C#之IEnumerable详解

在 C# 中，IEnumerable<T> 是一个泛型接口，用于表示可迭代的集合。以下是可以用作 IEnumerable<Point[]>（或其他 IEnumerable<T>）参数的所有集合类型及其使用场景和示例：

---

1. 标准泛型集合类型

以下集合直接实现了 IEnumerable<T>，可以无缝传递：

集合类型	特点	示例
数组 T[]	静态大小、内存连续，访问最快	Point[][] contourArray = new Point[2][];
List<T>	动态数组，支持增删、索引	List<Point[]> contourList = new List<Point[]>();
LinkedList<T>	双向链表，高效插入/删除	LinkedList<Point[]> linkedContours = new LinkedList<Point[]>();
HashSet<T>	无序、不重复元素	HashSet<Point[]> uniqueContours = new HashSet<Point[]>();
Queue<T>	先进先出（FIFO）队列	Queue<Point[]> contourQueue = new Queue<Point[]>();
Stack<T>	后进先出（LIFO）栈	Stack<Point[]> contourStack = new Stack<Point[]>();
SortedSet<T>	有序集合，自动排序	SortedSet<Point[]> sortedContours = new SortedSet<Point[]>();
ObservableCollection<T>	支持数据绑定和通知（WPF）	var observableContours = new ObservableCollection<Point[]>();

---

2. LINQ查询结果

所有 LINQ 操作返回 IEnumerable<T>，可直接传递：

// 示例：通过Where筛选有效轮廓
IEnumerable<Point[]> filteredContours = contours.Where(c => c.Length >= 3);
TestRegionContours(filteredContours, points);

// 示例：使用Select转换数据
IEnumerable<Point[]> scaledContours = contours.Select(c => ScaleContour(c, 2.0));

---

3. 非泛型集合

通过 Cast<T>() 或 OfType<T>() 可以将非泛型集合转为 IEnumerable<T>：

// ArrayList（需引入System.Collections）
ArrayList legacyContours = new ArrayList(); 
legacyContours.Add(new Point[] { new Point(0,0), new Point(10,0), new Point(5,10) });

// 转换为IEnumerable<Point[]>
var converted = legacyContours.Cast<Point[]>();
TestRegionContours(converted, points);

---

4. 自定义可迭代类型

只要实现 IEnumerable<T> 接口的自定义集合均可传递：

// 自定义轮廓集合类
public class ContourCollection : IEnumerable<Point[]>
{
    private readonly List<Point[]> _contours = new List<Point[]>();

    public void Add(Point[] contour) => _contours.Add(contour);
  
    // 实现迭代器
    public IEnumerator<Point[]> GetEnumerator() => _contours.GetEnumerator();
    IEnumerator IEnumerable.GetEnumerator() => GetEnumerator();
}

// 使用自定义集合
var customContours = new ContourCollection();
customContours.Add(new Point[] { new Point(0,0), new Point(10,0), new Point(5,10) });
TestRegionContours(customContours, points);

---

5. 其他特殊场景

类型	说明	示例
ImmutableArray<T>	不可变数组（线程安全）	var immutableArr = ImmutableArray.Create(new Point[] { ... });
ConcurrentQueue<T>	线程安全队列	ConcurrentQueue<Point[]> threadSafeQueue = new ConcurrentQueue<Point[]>();
Span<T>/Memory<T>	内存片段视图（需要高版本 C#，性能敏感场景）	Span<Point[]> contourSpan = array.AsSpan();
yield return 生成器	动态生成数据	IEnumerable<Point[]> GenerateContours() { yield return contour1; ... }

---

6. 集合类型选用策略（针对图像处理场景）

（注：根据实际数据类型的访问模式选择最优集合）

场景	推荐集合类型	原因
高性能计算（100万+点）	Point[][]（多维数组）	内存连续，CPU缓存友好，并行计算优化
动态增删轮廓（交互编辑）	List<Point[]>	支持高效增删操作
检测重复轮廓	HashSet<Point[]>	快速判重（需注意比较逻辑可能需要自定义 IEqualityComparer）
多线程生产消费（如实时处理）	ConcurrentQueue<Point[]>	线程安全性高
GPU加速计算	Memory<Point[]>	便于与GPU内存交互

---

代码示例：多种集合的典型用法

// 场景1：从OpenCV接收数组
Point[][] opencvContours = Cv2.FindContours(...);
TestRegionContours(opencvContours, points);

// 场景2：动态构建复杂轮廓集
var dynamicContours = new List<Point[]>();
dynamicContours.AddRange(LoadCadContours());
dynamicContours.Add(GenerateCircleContour(100, 100, 50));
TestRegionContours(dynamicContours, points);

// 场景3：LINQ混合操作
var optimizedContours = originalContours
    .Where(c => c.Length > 5)             // 过滤简单轮廓
    .Select(SimplifyContour)              // 简化多边形
    .OrderByDescending(c => c.Length);    // 按点数量排序
TestRegionContours(optimizedContours, points);

// 场景4：多线程填充
ConcurrentBag<Point[]> parallelContours = new ConcurrentBag<Point[]>();
Parallel.ForEach(inputImages, img => 
{
    Point[] contour = ExtractContour(img);
    parallelContours.Add(contour);
});
TestRegionContours(parallelContours, points);

---

高级主题：内存布局优化

对于超大规模轮廓处理（如50万+轮廓），可通过以下方式优化：

// 1. 使用结构体替代类（减少堆内存开销）
public readonly struct ContourPoint { public int X; public int Y; }
ContourPoint[][] memoryOptimizedContours = ...;

// 2. 统一分配连续内存（提升缓存命中率）
ContourPoint[] buffer = new ContourPoint[totalPoints];
List<ContourPoint[]> overlappedContours = SplitBufferToContours(buffer);

// 3. SIMD矢量化检测（需要System.Numerics）
Vector4[] vectorizedRects = PrecomputeBoundingRects(contours);

通过选择合适的集合类型，可以显著提升轮廓处理应用的性能，尤其是在工业级图像处理的实时场景中。