用最简单的方式在C#中使用多线程加速耗时的图像处理算法的执行（多核机器）。

图像处理中，有很多算法由于其内在的复杂性是天然的耗时大户，加之图像本身蕴涵的数据量比一般的对象就大，因此，针对这类算法，执行速度的提在很大程度上依赖于硬件的性能，现在流行的CPU都是至少2核的，稍微好点的4核，甚至8核，因此，如果能充分利用这些资源，必将能发挥机器的强大优势，为算法的执行效果提升一个档次。
     在单核时代，多线程程序的主要目的是防止UI假死，而一般情况下此时多线程程序的性能会比单线程的慢，这种情况五六年前是比较普遍的，所有哪个时候用VB6写的图像程序可能比VC6的慢不了多少。可在多核时代，多线程的合理利用可以使得程序速度线性提升。
     在一般的编程工具中，都有提供线程操作的相关类。比如在VS2010中，提供了诸如System.Threading、System.Threading.Tasks等命名空间，方便了大家对多线程程序的编制。但是直接的使用Threading类还是很不方便，为此，在C#的几个后续版本中，加入了Parallel这样的并行计算类，在实际的编码中，配合Partitioner.Create方法，我们会发现这个类特别适合于图像处理中的并行计算，比如下面这个简单的代码就实现反色算法的并行计算：
private void Invert(Bitmap Bmp)
{
    if (Bmp.PixelFormat == PixelFormat.Format24bppRgb)
    {
        BitmapData BmpData = Bmp.LockBits(new Rectangle(0, 0, Bmp.Width, Bmp.Height), ImageLockMode.ReadOnly, Bmp.PixelFormat);
        Parallel.ForEach(Partitioner.Create(0, BmpData.Height), (H) =>
        {
            int X, Y, Width, Height, Stride;
            byte* Scan0, CurP;
            Width = BmpData.Width; Height = BmpData.Height; Stride = BmpData.Stride; Scan0 = (byte*)BmpData.Scan0;
            for (Y = H.Item1; Y < H.Item2; Y++)
            {
                CurP = Scan0 + Y * Stride;
                for (X = 0; X < Width; X++)
                {
                    *CurP = (byte)(255 - *CurP);
                    *(CurP + 1) = (byte)(255 - *(CurP + 1));
                    *(CurP + 2) = (byte)(255 - *(CurP + 2));
                    CurP += 3;
                }
            }
        });
        Bmp.UnlockBits(BmpData);
    }
}
     和经典的反色代码相比，只是增加了
Parallel.ForEach(Partitioner.Create(0, BmpData.Height), (H) =>
     以及将
for (Y = 0; Y < Height; Y++)
　　修改为
for (Y = H.Item1; Y < H.Item2; Y++)
    但是在效率上我们做如下对比（笔记本I3cpu）： 
图像大小 单线程时间/ms 多线程时间/ms
1024*768 4 2
1600*1200 11 6
4000*3000 78 40
 
 
 
 
 
     再举个Photoshop中去色算法的例子，如果用并行计算则相应代码为：
private void Desaturate(Bitmap Bmp)
{
    if (Bmp.PixelFormat == PixelFormat.Format24bppRgb)
    {
        BitmapData BmpData = Bmp.LockBits(new Rectangle(0, 0, Bmp.Width, Bmp.Height), ImageLockMode.ReadOnly, Bmp.PixelFormat);
        Parallel.ForEach(Partitioner.Create(0, BmpData.Height), (H) =>
        {
            int X, Y, Width, Height, Stride;
            byte Red, Green, Blue, Max, Min, Value;
            byte* Scan0, CurP;
            Width = BmpData.Width; Height = BmpData.Height; Stride = BmpData.Stride; Scan0 = (byte*)BmpData.Scan0;
            for (Y = H.Item1; Y < H.Item2; Y++)
            {
                CurP = Scan0 + Y * Stride;
                for (X = 0; X < Width; X++)
                {
                    Blue = *CurP; Green = *(CurP + 1); Red = *(CurP + 2);
                    if (Blue > Green)
                    {
                        Max = Blue;
                        Min = Green;
                    }
                    else
                    {
                        Max = Green;
                        Min = Blue;
                    }
                    if (Red > Max)
                        Max = Red;
                    else if (Red < Min)
                        Min = Red;
                    Value = (byte)((Max + Min) >> 1);
                    *CurP = Value; *(CurP + 1) = Value; *(CurP + 2) = Value;
                    CurP += 3;
                }
            }
        });
        Bmp.UnlockBits(BmpData);
    }
　　去色的原理就是取彩色图像RGB通道最大值和最小值的平均值作为新的三通道的颜色值。
      做个速度比较：
图像大小 单线程时间/ms 多线程时间/ms
1024*768 5 2
1600*1200 15 8
4000*3000 117 60
 
 
 
 
 
     反色和去色都是轻量级的数字图像算法，但是再多核CPU上依然能够发挥多线程的速度优势。
     由以上两个简单的例子，我们先总结一下使用Parallel.ForEach结合Partitioner.Create进行并行计算的一些事情。 
     第一：这种并行编程非常之方便，特别是对于图像这种类似于矩阵方式存储的数据，算法基本都是先行后列或先列后行方式进行计算的。
     第二：凡是变量的值会在并行程序改变的变量，都必须定义在Parallel的大括号内，否则会出现莫名的错误。
　　第三：在并行代码内部直进行读取而不进行复制的单个变量，可以放到Parallel大括号之外，但也建议放在括号内，因为实际表明，这样速度会快，比如上

补充：软件开发 , C# ,