C# 影像二值化處理實戰：動態閾值、有序抖動與 AForge.NET 應用全紀錄

專案背景

硬體僅支援黑白顯示，需將彩色圖片二值化並盡量保留視覺細節。

基礎流程

1. 灰度化：Gray = 0.299*R + 0.587*G + 0.114*B（人眼亮度權重）。
2. 全域閾值：Gray > 127 ? 255 : 0，簡單但細節喪失嚴重。

進階算法：有序抖動

• 使用抖動矩陣（如 Bayer 4×4）將誤差分散，視覺上產生灰階錯覺。
• 輸出仍為純黑白，但細節保留度大幅提升。

AForge.NET 快速實現

using AForge.Imaging;
using AForge.Imaging.Filters;

Bitmap src = (Bitmap)Bitmap.FromFile("input.jpg");
src = Grayscale.CommonAlgorithms.RMY.Apply(src); // 灰度化
Bitmap bin = new OrderedDithering().Apply(src);  // 有序抖動二值化
bin.Save("output.png");

手寫灰度化（含 unsafe 指標優化）

private static Bitmap WeightGrayScale(Bitmap bmp, Func f) {
    var data = bmp.LockBits(new Rectangle(0,0,bmp.Width,bmp.Height),
        ImageLockMode.ReadWrite, bmp.PixelFormat);
    unsafe {
        byte* ptr = (byte*)data.Scan0;
        for (int y=0; y (byte)(0.299*r + 0.587*g + 0.114*b));

專案設定

• 專案屬性 → Build → Allow unsafe code 勾選。
• NuGet 安裝 AForge.Imaging。

算法對比圖（文字描述）

心得與建議

• AForge.NET 封裝完善，優先用庫減少造輪子。
• 自寫演算法時，unsafe + LockBits 是效能關鍵。
• 灰度權重 0.299/0.587/0.114 來自 ITU-R BT.601，比平均法更符合人眼感知。
• 二值化前可加高斯模糊降噪，提升 OCR/識別率。