随着人类社会的不断进步，印刷品的需求在不断的增加，同时由于印刷品工艺和印刷技术的提高,人们对印刷品的质量和多样性也有着越来越高的要求。然而，在印刷品生产过程中，由于印刷机械精度以及印刷材料优劣等因素的影响，印刷品常会出现一些不可容忍的缺陷。传统的质量检测主要靠人工检测，由于其成本高、效率低、受主观因素影响大，以及现代化工业产能的提高和生产速度的加快，已经无法满足实际生产的要求。印刷行业的质量检测亦是如此。近年来，随着软、硬件的高速发展，以及机器视觉技术的提高，利用机器视觉技术实现印刷品缺陷在线检测已经成为印刷行业的趋势。　　在分析了现有的基于机器视觉的印刷品质量检测系统的基础上，本文将机器视觉、图像处理以及自动化等技术与印刷基本原理相结合，应用于印刷品质量的检测中，并研究和设计了一个印刷品缺陷在线检测系统。　　印刷品缺陷的检测主要是通过实时采集到的印刷品图像与标准模板图像在空间上的对齐，从而把缺陷分离出来。为了能够实现待测印刷品图像与标准模板图像间的对齐，最关键的一步是在缺陷检测前完成待测印刷品图像与标准模板图像的配准。本文结合已有的图像配准理论，深入探讨了SURF特征点提取算法，并重点研究了基于SURF特征点的图像配准方法。从SURF特征点的尺度特性以及区域分布特性分析了特征点选取对图像配准的影响，并实现了最终配准模型的建立。　　在实现了待测印刷品图像与标准模板图像的配准后，就可以对印刷品的缺陷进行提取和分析。为了能够控制缺陷检测的容忍度，以及加快缺陷图像的二值化，本文设计了标准模板图像和双值模板图像。标准模板图像作为图像配准的基准图像;双值模板图像通过各自的阈值系数，实现高值、低值的控制，并将配准后的待检测印刷品图像与双值模板图像进行差异比较，将介于高值与低值之间的区域判定为非缺陷区域，像素值置为0，将高于高值和低于低值的区域判定为缺陷区域，像素值置为1，从而实现缺陷图像的二值化。　　在二值化图像的基础上，对其中的缺陷区域进行了Blob分析，并设计了点状缺陷、线状缺陷和面状缺陷类型的判定规则。　　最后，本文结合机器视觉技术、图像处理技术、自动化技术等相关技术设计了检测系统的总体方案，包括其中的硬件系统和软件系统，并构建了一个由工业计算机、线阵CCD相机、镜头、光源、图像采集卡、旋转编码器等组成的印刷品缺陷在线检测系统，并进行了相关实验的验证，实验结果表明该检测系统可以实现对常见印刷品缺陷的检测。