为了克服控制条在印品质量检测中应用的弊端，本文提出了对印品图像直接检测的思路。用数字图像处理的方法对被测图像进行严格定位，解决了前人机械定位不准的问题。并用模式识别方法分割网点，继而得到网点面积率，解决了纽介堡方程在图像直接检测中不能计算网点面积率的问题。本课题的研究为印品图像质量直接检测技术扫除了根本的技术关键。 在定位技术中，先将标准图像与待测图像旋转，使图像坐标系与平面直角坐标系之间不存在角度，然后从待测图像的特征图像中抽取一定大小的子图像A，让它在标准图像的特征图像中逐行逐列扫描，找到与该子图像相似度最大的子图像B，记下B的坐标，利用几何坐标平移和旋转的知识进行定位。这能使两幅图像的坐标位置最接近，图像定位的准确度提高到象素量级。这样才使后来的检测更具有说服力。 在定位准确的基础上，利用模式识别技术将指定位置、指定大小的子图像上各色网点识别出来，才能对网点的参数进行分析，完成印刷图像质量直接检测。本课题网点的识别是以其颜色为特征向量的。通过Lab距离判决法和神经网络识别模型，比较识别后计算的网点面积率与纽介堡方程计算的网点面积率，证明模式识别方法可以用来分割网点。并从理论和实践上分析比较，证明神经网络建立的识别模型更适于网点的识别。