最早用于印刷质量检查的技术是将标准图像与检测图像进行比较的技术。现在，更先进的技术是基于RGB三原色进行比较。机器自动检测和人眼检测有什么区别？以人类视觉为例。当我们全神贯注于一个印刷品时，如果印刷品的对比色强，人眼能发现的最小缺陷就是对比色明显且不小于0.3mm的缺陷；但是靠人的能力很难维持持续稳定的视觉效果。但是，另一方面，如果你在同一色系的印刷品中寻找缺陷，尤其是在浅色系中，人眼能找到的缺陷至少需要20个灰度差。自动机器可以很容易地发现尺寸为0.10毫米的缺陷，即使这些缺陷与标准图像仅相差一个灰度级。

但在实际使用中，即使是同一个全彩色对比系统，对色差的分辨能力也是不同的。一些系统可以发现轮廓和色差变化较大的缺陷，而其他系统可以识别微小的缺陷。对于白卡纸和一些简单的印刷品，比如日本的肯特香烟标签和美国的万宝路香烟标签，简单的检测可能就足够了。而国内大部分印刷产品，尤其是各种标签，都有很多特点，闪光元素太多，比如金银卡纸、烫金、压花或上光印刷产品。这就要求质量检测设备必须有足够的能力找到最小的灰度差，也许是五个灰度差。这对国内标签市场至关重要。

标准图像和印刷品图像的精确对比是检测设备的关键问题。通常，检测设备通过镜头采集图像。在镜头范围的中间部分，图像非常清晰，但是图像的边缘部分可能会产生虚影，虚影部分的检测结果将直接影响整个检测的准确性。从这个角度来说，如果只是整个区域的对比，并不适合一些精细的印刷品。如果将得到的图像再次细分，比如可以将图像分割成1024dpi X 4096dpi或者2048dpi X 4096dpi，那么检测精度会大大提高，同时由于避免了边缘部分的虚影，检测结果会更加稳定。

使用检测设备进行质量检测，可以提供整个检测过程的实时报告和详细完善的分析报告。现场操作人员可以凭借全自动检测设备的及时报警，根据实时分析报告对工作中出现的问题进行及时调整，可能会使废品率降低一个百分点以上。管理人员可以根据检测结果的分析报告跟踪生产过程，更有利于生产技术的管理。因为客户要求的是高质量的检测设备，不仅止于检测印刷品的好坏，还需要事后分析的能力。一些质检设备所能做的，不仅可以提高成品合格率，还可以帮助厂家改善工艺流程，建立质量管理体系，达到长期稳定的质量标准。

印刷产品的视频图像由安装在生产线上的摄像机连续拍摄，摄像机速度在30帧/秒以下且可调。摄像机采集的图像首先被量化，模拟信号被转换成数字信号，从中提取有效表示镜头内容的关键帧并显示在显示器上。对于一帧图像，可以用静止图像的分析方法来处理。通过尺寸测量和多光谱分析，可以识别出视频图像上的每个颜色标记，并获得颜色标记之间的距离、颜色标记的颜色参数以及其他一些相关性。由于各种因素，会出现各种噪声，如高斯噪声、椒盐噪声、随机噪声等。

噪声给图像处理带来很多困难。它对图像分割、特征提取和图像识别有直接影响，因此需要对实时采集的图像进行滤波。图像滤波要求能够去除图像之外的噪声，同时保留图像的细节。当噪声为高斯噪声时，最常用的线性滤波器易于分析和实现。但是，线性滤波器对椒盐噪声的滤波效果较差。传统的中值滤波可以降低图像中的椒盐噪声，但效果并不理想，即去除了充分分散的噪声，而相互靠近的噪声会被保留。所以当椒盐噪声严重时，其过滤效果会明显变差。该系统是一种改进的中值滤波方法。首先获得噪声图像窗口中去除了最大和最小灰度值的像素的中值，然后计算该中值与对应像素灰度值的差值，再与阈值进行比较，确定是否用获得的值替换像素的灰度值。

在图像分割的这个阶段，每个颜色标记被检测并从背景中分离出来。对象的边缘由灰色不连续性反映。L边缘类型有两种，一种是台阶边缘，其两侧像素的灰度值差异显著；第二个是屋顶形边缘，位于灰度值由增变减的转折点L处。对于阶跃边缘，其二阶方向导数在边缘处有零交叉，因此微分算子可以作为边缘检测算子。差分子类边缘检测方法类似于高空域的高通滤波，可以增加高频成分。这种算子对噪声相当敏感。对于阶跃边缘，常用的算子有梯度算子、Sobel算子和Kirsh算子。拉普拉斯变换和Kirsh算子可用于屋顶边缘。由于色标是矩形的，相邻边缘的灰度差别很大，所以使用边缘检测来分割图像。这里使用Sobert边缘检测器检测边缘，它使用局部差分算子来寻找边缘，可以更好地分离色码。在实际检测过程中，采用了彩色图像边缘检测方法，并选择了合适的颜色基(如强度、色度、饱和度等。)被选择用于检测。根据印刷机的类型特点，即印刷机各种颜色和版面的特点，进行多阈值处理，得到各种颜色的二值图像。

