对于上面的差分运算结果，人们IBM31T38JS往往仅对图像中的某些部分感兴趣，这些部分常称为目标或前景（其他部分成为背景），它们一般对应图像中特定的具有独特性质的区域。为了辨识和分析目标，需要将这些有关区域分离出来，在此基础上才有可能对目标进一步处理，如进行特征提取和测量。图像分割就是把图像空间划分成若干个具有某些一致性属性的不重叠区域并提取出感兴趣目标的技术和过程，基于阈值的分割方法是图像分割中十分古老而又简单有效的常用方法。通过阈值分割方法可以将灰度图像转换成二值图像。图12 - 56所示为阈值分割以后的二值化图像。

   图12 -56阈值分割后的差分图像、滤波后的结果、运动区域的提取

   从图中可以看出，阈值分割以后，基本上可以很好地分割出运动目标，但是还包含二些由于背景运动引入的噪声及杂散点，必须进行滤波处理。常用的有中值滤波、形态学滤波等。从图12 - 56可以看出，滤波以后得到了理想的前景提取结果。

   通过上面的处理，可以检测出运动目标区域，从而在原图像帧中提取该区域，并进行跟踪、识别等后续处理。

   到此，目标提取的过程基本上结束。事实上，目标的提取识别等还有更多的发展空间，值得引起更多学者的关注。