但其算法比較復雜，應用上有很多不便。
　　
　　1993年，法國的B．Mehenni也進行了本課題的研究工作，他提出了一種把n-tupe法和逐像素比較法相結合的方法，這種方法具有速度快、參數輸出多等特點，但它要求專門的硬件設備，同時要通過示教才能完成自動質量檢測的任務。
　　
　　1998年，又陸續有學者把Gaborfilter法引入到印刷品圖像質量檢測中，此種方法可檢測出多種圖像缺陷，且有一定的自適應性，適用于對大數據系統的檢測，但abor方法有一大缺陷，識別速度慢，因為它的良好識別性是建立在精確匹配基礎上的，這大大提高了運算的復雜性，同時降低了它的實用性。
　　
　　2003年，英國�？巳�特大學的J.Luo和Z.Zhang，基于圖像處理技術，提出了一種彩色印刷品檢測算法。該算法首先進行照明修正，然后給出色彩三維直方圖，進行特征提取，最后利用神經網絡進行圖像分類，識別合格圖像。
　　
　　目前，國外許多廠家已經研制出了各種印刷品自動化質量檢測系統。例如：德國VisionExperts公司開發的印刷質量檢測系統能在線檢測出各種紙張、多種材料表面的印刷錯誤。德國的ELTROMAT公司生產的GEDNOTA-SAVE系列高精度印刷質量檢測系統已用于對鈔票印刷的質量檢測過程。實踐證明它們大大縮短了檢測的時間，提高了檢測速度，達到了監控高精度印刷品生產過程的目的。以色列AVT公司也已生產出用于檢測印刷質量的PrintVision系列產品，能夠探測到顏色差異、漏印、條痕以及斑點等印刷錯誤。
　　
　　在實際應用層面，目前世界上進行此方面研究的主要有日本、德國。如日本的FUTEC以及日本株式會社東機美(TOKIMEC)等公司有EasyMax系列產品和Print-Pac系統，德國的Vision-Experts公司開發的Print-Expert4000OCV/2系統。此外，能提供全自動印刷品質量檢測設備的還有瑞士的BOBST、美國的PROIMAGE等公司。
　　
　　3.在線檢測系統構成
　　
　　為了解決印刷過程中的自動缺陷檢測問題，可以根據印刷缺陷特征設計在線檢測系統，其主要包括圖像獲取、定位、檢測、以及結果輸出四個部分組成，圖像采集由CCD、鏡頭、光源、視頻圖像采集卡和計算機組成，定位主要通過軟件編程完成圖像的噪聲去除、幾何變換和定位確定，圖像檢測系統主要是通過二值化圖像對印刷產品進行自動檢測過程，結果輸出主要是將數據轉換部分計算得到的數據輸出，并進行印刷特征量的顯示，如墨量顯示。當建立起了全畫面印刷質量檢測系統，通過CCD攝像機，對印刷品進行連續拍照，將拍攝到的每一幀圖像傳輸給現場計算機，通過圖像處理軟件，對圖像信息進行分析處理，找出有質量問題的圖像，給出該圖像所對應的印刷品的質量問題，然后通過傳輸線路將信息反饋給操作人員或直接反饋給印刷機進行調整。這樣不僅可以減輕工人勞動強度，而且將減少次品和提高生產效率。
　　
　　對于印刷品缺陷的在線檢測系統硬件部分如圖一所示，主要由CCD、鏡頭、圖像采集卡、計算機及其顯示系統組成。
　　
　　圖一印刷品缺陷在線系統
　　
　　首先，CCD、鏡頭、光源和圖像采集卡共同完成對圖像的采集與數字化。
　　
　　高質量的圖像信息是系統正確判斷和決策的原始依據，是整個系統成功與否的關鍵所在。CCD器件可以分為線陣式和面陣式兩大類。線陣CCD一次只能獲得圖像的一行信息，被拍攝的物體必須以直線形式從攝像機前移過，才能獲得完整的圖像，因此非常適合對以一定速度勻速運動的物體的圖像檢測。而面陣CCD則可以一次獲得整幅圖像的信息。在全畫面檢測系統中，采用了索尼公司的Bayer轉化的面陣CCD。
　　
　　經過實驗，對小幅面的印刷品（200mm×200mm），印刷品與鏡頭的物距為15mm時，光源的照度最均勻，成像質量好。因此選用鏡頭焦距3.5-8mm，成像尺寸為1/3英寸，光圈為F1.4。光源采取前向垂直照明的方式。