自用2023

1. 使用多线程并行处理可以提高处理速度，但在某些情况下可能会带来线程竞争和同步的开销。这也是在运行时wait方法占用大量时间的原因之一。如果处理的图像数量较少或者处理时间较短，可能并行化的开销会超过性能提升。

2. 在代码中，使用了ThreadPoolExecutor来管理线程池。请注意，线程池的大小默认是根据系统的CPU核心数量动态调整的（通过os.cpu_count()获取）。你可以根据需要手动设置线程池的大小，看看是否可以进一步优化性能。

3. 可以尝试通过调整代码结构和算法来提高处理速度。在多线程处理图像时，可以将更耗时的操作放在单个图像处理的线程内进行，以减少主线程等待的时间。

1. 图像读取和保存：对于每个图像文件，可以将图像读取和保存的任务放入并行执行的线程池中。这样可以在读取一个图像的同时，同时进行下一个图像的读取和保存操作。

2. 图像的灰度转换和二值化：这些操作可以独立地应用于每个图像，因此可以将其放入并行执行的线程池中，以同时处理多个图像。

3. 垂直投影的计算：对于每个图像，可以并行计算其垂直投影。每个图像的垂直投影是相互独立的，因此可以将它们分配给多个线程进行并行计算。

4. 图像列的分割和保存：将裁剪后的列保存为单独的图像时，可以并行处理每个图像的列分割和保存任务。每个图像的列分割和保存是相互独立的，因此可以使用多个线程并行处理。

5. 行的分割和保存：在每个列中进行行的分割和保存时，也可以并行处理每个列的行分割和保存任务。每个列的行分割和保存是相互独立的，可以使用多个线程进行并行处理。