中国是一个出版大国,每年各种印刷品的产量很大,传统的人工检测效果很容易受到人为因素影响。近年来,随着现代化工业生产对产品质量的要求越来越高,高成本、低精度和速度缓慢的人眼检测方式促使基于机器视觉的在线印刷质量检测系统迅速发展。这种新兴的检测方式能够快速有效的完成检测任务,帮助印刷产业在保证稳定的产品质量的同时降低生产成本。然而对印刷品进行正确的实时检测还有很多难点,它需要复杂而费时的算法,特别是在彩色印刷品的检测问题上表现的更加明显。由于彩色图像中颜色信息复杂的表达方式,灰度图像的处理技术无法直接应用到彩色图像上。如果没有一些有效的彩色图像处理技术,那么彩色印刷品的在线缺陷检测将会成为空谈。本论文就是试图解决这种困难而在彩色图像处理上做出一些尝试。内容主要包括以下几个部分：首先简述了人类在视觉感知色彩时的方式和特点,并以此为根据对目前为止已经提出的几种重要的颜色空间进行归类和分析,并述及这些颜色空间的转换关系。分别设计了彩色印刷品视觉检测系统的结构配置和检测流程以满足实验的需要,并分析了设计的依据。提出了一种彩色图像自适应的混合平滑滤波方法。CCD相机采集图像时,脉冲噪声污染检测图像难以避免,严重的影响了后续的图像处理工作。因此平滑滤波算法是彩色印刷品检测的必要组成部分。将一组σ矢量中值滤波和一个Sugeno类型的神经模糊推理系统串联在一起,通过遗传算法的训练,混合滤波器中的模糊神经网络学习并获得合理的规则数据库,从而满足复杂的非线性映关系,将各个输入变量映射为优化后的输出结果,有效的抑制了噪声同时又不破坏图像的细节。选择基于角点特征的图像配准算法,实现了参考图像与缺陷图像之间的精确配准在HSI颜色空间上提出了一种基于距离的矢量排序方法。矢量数学形态学逐渐成为彩色图像处理和分析的有力工具,但HSI颜色空间存在明显缺陷,为了使彩色图像上的形态学运算更加符合人类的视觉感知,利用饱和度和亮度平面确定的系数,通过非线性加权值决定颜色矢量的排序规则。还利用最小生成树的矢量排序能力在形态学指定的掩膜窗口上简单有效的计算出最小上确界和最大下确界之间的矢量距离。提出了一种利用动态阈值范围分割彩色印刷品缺陷的方法。图像分割技术对于图像处理工作非常重要,但是颜色表达的非线性以及人类的视觉特性导致彩色图像使用固定阈值分割的效果比灰度图像更差。按照动态阈值的方法能够将参考图像和检测图像配准后的差分图像转换为真正的缺陷图像。定义了一种游程编码方式标记彩色印刷品的缺陷,提取形状缺陷的代表性特征后输入到基于径向基的神经网络中,设计并训练该网络实现对形状缺陷的分类；另外,通过缺陷与参考图像对应区域的颜色差值识别各种颜色缺陷。实验结果证明了这些方法的有效性。