如何优化C#中计算Bitmap图像所有像素ARGB值总和的方法运行速度

核心性能瓶颈来自 GetPixel 方法的高开销：每次调用都会触发GDI+的安全校验、像素格式转换以及托管/非托管上下文切换，小尺寸图像下开销还不明显，分辨率超过1080P后性能会骤降。
以下是可落地的优化方案：

方案1：使用LockBits直接访问像素内存（最通用，性能提升10~100倍） #

直接锁定Bitmap的内存缓冲区，跳过GDI+的封装层直接读取字节数据，处理完后再释放锁定即可，需要提前引入System.Drawing.Imaging命名空间：

private long GetImageValue(Bitmap image)
{
    long imageValue = 0;
    // 锁定图像内存区域
    BitmapData bmpData = image.LockBits(
        new Rectangle(0, 0, image.Width, image.Height),
        ImageLockMode.ReadOnly,
        image.PixelFormat);
    // 获取内存起始指针
    IntPtr ptr = bmpData.Scan0;
    // 计算图像总字节数
    int bytes = Math.Abs(bmpData.Stride) * image.Height;
    byte[] rgbValues = new byte[bytes];
    // 把像素数据复制到托管数组
    System.Runtime.InteropServices.Marshal.Copy(ptr, rgbValues, 0, bytes);
    // 解除内存锁定
    image.UnlockBits(bmpData);
    // 按像素格式计算总和，默认处理32位ARGB格式（每像素4字节，顺序B-G-R-A）
    int pixelSize = Image.GetPixelFormatSize(image.PixelFormat) / 8;
    for (int i = 0; i < rgbValues.Length; i += pixelSize)
    {
        // B分量
        imageValue += rgbValues[i];
        // G分量
        if (pixelSize > 1) imageValue += rgbValues[i + 1];
        // R分量
        if (pixelSize > 2) imageValue += rgbValues[i + 2];
        // A分量
        if (pixelSize > 3) imageValue += rgbValues[i + 3];
        // 如果是24位RGB格式，A分量默认加255的话可以在这里补上：else imageValue += 255;
    }
    return imageValue;
}

注意这里把返回值从double改成了long，完全覆盖所有常规尺寸图像的求和范围，避免浮点运算的额外开销，如果你必须用double可以把类型换回去。

方案2：并行+SIMD优化（适合大尺寸图像，性能再提升2~4倍） #

如果处理的都是4K以上的大分辨率图像，可以结合并行循环和SIMD指令批量处理像素数据，进一步压榨CPU性能：

using System.Numerics;
private long GetImageValueSimd(Bitmap image)
{
    // 前面LockBits复制字节数组的逻辑和方案1一致，省略重复代码
    byte[] rgbValues = ...;
    Vector<byte> zeroVector = Vector<byte>.Zero;
    Vector<int> sumVector = Vector<int>.Zero;
    int vectorSize = Vector<byte>.Count;
    int i = 0;
    // 批量处理对齐的部分
    for (; i <= rgbValues.Length - vectorSize; i += vectorSize)
    {
        Vector<byte> currentVector = new Vector<byte>(rgbValues, i);
        // 字节求和扩展到int避免溢出
        sumVector += Vector.AsVectorInt32(Vector.WidenUpper(Vector.WidenLower(currentVector)));
    }
    // 计算向量总和
    long total = 0;
    for (int j = 0; j < Vector<int>.Count; j++)
    {
        total += sumVector[j];
    }
    // 处理剩余的不对齐字节
    for (; i < rgbValues.Length; i++)
    {
        total += rgbValues[i];
    }
    return total;
}

额外优化点 #

• 如果你确定所有输入图像都是固定像素格式（比如都是32位ARGB），可以去掉代码里的像素格式判断逻辑，直接按4字节步长遍历，性能还能再提升一点
• 不需要计算A通道的话可以跳过对应字节的累加，减少运算量
• 多图像批量处理的话可以复用字节数组，避免频繁GC分配

内容的提问来源于stack exchange，提问作者user17289254