感兴趣区域（Region of interests， ROI）是图像中可能引起人眼视觉关注的区域。根据视觉注意机制的经典模型Itti模型来提取图像的低层特征，利用局部迭代的特征合并策略并在此基础上综合自动阈值分割和种子点的区域生长方法得到感兴趣区域的提取方法。实验结果表明该方法符合生物的视觉注意机制，具有良好的鲁棒性。

提出了一种基于二维码匹配的指针式仪表读数识别方法.该方法先实时采集高质量的仪表状态图像，同时获取二维码定位点信息以及与二维码相连接的数据库中存储的仪表类型信息，再根据二维码定位点信息对仪表图像进行快速倾斜校正，并利用二维码与仪表之间先验的几何位置关系快速提取图像中表盘所在的区域，最后根据获取的仪表类型信息，选择对应的仪表读数识别算法，以实现快速准确地识别仪表读数.实验结果表明：该方法能有效提高指针式仪表读数识别的准确率，尤其是对于复杂背景的仪表图像，该方法可用于电力系统中刻度均匀的指针仪表识别.

在复杂背景下的二维码区域定位一直是QR Code二维条码解码过程中的难题之一。二维码区域扫描定位是通过二维码的图形特点来实现，其存在扫描定位效率较低的缺点。为此提出在扫描定位之前通过图像处理结合BP神经网络实现QR Code二维码条码区域提取方法。火车票通过图像预处理得到可能是二维码的区域块，提取经图像处理后的二维码区域块图像特征并结合BP神经网络过滤出正确的二维码区域。

opencv车牌区域提取代码，对照片中车牌区域进行提取识别

vs2013配置OpenCV的感兴趣区域提取（车牌定位） ROI（region of interest），感兴趣区域。机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域，ROI。在Halcon、OpenCV、Matlab等机器视觉软件上常用到各种算子（Operator）和函数来求得感兴趣区域ROI，并进行图像的下一步处理。

代码涉及到图像灰度化、高斯滤波、图像二值化、图像感兴趣区域提取(ROI)、可以实现图片车牌区域的提取；亲测有效。

python语言！~python语言！~稠密光流法与KL光流法，帧间差分法，背景建模法，vibe检测算法等。对于不同视频效果不同。不要认为适合所有。

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。

用于matlab中图片的ROI区域提取，若对彩色图片的处理需要改一改，只是爲了方便，不喜勿噴。。。。。。。

该算法通过fcm聚类算法，对图像进行分类，提取含有破损区域的类。