第四章 · 并行流水线

注意看 execute_jobs 这个函数的签名：

static int execute_jobs(const ImageJob jobs[], const FilterConfig* config, ImageResult results[], int job_count)

在这个程序里，运行逻辑是这样的：main 函数调用了 pipeline_run_image_batch(execute_jobs)。底层测试框架会准备好各种参数的默认值（比如默认的中值滤波、半径为 1 的配置），然后把它们作为参数传给 execute_jobs 这个函数。

但既然我们已经把“任务数据”和“算法配置”解耦了，你完全可以不使用外部传进来的默认 config！你可以自己在 execute_jobs 内部定义一个局部变量，捏一个全新的配置。

打开 src/common/filter.h，可以看到配置结构体非常简单：

typedef struct {
  FilterKind kind;
  int median_radius;
} FilterConfig;

怎么把自定义配置传进去？

你可以在 execute_jobs 函数内的开头部分定义你的专属配置。比如继续使用中值滤波，但把半径改大一些：

FilterConfig my_config;
my_config.kind = FILTER_KIND_MEDIAN;
my_config.median_radius = 2;

然后在打包任务的 for 循环里，把原本的 config 换成你的 &my_config：

for (i = 0; i < job_count; ++i) {
    tasks[i].job = &jobs[i];
    // 原本是：tasks[i].config = config;
    tasks[i].config = &my_config; // <-- 偷天换日！换成你自己的配置地址
    tasks[i].result = &results[i];

    // 丢进线程池
    // thread_pool_submit(...)
}

注意：因为 execute_jobs 会调用 thread_pool_wait 等待所有线程干完活才 return，所以在等待期间，你的局部变量 my_config 的内存是绝对安全的，打工线程可以放心地读取它！

去跑一遍看看 output/ch4/metrics.csv 里的 PSNR 和 SSIM 是不是变高了？这就是软件工程里“配置化”的好处：改一行配置，就能瞬间切换底层复杂的算法引擎，而你的并发代码一行都不用动！