C#中使用Parallel For计算图像均值结果不一致，求问题原因

你遇到的结果差异，核心问题在于多线程对共享变量的非原子操作引发了竞态条件，咱们一步步拆解：

问题根源 #

你的串行代码里，mean变量只有单个线程在操作，每次mean += ...都是完整的“读取当前值→计算新值→写回变量”流程，不会被打断，所以结果准确。

但并行版本中，parallelMean是所有线程共享的全局变量，而+=操作并不是原子性的：

1. 线程A读取parallelMean的当前值
2. 线程B同时也读取了同一个值
3. 线程A计算出新值并写回
4. 线程B用之前读取的旧值计算，覆盖了线程A的结果

这种情况会导致部分像素的贡献被“丢失”，最终得到的parallelMean远小于正确值。

解决方法 #

要避免这个问题，最好的方式是让每个线程先计算自己负责区域的局部和，最后再把所有局部和合并到全局变量里——Parallel.For正好提供了支持本地状态的重载，既保证线程安全，又能维持并行的性能优势：

public static double MeanDN(this GrayImage image) {
    double mean = 0;
    int totalPixels = image.Width * image.Height;
    // 串行版本
    for (int i = 0; i < image.Height; i++)
        for (int j = 0; j < image.Width; j++)
            mean += (double)image[i, j] / totalPixels;
    
    double parallelMean = 0;
    // 并行版本：使用本地状态避免竞态条件
    Parallel.For(0, image.Height,
        // 每个线程初始化自己的局部累加值
        () => 0.0,
        // 每个线程计算自己负责行的局部和
        (i, loopState, localSum) => {
            for (int j = 0; j < image.Width; j++)
            {
                localSum += (double)image[i, j] / totalPixels;
            }
            return localSum;
        },
        // 将每个线程的局部和合并到全局变量（用Interlocked保证原子操作）
        localSum => Interlocked.Add(ref parallelMean, localSum)
    );
    
    return mean;
}

另外，如果你不想用本地状态，也可以用lock来保护对parallelMean的修改，但这种方式会让线程频繁等待，大幅降低并行的性能收益，所以更推荐上面的本地状态方案。

验证效果 #

修改后，并行版本的parallelMean应该会和串行版本的mean结果一致，同时还能享受到多线程带来的性能提升。

内容的提问来源于stack exchange，提问作者miguelmpn