工业自动视觉检测作为一种面向应用的技术,是随着工业自动化的发展而逐渐完善起来的。在国外,机器视觉作为一个产业己经比较成熟,在有些应用领域,市场竞争甚至到了白热化程度。而在中国,计算机视觉的理论研究和国际水平跟进比较快,但是系统的研发应用等方面却相对落后,对大多数人来说,它还是一个新事物。可以说机器视觉在国内还没有发展成一个完整的行业,仅仅出现了一些零星的案例,而且往往较为初级,无论是在深度还是广度上,都与国外水平相去甚远。　　我国是一个印刷业的大国,每年的印刷品的生产量是非常巨大的。随着社会的进步,经济的发展,对于印刷品的质量要求越来越高。目前很多国内的印刷企业一般采用人工在线抽检和人工离线检验两种手段。人工在检测印刷质量时,带有较大的主观性,容易受到个人因素的影响,会给企业的信誉带来不良影响。基于机器视觉技术的印刷质量检测系统具有很多优点,包括100％的质量控制、不受人为因素影响的质量标准、产量的提高、废品的降低以及人力的减少等等。随着印刷速度的不断提高,要实现印刷质量的在线检测,开发出实用的工业视觉检测系统,是一件富有挑战性的工作。　　本文从印刷品在线检测的需求入手,分析了系统对于硬件和软件的要求,首先设计了一套印刷品缺陷检测实验系统,此系统包括硬件和软件两大部分。为了达到检测的灵活性,硬件部分是基于PC的检测系统;软件模块包含了自动对焦、图像采集、图像配准、建模、缺陷定位和分类等多个部分。　　本文主要针对印刷品缺陷检测的算法部分,对存在的难点进行分析,提出了相应的解决方案。　　印刷品缺陷检测目前主要是使用减影方法,比对配准后的“标准”图像和待检测的图像。因为印刷品的自身易形变的特点,使得减影方法存在一定的缺陷,文中改进了建模算法,提出一种灰度形态学预处理的建模算法,并结合动态灰度阈值方法,得到了很好的缺陷检测效果。　　缺陷目标的各种特征包括缺陷的周长、最大直径、面积、形状(包括外观比、形状因子、偏心率、球状性等特性)、灰度等多种数据,通过这些特征,能够判读出缺陷的种类,和缺陷产生的原因,指导生产。本文使用了一种游程编码(RLE)的方式对缺陷目标进行表达,并将此算法的效率和种子填充方法进行了比对,结果显示在空间存储和时间效率上都有较大的提高。　　对于缺陷种类的分类问题,文章中使用了基于径向基神经网络的方法依据缺陷目标的特征对缺陷进行分类。　　彩色图像脉冲噪声的滤波问题,目前最流行的都是采用矢量中值滤波方法。文章提出了一种基于遗传算法的改进方法,利用遗传算法高度并行的自适应搜索能力,寻找最优的滤波器权值。并和多种已有的矢量滤波器算法结果进行对比,滤波能力有一定提高。