Variation Model的主要原理是将待检测的图像与一张标准图像作比较，找出待检测图像与标准图像（ideal image）的明显差异（也就是不良）。
标准图像可以采用几张OK品的图像训练（training）得到，也可以通过对一张OK品图像进行处理得到。训练后得到标准图像和一张variation图像（variation image），variation图像中包含了图像中每个像素点灰度值允许变化的范围。标准图像和variation图像用来创建一个variation model，如此，其他图像就可以与variation model作比较了。
Variation Model方法中常用的算子：
create_variation_model( : : Width, Height, Type, Mode : ModelID)
创建一个ID为ModelID，宽为Width,高为Height,类型为Type的Variation Model,参数Mode决定了创建标准图像和相应的variation图像的方法。‘standard‘表示标准的训练方法，标准图像的位置是各训练图像位置的平均，‘robust‘表示鲁棒的训练方法，标准图像的位置是各训练图像的中值，此模式在训练图像中可能存在ERROR时使用，‘direct‘表示标准图像由单张图像经过处理得到，由此方法得到的标准图像只能应用prepare_direct_variation_model算子得到variation model。
train_variation_model(Images : : ModelID : )训练一个Variation Model。
get_variation_model( : Image, VarImage : ModelID : )返回variation model中的标准图像（Image）和variation image（VarImage），此算子主要用来检视创建的variation model是否OK。
prepare_variation_model( : : ModelID, AbsThreshold, VarThreshold : )设置variation model的绝对阈值和相对阈值。绝对阈值即待检测图像与标准图像的差值，相对阈值即待检测图像与variation model与VarThreshold乘绩的差值。 clear_train_data_variation_model( : : ModelID : )清除variation model的训练数据所占用的内存。
compare_variation_model(Image : Region : ModelID : )待检测图像与variation model进行比较，超过阈值的区域在Rgion参数中返回。同threshold一样，返回的区域被看做一个区域，可以使用connection算子进行连通性分析，然后根据区域的特征（如面积）对区域进行选择。 clear_variation_model( : : ModelID : )释放一个variation model的内存空间
PS：在model训练和比较的时候，常常需要对图像进行模板匹配，以使图像准确对齐。
总结： Variation Model使用标准图像与待检测图像灰度值相比较，来判断产品是否OK，适用于印刷品检测及产品表面检测。从实际算法过程可以看出，此检测实际可分为两部分，对于图像中的大面积灰度一致区域，主要利用待检测图像与标准图像（ideal image)比较得出差异区域，对于图像中的边缘位置（edges）区域，主要利用待检测图像与Variation图像（variation image）比较得出差异区域。所以在实际应用中，应根据实际情况设置AbsThreshold和VarThreshold的值。