プリンタモデルが正確なら，正確に帯電量が計算できるので，インクが定着するかどうかも正確に求めることができ，したがって出力画像を正確に予測することができます．電荷量を決める関数としては,
f(x, y) = a exp(-b(x^2 + y^2))
の形式のガウス分布を想定します．この係数a, bを決めることができればプリンタモデルを求めたことになります．実際には，離散平面上での計算になります（２次元配列上での計算）．したがって，単に２つの係数を求めるだけではなく，適当なサイズの正方重み行列を求めることになります．
　同じ個数の１を含む２値画像の中にも，印刷画像として所望の明度を出せるものと，そうでないものがあります．たとえば，P1, P2, …をそのようなすべての２値画像とし，g(Pi)を画像Piの平均明度としましょう．すべての画像を平均明度の順にソートしたとき，g(P1)…g(Pn)の平均値から遠く離れた平均明度g(Pi)をもつ画像Piは，明度の再現性が悪いので，２値画像として禁止すべきです．逆に，平均値付近の値をもつ画像は推奨されるべきものです．
　かなり計算量的には大変ですが，すべての２値画像を列挙して，上記の平均明度をすべて求め，良いパターンと悪いパターンを求めて，その一般的な傾向を導き出したいと考えています．このとき，どうすればすべての２値画像を列挙するができるでしょうか．鍵は逆探索と呼ばれる技法です．ｋ個の１を含む画像は全部で何通り存在するでしょうか？それらをすべて列挙することが妥当な時間内に可能でしょうか？濃度補正をどのように行うかも重要です．