编程实现基于背景差分的目标提取，并设置合理阈值得到差分图像的二值化图像； 代码实现

以下是一个基于OpenCV库实现的背景差分目标提取的示例代码，其中使用了帧差法进行背景差分，使用了Otsu算法进行自适应阈值化：

import cv2

# 读取两张图像
frame1 = cv2.imread('frame1.jpg')
frame2 = cv2.imread('frame2.jpg')

# 将图像灰度化
gray1 = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY)

# 计算两张图像的差分
diff = cv2.absdiff(gray1, gray2)

# 对差分图像进行自适应阈值化
thresh = cv2.threshold(diff, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)[1]

# 对二值化图像进行形态学处理
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

# 显示结果图像
cv2.imshow('frame1', frame1)
cv2.imshow('frame2', frame2)
cv2.imshow('diff', diff)
cv2.imshow('thresh', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

需要注意的是，该代码仅是一个示例，具体实现方式和参数需要根据具体情况进行调整和优化。