matlab编写的感兴趣区域提取的算法。针对图像的后期操作能够减少计算量。

彩色图像感兴趣区域自动提取matlab源代码,效果很好哦。

该程序允许用户在图像中手动绘制感兴趣区域（ROI）。 分析 ROI 内的所有点以产生平均值、标准值、最小值和最大值以及中值。 输出是一个包含 ROI 控制点和统计结果的结构。 该函数还可以将预定义的 ROI 数组作为输入。 包含一个演示程序 (ImROIdemo.m)

在 Matlab 中运行代码 (ROI_extract)，然后选择您想要从中提取感兴趣区域的图像，然后选择您将轻松获得的 ROI。

感兴趣区域欠采样MRI重建：一种深度卷积神经网络方法

为提高指静脉图像匹配精度，提出了一种基于OpenCV计算机视觉库的指静脉图像识别匹配方法。首先，针对图像采集设备获取的指静脉图像存在无效信息导致识别难度增大的问题，对原始图像进行ROI提取；然后对ROI提取的图像进行灰度化、滤波、Sobel算子边缘化、特征向量提取、特征向量描述等处理；最后实现指静脉图像匹配结果的输出。实验结果表明，该方法实时性强，识别率高、匹配度好，较好地解决了存在无效信息情况下的指静脉图像匹配问题。

UVE提取特征，数据为高光谱数据，感兴趣区域数据，最后一列为标签

GBVS算法，用于人眼感兴趣区域提取，与Itti模型不同的是，在生成显著图的过程中采用的是马尔可夫链，用其平稳分布来计算感兴趣区域，是一种纯数学的计算方法。效果显示，GBVS要比Itti好。

在生物识别和图像处理中，找到Palmprint图像的ROI是一个普遍的问题。 这是开发基于掌纹图像识别的生物识别系统的主要步骤。 此处提供的代码尝试定位给定掌纹图像（左手或右手）的 ROI，假设 CASIA 数据库使用的命名约定得到维护。 代码的简单更改应该使其即使对于此数据库之外的图像也可用。 当前代码检查文件名以将图像分类为左手或右手。 输出 ROI 将是输入图像的 192x192 (uint8) 段。 采用的方法很简单，旨在提供有效的计算。 但是，由于此版本未考虑这些要求，因此应该可以进一步优化。 有关 ROI 检测的分步方法，请参阅下面给出的参考资料。 您可以浏览整个CASIA数据库： http : //www.cbsr.ia.ac.cn/english/Palmprint Databases.asp 参考文献：David Zhang、Wai-Kin Kong、Jane

在python中编程实现，研究手指静脉图像的预处理算法，具体为手指静脉图像的轮廓分割、感兴趣区域截取、静脉纹理增强、静脉纹理分割。最后分别使用LBP特征和二值纹理特征对预处理后的静脉图像进行测评，获得两张静脉图像的相似度。