测量分割的图像，并且通过测量值识别对象。因为色码是具有规则形状的矩形，所以可以提取以下特征:(1)计算矩形面积，(2)矩形度，(3)像素的色度(H)和饱和度(S)。然后根据色码之间的像素数得出色码之间的距离，与设定值比较得出两者之差。从而调整色辊的相对位置，消除或减少印刷错位。在特征提取中，图像的多光谱图像分析可以定量地表示色阶，如色号图像中像素的颜色。利用HIS格式获得每个色标的颜色信息的两个参数:色度和饱和度，从而检测油墨的质量。对每种颜色的二值图像进行统计计算或与标准图像进行模板匹配，并测量打印过程中的墨屑等参数。

开卷机将印刷机开卷，依次通过印刷单元，印刷并烘干各种颜色，收卷机将它们卷起来。每种彩色印刷都会在印刷品边缘印上一个彩色标记，横向长10毫米，宽1毫米。套印准确时，各相邻颜色的标记线应相互平行，垂直(竖向)相距20 mm。安装在生产线上的摄像机将连续拍摄印刷品的视频图像。通过尺寸测量和多光谱分析，可以识别出视频图像上的色标，得到色标间距和颜色参数l，如果相邻两个色标间距大于或小于20 mm，说明套印存在偏差。偏差信号送到伺服变频驱动单元，伺服变频驱动单元驱动交流伺服电机，使相应的套准校正辊ML上下移动，以延长或缩短承印物从前一个单元印版辊到单元印版辊的行程，进行动态校正。

在现代包装工业的自动化生产中，涉及到各种检测和测量，如饮料瓶盖的印刷质量检测、产品包装上的条形码和字符识别等。这些应用的共同特点是连续批量生产，对外观质量要求高。通常这种重复性和智能性都很高的工作只能靠人工检查来完成。我们经常会在一些工厂的现代化流水线后面看到成百上千的检验工人来执行这个过程。在给工厂增加巨大的人力成本和管理成本的同时，仍然无法保证100%的检验合格率(即零缺陷)。然而，如今企业间的竞争，连0.1的缺陷都不允许。有时，如微小尺寸的精确快速测量、形状匹配、颜色识别等。，不可能用人眼连续稳定地进行，其他物理量传感器几乎没有用。这时，人们开始考虑计算机结果的快速性、可靠性和可重复性，从而引入了机器人视觉技术。

一般来说，首先用CCD摄像机将拍摄的物体转换成图像信号，传输到专门的图像处理系统，根据像素分布、亮度、颜色等信息转换成数字信号；图像系统对这些信号进行各种运算，提取目标的特征，如面积、长度、数量、位置等。最后根据预设的公差和其他条件输出结果，如尺寸、角度、偏移量、数量、合格/不合格、是/否等。机器视觉的特点是自动化、客观性、非接触性和高精度。与一般的图像处理系统相比，机器视觉强调精度和速度，以及在工业现场环境中的可靠性。

视觉非常适合大批量生产中的测量、检验和识别，如IC表面印刷字符的识别、食品包装上生产日期的识别、标签放置位置的检查等。

典型的视觉系统一般包括以下几个部分:光源、镜头、CCD摄像机、图像处理单元(或图像采集卡)、图像处理软件、监视器、通信/输入/输出单元等。系统的视觉输出不是图像视频信号，而是经过运算处理后的检测结果，比如尺寸数据。比如上位机和PLC实时得到测试结果后，命令运动系统或I/O系统执行相应的控制动作，比如定位、分拣等。根据视觉系统的运行环境，可以分为基于PC的系统和基于PLC的系统。基于PC机的系统利用了其开放性、高编程灵活性和良好的Windows界面，系统整体成本较低。以美国DATATRANSLATION公司为例，系统内含高性能图像采集卡，可连接多个镜头。支持软件从低到高有几个层次，比如Windows95/98/NT环境下的C/C++编程DLL，visual control activeX提供的VB和VC++中的图形化编程环境，甚至Windows中面向对象的机器视觉组态软件。用户可以使用它快速开发复杂和高级的应用程序。