编程实现帧间差分法的目标提取，并设置合理阈值得到差分图像的二值化图像；

以下是使用帧间差分法进行视频背景提取的Python代码示例：

import cv2

# 读取视频文件
cap = cv2.VideoCapture('video.mp4')

# 获取第一帧作为背景帧
ret, bg_frame = cap.read()

# 将背景帧转换为灰度图像
bg_gray = cv2.cvtColor(bg_frame, cv2.COLOR_BGR2GRAY)

while True:
    # 读取当前帧
    ret, frame = cap.read()

    # 转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 计算当前帧和背景帧之间的差分
    diff = cv2.absdiff(gray, bg_gray)

    # 对差分结果进行二值化处理
    threshold = 25
    _, thresh = cv2.threshold(diff, threshold, 255, cv2.THRESH_BINARY)

    # 显示结果
    cv2.imshow('frame', frame)
    cv2.imshow('diff', diff)
    cv2.imshow('thresh', thresh)

    # 如果按下 q 键则退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

在这个示例中，我们使用 `cv2.absdiff()` 函数计算当前帧和背景帧之间的差分，并使用 `cv2.threshold()` 函数对差分结果进行二值化处理。二值化阈值的大小需要根据具体场景进行调整，过大会导致目标物体的边界消失，过小会导致噪声点的干扰。最后使用 `cv2.imshow()` 函数显示结果。