Canvas中用动态阈值将图片转为黑白扫描件，先灰度化（gray=0.299R+0.587G+0.114B），再以15×15窗口算局部均值并减去30～60偏移量得阈值，最后二值化，兼顾边缘清晰与噪点抑制。
在 Canvas 中用动态阈值把普通图片转成清晰的黑白扫描件效果，核心不是固定一个数（比如 128），而是根据图像局部明暗自动调整分界线。这样签名、手写文字边缘更干净，纸面噪点被压平，整体接近专业扫描仪输出。
先转灰度，再算局部平均亮度
彩色图直接二值化容易失真，得先统一到灰度空间：
- 用标准加权公式计算每个像素灰度：gray = 0.299×R + 0.587×G + 0.114×B，赋给 R/G/B 三个通道
- 不操作 alpha 通道，保持透明区域不变（如有）
- 灰度图生成后，不再需要原始颜色信息，后续只处理单通道强度值
用滑动窗口统计邻域亮度均值
全局阈值对光照不均的图片（如侧光拍摄的签名）效果差；动态阈值按小块分别计算，更贴合实际纸面反差：
- 选 15×15 或 21×21 像素为一个局部区域（太大则丢失细节，太小则易受噪点干扰）
- 遍历每个像素时，取其周围邻域内所有灰度值求平均，得到该点的“背景亮度”
- 为避免边界越界，只处理距边缘 ≥ 窗口半径的像素；边缘区域可沿用最近有效阈值或简单填充
设定偏移量生成动态阈值并二值化
单纯用邻域均值做阈值仍会把浅色字迹误判为背景，需加入经验性衰减：
立即学习“前端免费学习笔记（深入）”；
- 对每个像素，最终阈值 = 邻域均值 − C，C 通常取 30～60（数值越大，留下的墨迹越多）
- 若当前灰度 ≥ 阈值 → 设为纯白（255,255,255）；否则 → 设为纯黑（0,0,0）
- 跳过 alpha 通道赋值，保持原透明度；若图无透明通道，第四字节可设为 255
性能优化要点
实时处理或大图批量转换时，这些细节能明显提速：
- 复用 getImageData 返回的 data 数组，不要每帧新建 ImageData 对象
- 用 Uint8ClampedArray 直接操作像素，避免 Math.round 等浮点运算
- 对高清图（如 >1200px 宽），可先缩放到 800px 再处理，最后 canvas.drawImage 放大显示
- 视频流场景下，务必设置 video.crossOrigin = "anonymous"，否则 getImageData 报跨域错误
