边界框提取是计算机视觉中常用的一项任务，用于将感兴趣的目标从图像中提取出来并用矩形框进行标注。下面是一个边界框提取的代码示例，使用Python和OpenCV库：

import cv2

def extract_bounding_box(image_path):
    # 读取图像
    image = cv2.imread(image_path)
    
    # 将图像转换为灰度图
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # 对图像进行边缘检测
    edges = cv2.Canny(gray, 50, 150)
    
    # 对边缘图像进行膨胀操作，填充空洞
    dilated = cv2.dilate(edges, None, iterations=2)
    
    # 在膨胀后的图像中查找轮廓
    contours, _ = cv2.findContours(dilated.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    # 提取最大的轮廓
    max_contour = max(contours, key=cv2.contourArea)
    
    # 计算最大轮廓的边界框
    x, y, w, h = cv2.boundingRect(max_contour)
    
    # 在原始图像中绘制边界框
    cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)
    
    # 显示结果图像
    cv2.imshow("Bounding Box", image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 示例用法
image_path = "path_to_image.jpg"  # 图像路径
extract_bounding_box(image_path)

这个示例代码首先读取图像，然后将其转换为灰度图像，并进行边缘检测。接着对边缘图像进行膨胀操作，以填充空洞。然后，在膨胀后的图像中查找轮廓，并提取最大的轮廓。最后，计算最大轮廓的边界框并在原始图像中绘制出来。最终结果通过窗口展示出来。

请注意，此示例仅提供了一种基本的边界框提取方法，具体的实现可能因应用场景的不同而有所差异。边界框提取是一个广泛研究的领域，有许多不同的算法和技术可以用于实现。