近年来,量子计算凭借强大的计算能力,受到科学界的广泛关注,吸引越来越多的研究人员投入到量子计算的研究中来。图像在现实生活中的应用已经越来越广泛,研究成果也越来越多,再加上量子计算机的性能超越了经典计算机,因此研究人员希望能利用量子计算机解决图像处理的相关问题,推动图像处理领域的发展,所以量子图像处理未来大有可为。图像感兴趣区域提取(Region of Interest,ROI)是图像处理领域的重要一环,在图像压缩、提高图像处理的效率上有着不可忽视的作用。然而,在量子图像处理领域还没有相应算法的出现。我们对经典图像感兴趣区域进行了分析,最终选择基于显著性检测的算法——Luminance Contrast(简称LC)算法进行改进,提出了基于LC的量子图像感兴趣区域提取算法。该算法的提出不仅弥补了量子图像感兴趣区域提取的空白,而且较原经典算法有着明显的优势。通过复杂度分析,表明该算法在保证效果的同时,其效率也大大优于经典算法。利用MSRA10K显著性检测数据库进行实验,90%的图像准确率超过了95%。量子图像表示模型是量子图像处理要解决的两个关键问题之一,目前的研究成果主要集中在二维图像领域,三维甚至多维图像的表示方法很少,且效率不高。在本文中,基于经典点云模型提出了一种新的量子三维模型表示方法——量子点云模型。为了进一步提升算法的效率并节约量子资源,我们利用差分脉冲编码调制的思想,对点云模型进行压缩,形成了新的量子点云模型。并以此模型为基础提出了两个简单的量子几何变换算法,表明了此模型在量子图像处理算法上的可用性。