正如其他人所说，有些像素不是纯白的，所以它们包含在最终的图像中。jtxkopt设置容差的解决方案很棒，但根据输入图像的质量和边缘的平滑度，容差可能需要不断调整以获得良好的效果。
最后，您的解决方案和Jtxkopt的解决方案都模拟了一个二进制掩码。这意味着您基于一个掩码图像将两个图像合成在一起，而该掩码图像只有2个值，黑色和白色。如果一个像素是黑色绘制图像1，如果一个像素是白色，则绘制image2。只有在您的情况下，您的2个值是白色和非白色。这是理论上的二进制掩码图像，只有黑色和白色像素：

二进制蒙版有非常粗糙的边缘，有时被称为"裁剪"蒙版，因为它就像用sizzors裁剪东西。创建二进制蒙版时，主要问题是试图确定哪些像素变白，哪些像素变黑，问题几乎总是在事物的边缘，jtxkopt的公差解决方案只是帮助做出决定并画出最终的界限。用户Andy建议使用MakeTransparent，但其结果与二进制遮罩类似，因为您为其指定1种颜色来决定哪些应该透明，哪些不应该透明（打开或关闭）。
合成两张图像的另一种方法是使用灰度蒙版。您可以使用许多灰色阴影来描述如何将两张图像混合在一起，而不是使用黑色和白色。如果像素是纯白和纯黑，则可以获得二元蒙版的所有优点，但如果像素是灰色，则可以根据其灰度值将两张图像混合在一起。这会创建更平滑的合成。下面是灰度蒙版：

下面是一个简单的解决方案，它获取每个像素，转换为一个简单的灰色像素，并使用该灰色像素设置image1的Alpha通道（透明度），以便可以将其合成到image2的顶部。

using System;
using System.Collections.Generic;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace Weather
{
    public class RadarPixels
    {
        public RadarPixels(Bitmap image1, Bitmap image2)
        {
            ReadSetPixels(image1, image2);
        }

        private void ReadSetPixels(Bitmap image1 , Bitmap image2)
        {
            for(int x = 0; x < image1.Width; x++)
            {
                for(int y = 0; y < image1.Height; y++)
                {
                    Color pixelColor = image1.GetPixel(x, y);
                    // just average R, G, and B values to get gray. Then invert by 255.
                    int invertedGrayValue = 255 - (int)((pixelColor.R + pixelColor.G + pixelColor.B) / 3);
                    // this keeps the original pixel color but sets the alpha value
                    image1.SetPixel(x, y, Color.FromArgb(invertedGrayValue, pixelColor));
                }
            }
            // composite image1 on top of image2
            using (Graphics g = Graphics.FromImage(image2))
            {
                g.CompositingMode = CompositingMode.SourceOver;
                g.CompositingQuality = CompositingQuality.HighQuality;
                g.DrawImage(image1, new Point(0, 0));         
            }

            image2.Save(@"d:\mynewbmp.bmp");
            image1.Dispose();
            image2.Dispose();
        }
    }
}

结果是：

这种方法有优点也有缺点，优点是不必调整容差值，而且生成的图像不只是图像1中的像素和图像2中的一些像素，像素是从两幅图像中混合出来的。2缺点是云有点透明，不那么明显。3这可以通过调整灰度掩模的对比度来解决，这样亮的区域更亮，暗的区域更暗。或者，您可以将image1多次合成到image2上以获得"累加"效果。或者，您可以添加另一个变量以减少或增加最终alpha值。
我希望这个替代解决方案是有用的。

• 更新以澄清-
  更清楚地说，在这个解决方案中，我们在使用alpha通道的值之前反转灰色像素。这是因为alpha通道将0视为不可见，将255视为可见。因此，我们希望通过从255中减去像素，将白色255反转为黑色0。最终结果是反转的灰度遮罩，如下所示：

此时，越接近白色的东西在合成图中越明显。由于此灰度图像中的云有点偏深灰色，它们将与背景图像混合并失去一点活力。我们希望调整此图像，使黑色保持黑色，但灰色变得更亮以恢复活力。
通过一个简单的改变，我们可以忽略所有黑色的0值，因为我们希望它们保持不可见，但增加所有其他值的alpha。

if(invertedGrayValue > 0){ invertedGrayValue = 255; }

这就像一个二进制蒙版。所有黑色值将保持不可见，所有非黑色值完全可见。但这违背了使用灰度蒙版的目的。但我们可以设置一个"容差"值如下：

if(invertedGrayValue > tolerance){ invertedGrayValue = 255; }

这将结合灰度解决方案和"容差"解决方案。例如，如果我们将容差设置为64，这意味着任何大于64的灰度值将100%可见，而任何低于64的灰度值将不可见或略微可见。这意味着白色边缘（这是原来的问题）不会完全去除，只会与背景柔和地结合。所以这个解决方案只是"软化边缘"。
以下是公差为64时的结果：

最终代码为：

using System;
using System.Collections.Generic;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace Weather
{
    public class RadarPixels
    {
        public RadarPixels(Bitmap image1, Bitmap image2)
        {
            ReadSetPixels(image1, image2);
        }

        private void ReadSetPixels(Bitmap image1 , Bitmap image2)
        {
            int tolerance = 64;
            for(int x = 0; x < image1.Width; x++)
            {
                for(int y = 0; y < image1.Height; y++)
                {
                    Color pixelColor = image1.GetPixel(x, y);
                    // just average R, G, and B values to get gray. Then invert by 255.
                    int invertedGrayValue = 255 - (int)((pixelColor.R + pixelColor.G + pixelColor.B) / 3);
                    if(invertedGrayValue > tolerance){ invertedGrayValue = 255; }
                    // this keeps the original pixel color but sets the alpha value
                    image1.SetPixel(x, y, Color.FromArgb(invertedGrayValue, pixelColor));
                }
            }
            // composite image1 on top of image2
            using (Graphics g = Graphics.FromImage(image2))
            {
                g.CompositingMode = CompositingMode.SourceOver;
                g.CompositingQuality = CompositingQuality.HighQuality;
                g.DrawImage(image1, new Point(0, 0));         
            }

            image2.Save(@"d:\mynewbmp.bmp");
            image1.Dispose();
            image2.Dispose();
        }
    }
}

如注解中所述，白色像素并不完全是白色的。因此，您应该计算到白色的距离，并检查计算出的距离是否大于某个容差值。
要获得所需结果，应调整以下公差值。

using System;
using System.Collections.Generic;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace Weather
{
    public class RadarPixels
    {
        public RadarPixels(Bitmap image1, Bitmap image2)
        {
            ReadSetPixels(image1, image2);
        }

        private void ReadSetPixels(Bitmap image1 , Bitmap image2)
        {
            double tolerance = 46; // Don't forget adjust it.
            for(int x = 0; x < image1.Width; x++)
            {
                for(int y = 0; y < image1.Height; y++)
                {
                    Color pixelColor = image1.GetPixel(x, y);
                    if (GetDistance(pixelColor, Color.White) > tolerance)
                    {
                        image2.SetPixel(x, y, pixelColor);
                    }
                }
            }

            image2.Save(@"d:\mynewbmp.bmp");

            image1.Dispose();
            image2.Dispose();
        }
    }
    private double GetDistance(Color color1, Color color2)
    {
        double dr = color1.R - color2.R;
        double dg = color1.G - color2.G;
        double db = color1.B - color2.B;
        
        return Math.Sqrt(dr * dr + dg * dg + db * db);  
    }
}