszenen erkennbar, in denen sowohl helle als auch dunkle Bereiche enthalten sind. Dies ist zum Beispiel häufig der Fall in Kameraanwendungen in Verkehrssystemen. Hier dienen Aufnahmen u.a. als Beweisgrundlage nach Verkehrsverstößen. Oft ist in solchen Aufnahmen sowohl das Nummernschild des Fahrzeugs, als auch der Fahrer abgebildet. Je nach eingesetzter Beleuchtung reflektiert dabei das Nummernschild stark, der Bereich um den Fahrer hingegen erscheint dunkel. Damit alle relevanten Details trotz dieser Helligkeitsunterschiede gut erkennbar bleiben, sollte die Kamera einen möglichst großen Dynamibereich aufweisen. In diesem Zusammenhang würde man von einer guten Bildqualität sprechen, wenn sowohl die Details im hellen als auch im dunklen Bereich eines Bildes einwandfrei und klar zu erkennen sind. 5.4 Auflösung Lesen Sie auf dem Datenblatt einer Kamera die Angabe 4 Megapixel, dann ist damit die Anzahl der Pixel auf der Sensorfläche gemeint. Die tatsächliche Auflösung hängt jedoch von der Kombination aus Kamera, Objektiv und dem Abstand zum Objekt ab. Die Anzahl der Pixel ( 4 MP ) dient dabei lediglich als Referenz, welche Auflösung die Kamera mit einem optimal auf den Sensor abgestimmten Objektiv und der optimalen Geometrie zum Objekt abbilden könnte. In Teil 1 unserer White Paper-Serie Grundlagen der Bildverarbeitung finden Sie eine detaillierte Erläuterung, was Sie zum Thema Auflösung beachten sollten, damit Sie mit Ihrem Kamerasystem die bestmögliche Bildqualität in Ihren Aufnahmen erreichen. 5

6 5.5 Kontrast und Schärfe Die optisch wahrnehmbaren Unterschiede zwischen den hellen und den dunklen Bereichen eines Bildes bilden den Kontrast. Der Kontrastumfang eines Bildes ist hoch, wenn es sowohl sehr helle als auch sehr dunkle Bereiche im Bild gibt. auf diese Beleuchtung zu kalibrieren, nutzt Basler ein Software-Tool. Für nähere Informationen zu diesem Basler Color Calibration Tool steht Ihnen das Basler Customer Service Team gerne zur Verfügung. Mehr zum Thema Farbe, Farbräume, Farbsysteme und Korrektur von Farbfehlern finden Sie in unserem White Paper Farbkalibrierung bei Basler Kameras. 6. Fazit und Ausblick Der Kontrast ist die Menge an aufgelösten Details, die im Sensor verarbeitet werden. Je besser man den Übergang von den dunklen zu den hellen Streifen erkennen kann, desto höher ist der Kontrast und desto schärfer erscheint das Bild. 5.6 Farbfehler Ein weiteres Kriterium der Bildqualität ist die Güte der Farbdarstellung. Hierbei können zwischen einem Kamerabild und dem Original Unterschiede entstehen. Fehlt z. B. in einem Bild der Grünanteil, wird es lilastichig. Diese Farbdifferenz zwischen dem Original und dem Kamerabild ist ein Maß des Farbfehlers. Hierbei gilt es zu beachten, dass das menschliche Auge Farben deutlich anders aufnimmt als ein Machine Vision- Sensor. Das Auge ist im Grünen deutlich empfindlicher als ein Kamerasensor. Wir haben nun die Grundlagen untersucht, die für die Beurteilung von Bildqualität eine Rolle spielen. Natürlich gibt es im Rahmen der Bildverarbeitung verschiedene weitere Werkzeuge und Maßnahmen, um die Qualität einer Aufnahme weiter zu optimieren. Einen detaillierten Überblick, welche Bedeutung die Wahl des passenden Objektivs für Ihr Kamerasystem hat und wie Sie unterschiedliche Kamerafunktionen zu Ihrem Vorteil einsetzen können, finden Sie demnächst im Rahmen unserer Serie Bildverarbeitung für Einsteiger. Bleiben Sie dran! Relative Empfindlichkeit Augenempfindlichkeit bei Tageslicht in der Nacht Wellenlänge (nm) Rein physikalisch entstehen Farbeindrücke durch elektromagnetische Wellen mit Wellenlängen zwischen 380 nm und 780 nm. Die Farbwahrnehmung eines Menschen wird jedoch durch das Gehirn und das menschliche Auge erzeugt und ist somit immer subjektiv. Um die Farbdarstellung einer Kamera der Wahrnehmung des Auges anzugleichen und sie realistisch darzustellen, führt die Kamera eine Farbkorrektur durch. Die benötigte Farbkorrektur hängt von der vorhandenen Beleuchtung ab. Um die Kamera genau 6

7 Autoren Dr. Christoph Czeranowsky Senior System Developer Architect for System Technology Christoph Czeranowsky ist Senior System Entwickler in der Technologie-Abteilung. Er ist als technischer Produktverantwortlicher zuständig für die technische Qualität mehrerer Kameralinien und betreut als technischer Ansprechpartner mehrere internationale Premium Accounts. Seit 2013 beschäftigt er sich als Architekt mit der Bildqualität bei Basler Kameras. Michael Schwär Senior Product Manager, Expert Michael Schwär ist Senior Produktmanager und Experte im Bereich Custom Projects und in dieser Funktion für die Betreuung mehrerer internationaler Key Accounts verantwortlich. Er begann seine Tätigkeit 1996 als Projekt-Ingenieur mit dem Schwerpunkt der Softwareentwicklung und arbeitete viele Jahre als Projektleiter im Bereich Machine Vision wechselte er als Product Manager ins Marketing, wo er mehrere Kameraproduktlinien verantwortet hat. Kontakt Dr. Christoph Czeranowsky Senior System Developer Tel Fax Basler AG An der Strusbek Ahrensburg Deutschland Kontakt Michael Schwär Senior Product Manager, Expert Tel Fax Basler AG An der Strusbek Ahrensburg Deutschland Über Basler Basler ist ein führender Hersteller von hochwertigen digitalen Kameras für Anwendungen in Fabrikautomation, Medizin und Verkehr. Die Produktentwicklung wird von den Anforderungen aus der Industrie gesteuert. Die Kameras bieten einfache Integration, kompakte Größen, exzellente Bildqualität und ein hervorragendes Preis-Leistungs-Verhältnis. Basler verfügt über mehr als 25 Jahre Erfahrung im Bereich der Bildverarbeitung. Das Unternehmen beschäftigt über 400 Mitarbeiter an seinem Hauptsitz in Ahrensburg und an Standorten in den USA, Singapur, Taiwan, China, Japan und Korea. Informationen zu Haftungsausschluss und Datenschutzerklärung finden Sie unter Basler AG, 02/2015 Basler AG Germany, Headquarters Tel Fax USA Tel Fax Asia Tel Fax