La reconnaissance de caractères, le haltoning ou encore l’authentification de documents requièrent la modélisation des dégradations de l’impression à une échelle appropriée. Dans cet article, nous sommes focalisés sur la modélisation d’impression à l’échelle micrométrique et sur son estimation. L’image est considérée comme un ensemble de variables aléatoires de Bernoulli paramétrées par un noyau qui tient compte de la variabilité de forme des points imprimés. Ses caratéristiques dépendent du type d’imprimante, de son réglage, de la qualité de l’encre et des propriétés du papier. Nous développons un algorithme de Metropolis Hasting within Gibbs comme estimateur Bayesien du modèle. La borne de Cramer Rao a posteriori est aussi calculée, elle sert de référence à l’évaluation des performances de l’estimateur. Enfin nous comparons les performances du modèle et de son estimateur sur des impressions issues d’imprimantes laser, jet d’encre, offset waterless et offset conventionnel.