然后，寻找相邻且灰度上相差最大的两个峰值，较小的峰值的灰度应小于灰度平均值。将这两个峰值中间的谷值的灰度作为二值化的阈值。
    最后，将图像像素逐一同阈值比较。小于阈值的作为前景，置为l；大于阈值的作为背景，置为0。将结果填入一个与原图像同样大小的二维数组。
2．2 区域生长
    区域生长的基本思想是将图像中满足某种相似性准则的像素点集合起来构成区域。
    1)逐像素扫描二维数组，找出第一个为1的像素，将其坐标归入一个前景块数组，原像素清0(这样下次将不再扫描该像素，避免死循环)；
    2)搜索该像素的四邻域(上、下、左、右)像素，找出为1的像素，压入堆栈，并归入1)中的前景块数组，原像素清0；
    3)从堆栈中取出一个像素，回到步骤2)；
    4)堆栈为空时，回到步骤1)(这时将建立另外一个前景块数组)；
    5)重复1)～4)，直到扫描完图像中的每一个像素。

3 特征提取
    1)长宽比：在“三”的过程中记录下每个前景块在水平、垂直两个方向上最大和最小的坐标值，得到其外接四边形，则长宽比=(水平最大值一水平最小值)／(垂直最大值一垂直最小值)；
    2)面积：累计每个前景块的像素数量，得到其面积；
    3)形心：X=(水平最大值+水平最小值)／2，Y=(垂直最大值+垂直最小值)／2。

4 确定目标
    1)视频的前1秒钟用于确定目标模板。如果这40帧画面中均只有一个前景块，则这个前景块即为目标，最后一帧时的目标特征作为模板。如果画面中存在超过1个的前景块，则比较这些前景块的特征，找出连续出现的那个前景块作为目标，其最后一帧的前景块特征即为目标模板；
    2)将新一帧所有前景块的特征与目标模板进行比较。先比较长宽比，找出所有与目标模板相差不超过10％的前景块。再比较形心位置，取距目标模板最近的作为新的目标。如果有一个以上的前景块与原目标距离相同且最小，再比较面积，取面积最相近的作为新目标。新目标的特征即作为新的目标模板。

5 小结
    图像模式识别是一门新兴学科，它的不断完善，不仅在理论研究上取得了很大的发展，而且应用领域也日益扩大。