但其算法比较复杂，应用上有很多不便。
　　
　　1993年，法国的B．Mehenni也进行了本课题的研究工作，他提出了一种把n-tupe法和逐像素比较法相结合的方法，这种方法具有速度快、参数输出多等特点，但它要求专门的硬件设备，同时要通过示教才能完成自动质量检测的任务。
　　
　　1998年，又陆续有学者把Gaborfilter法引入到印刷品图像质量检测中，此种方法可检测出多种图像缺陷，且有一定的自适应性，适用于对大数据系统的检测，但abor方法有一大缺陷，识别速度慢，因为它的良好识别性是建立在精确匹配基础上的，这大大提高了运算的复杂性，同时降低了它的实用性。
　　
　　2003年，英国埃克塞特大学的J.Luo和Z.Zhang，基于图像处理技术，提出了一种彩色印刷品检测算法。该算法首先进行照明修正，然后给出色彩三维直方图，进行特征提取，最后利用神经网络进行图像分类，识别合格图像。
　　
　　目前，国外许多厂家已经研制出了各种印刷品自动化质量检测系统。例如：德国VisionExperts公司开发的印刷质量检测系统能在线检测出各种纸张、多种材料表面的印刷错误。德国的ELTROMAT公司生产的GEDNOTA-SAVE系列高精度印刷质量检测系统已用于对钞票印刷的质量检测过程。实践证明它们大大缩短了检测的时间，提高了检测速度，达到了监控高精度印刷品生产过程的目的。以色列AVT公司也已生产出用于检测印刷质量的PrintVision系列产品，能够探测到颜色差异、漏印、条痕以及斑点等印刷错误。
　　
　　在实际应用层面，目前世界上进行此方面研究的主要有日本、德国。如日本的FUTEC以及日本株式会社东机美(TOKIMEC)等公司有EasyMax系列产品和Print-Pac系统，德国的Vision-Experts公司开发的Print-Expert4000OCV/2系统。此外，能提供全自动印刷品质量检测设备的还有瑞士的BOBST、美国的PROIMAGE等公司。
　　
　　3.在线检测系统构成
　　
　　为了解决印刷过程中的自动缺陷检测问题，可以根据印刷缺陷特征设计在线检测系统，其主要包括图像获取、定位、检测、以及结果输出四个部分组成，图像采集由CCD、镜头、光源、视频图像采集卡和计算机组成，定位主要通过软件编程完成图像的噪声去除、几何变换和定位确定，图像检测系统主要是通过二值化图像对印刷产品进行自动检测过程，结果输出主要是将数据转换部分计算得到的数据输出，并进行印刷特征量的显示，如墨量显示。当建立起了全画面印刷质量检测系统，通过CCD摄像机，对印刷品进行连续拍照，将拍摄到的每一帧图像传输给现场计算机，通过图像处理软件，对图像信息进行分析处理，找出有质量问题的图像，给出该图像所对应的印刷品的质量问题，然后通过传输线路将信息反馈给操作人员或直接反馈给印刷机进行调整。这样不仅可以减轻工人劳动强度，而且将减少次品和提高生产效率。
　　
　　对于印刷品缺陷的在线检测系统硬件部分如图一所示，主要由CCD、镜头、图像采集卡、计算机及其显示系统组成。
　　
　　图一印刷品缺陷在线系统
　　
　　首先，CCD、镜头、光源和图像采集卡共同完成对图像的采集与数字化。
　　
　　高质量的图像信息是系统正确判断和决策的原始依据，是整个系统成功与否的关键所在。CCD器件可以分为线阵式和面阵式两大类。线阵CCD一次只能获得图像的一行信息，被拍摄的物体必须以直线形式从摄像机前移过，才能获得完整的图像，因此非常适合对以一定速度匀速运动的物体的图像检测。而面阵CCD则可以一次获得整幅图像的信息。在全画面检测系统中，采用了索尼公司的Bayer转化的面阵CCD。
　　
　　经过实验，对小幅面的印刷品（200mm×200mm），印刷品与镜头的物距为15mm时，光源的照度最均匀，成像质量好。因此选用镜头焦距3.5-8mm，成像尺寸为1/3英寸，光圈为F1.4。光源采取前向垂直照明的方式。