Rust传递闭包实现图片滤镜性能骤降，有哪些可行的优化方案？

• 不必要的堆内存分配：你改造后的代码每次处理单个像素时，都会将周围9个Tile通过collect()生成Vec<Tile>，大量高频的小内存分配、元素拷贝是性能暴跌的核心原因。原版代码直接在迭代器上操作，找到符合条件的元素就终止，完全没有额外的内存开销。
• 函数指针阻碍编译器优化：你使用的是fn类型的函数指针作为入参，属于动态调用，编译器很难做内联优化。原版手写代码所有逻辑都在当前上下文，编译器可以做充分的指令优化。
• 额外的遍历开销：闭包中对生成的Vec又做了一次迭代遍历，额外增加了不必要的执行步骤。

1. 移除collect，直接传递迭代器 #

首先去掉collect()调用，直接将周围元素的迭代器传递给滤镜逻辑，完全消除高频堆分配的开销。

2. 改用泛型Fn约束代替函数指针 #

将入参改为泛型约束的Fn trait，编译器会在编译期对闭包做单态化处理，生成和手写代码几乎一致的机器码，完全消除函数调用开销。
优化后的代码示例：

fn apply_filter<F1, F2>(&mut self, condition: F1, filter: F2)
where
    F1: Fn(Tile) -> bool,
    F2: Fn(impl Iterator<Item = Tile>) -> Option<Tile>,
{
    let mut changed = true;
    while changed {
        changed = false;
        let past = self.grid.clone();
        for (x, y) in GridIndexIter::from(0, self.width as i32, 0, self.height as i32) {
            let i = self.ind(x, y);
            let root = past[i];
            if condition(root) {
                // 直接传递迭代器，不做collect
                let surround_iter = GridIndexIter::from(-1, 2, -1, 2)
                    .map(|(x_add, y_add)| past[self.ind(x + x_add, y + y_add)]);
                if let Some(tile) = filter(surround_iter) {
                    self.grid[i].elevation = tile.elevation;
                    changed = true;
                }
            }
        }
    }
}

// 调用示例
self.apply_filter(
    |tile| tile.elevation.is_none(),
    |mut iter| iter.find(|tile| tile.elevation.is_some())
);

优化后性能基本和原版手写代码一致。如果有滤镜需要多次访问周围元素，可以将9个元素存入栈上数组[Tile;9]，完全避免堆分配开销。

其他复用方案 #

如果滤镜逻辑比较复杂、需要保存内部状态，可以用Trait实现复用：

trait Filter {
    fn condition(&self, tile: Tile) -> bool;
    fn apply(&self, surround: impl Iterator<Item = Tile>) -> Option<Tile>;
}

// 实现空白高程填充滤镜
struct FillElevationFilter;
impl Filter for FillElevationFilter {
    fn condition(&self, tile: Tile) -> bool {
        tile.elevation.is_none()
    }
    fn apply(&self, mut surround: impl Iterator<Item = Tile>) -> Option<Tile> {
        surround.find(|t| t.elevation.is_some())
    }
}

然后修改apply_filter接受实现了Filter trait的参数即可，性能和泛型闭包方案一致。

内容的提问来源于stack exchange，提问作者kroetnaton