印刷品是人们享受精神文化信息传播的重要载体之一,因此人们对印刷品质量的要求也越来越高。如何及时检测和发现印刷品缺陷,减少印刷废品流入市场,降低印刷成本和人力资源是人们关注的热点。印刷产品质量缺陷具有种类多、成因复杂等特点,但随着图像处理等技术的不断发展,图像处理技术成为印刷品缺陷检测的一种有效手段之一。本文针对现有的印刷品质量存在的缺陷,开展了基于图像处理的印刷品缺陷检测算法研究。主要研究内容包括:首先针对印刷品质量缺陷的特点,为有效降低噪声数据对预测准确度的影响,本文提出了满足点、线和圆三类印刷品缺陷预处理和边缘处理方法;其次为不失印刷品缺陷图像特征,本文开展了Sobel算子、Roberts算子、Prewitt算子、Laplace算子和Canny算子五种不同特征提取算法比较分析,提出了改进的Sobel特征提取算法,获得了较好的边缘提取效果;最后通过BP网络和卷积神经网络分类器进行实验分析比较,提出了一种改进的BP神经网络分类算法。通过实际数据验证表明,本文所提出的方法不仅能够有效降低印刷品质量检测成本,而且能有效提高印刷产品质量检测的效果。其成果具有重要的推广应用价值。