我就是这么做的。
将所有纹理渲染到帧缓冲区，该缓冲区也可以是默认帧缓冲区。
一旦渲染完成。
从帧缓冲区读取数据。

glReadBuffer(GL_COLOR_ATTACHMENT0);
glBindBuffer(GL_PIXEL_PACK_BUFFER, w_pbo[w_writeIndex]);
// copy from framebuffer to PBO asynchronously. it will be ready in the NEXT frame
glReadPixels(0, 0, SCR_WIDTH, SCR_HEIGHT, GL_RGBA, GL_UNSIGNED_BYTE, nullptr);
// now read other PBO which should be already in CPU memory
glBindBuffer(GL_PIXEL_PACK_BUFFER, w_pbo[w_readIndex]);
unsigned char* Data = (unsigned char*)glMapBuffer(GL_PIXEL_PACK_BUFFER, GL_READ_ONLY);

大多数情况下，我们希望在像素级别进行并行化，因为像素级别很多。
但是，在您的情况下，没有那么多像素（28x28）。
你拥有的最大数字似乎是图像的数量（数千张图像）。所以我们想利用这一点。
使用计算着色器，而不是迭代通过所有的图像，你可以混合图像对。在每一个通道后，你会减半的图像数量。一旦图像数量变得非常少，你可能会想改变策略，但这是你需要实验，看看什么工作最好。
你知道计算着色器可以有3个维度。你可以用X和Y来索引图像的像素。Z可以用来在纹理数组中索引图像对。所以对于索引Z，你可以混合纹理2*Z和2*Z+1。

• 您需要考虑的一些实施细节：*
• 最有可能的情况是，图像的数量不是2的幂，所以在某个点上，图像的数量将是奇数。
• 因为你要处理大量的图像，你可能会遇到浮点精度的问题。你可能需要使用浮点纹理，或者添加适当的策略，这样就不会有问题了。
• 通常，当线程处理2x2像素的拼贴而不是单个像素时，计算着色器的工作效果最佳。