在产品印刷过程中，由于工艺等原因，印刷品往往会出现色差、套印不准等现象，还会出现一些缺陷点、墨线、黑皮之类的外观缺陷，从而导致印刷次品的出现。印刷企业一般采用人工方法，在印中抽样及印后逐一进行目测的方法分拣次品，检测效率低、成本高、劳动强度大。

　　随着机器视觉技术的不断发展，行业逐步利用机器视觉系统来代替人进行印刷品缺陷检测，极大的提高了生产效率，降低生产成本，给力行业应用。

　　一、视觉检测

　　视觉检测主要包含两部分，即缺陷检测及识别。印刷缺陷表现在图像上，即为采集图像缺陷处的灰阶值与标准图的差异。将采集图像的灰度值同标准图进行差分（像素值相减），判断其差值（两幅图灰阶值的相差程度）是否超出以预先设定的标准值范围，就能判断出这幅印刷品有无缺陷。

　　缺陷识别过程，即差分完成后，得到一幅同采集图大小相同的差分图，其像素值是每两幅图像对应像素点的差值。随后，对差分图像进行逐行扫描，对缺陷点进行探测。当遇到缺陷点像素时（其值>0），用递归的方法遍历整个缺陷区域，同时记录下缺陷区的大小、尺寸。整个扫描过程完成后，递归的次数就是缺陷的个数。

　　利用基于PC的机器视觉系统代替人工进行印刷品检测，利用计算机精度高、速度快的特点，迅速而精确地检测出印刷品的外观缺陷，并对缺陷程度进行综合分析，从而判断印刷品是否为次品或废品。较之外观缺陷要困难得多的如色差、套印不准等缺陷的检测与识别问题，机器视觉印刷质量检测系统可以提高智能化信息处理能力，大大提高生产效率和生产的自动化程度，并且有效控制劳动力成本，同时其行业应用也将逐步加剧。

　　二、图像采集及预处理

　　图像采集过程中，由于摄像机精度、照明环境等因素的影响，采集的图像会存在一定的随机噪声，从而导致图像失真。这里采用即可去掉尖锋干扰，又能保持边缘细节的加权中值滤波算法。确定一个像素个数为奇数的窗口W，先对窗口内各像素加权，某一像素加权值为m，即窗口像素灰度排队时该像素重复m个，再将窗口内的各像元按灰度值从大到小排列，再用其中间位置的灰度值代替原图像f（x，y）的中间值，得到增强图像g（x，y）。