「C# が C++ の速度を凌駕している」らしいので、C++側を高速化してみた ref: http://qiita.com/YSRKEN/items/8b53b1a783191503560c

speedtest2.cpp

// Compile: cl speedtest2.cpp /O2 /GL /EHsc
#include<chrono>
#include<cstdint>
#include<iostream>

using Byte = uint8_t;

void test(){
    //! 画面サイズを設定する
    size_t w = 4321, h = 6789;
    //! ストライドの大きさを計算する
    //! (横幅を4で割り切れる画素数にする)
    size_t stride = ( w + 3 ) & ~3;
    //! 領域を確保する(各画素は1バイト)
    auto *a = new Byte[stride * h];
    //! 二次元直交座標のX・YのXORを画素に代入する
    //! (擬似的な画像処理のテスト)
    for(size_t y = 0; y < h; y++){
        auto p = a + y * stride;
        for(size_t x = 0; x < w; x++){
            p[x] = static_cast<Byte>(x ^ y);
        }
    }
    delete[] a;
}

int main(){
    //! 計測開始
    auto start = std::chrono::system_clock::now();
    //! 計測用コード
    for(size_t i = 0; i < 100; ++i){
        test();
    }
    //! 計測終了・集計
    auto end = std::chrono::system_clock::now();
    auto msec = std::chrono::duration_cast<std::chrono::milliseconds>(end - start).count();
    std::cout << msec << "[ms]" << std::endl;
}

speedtest3.cpp

//! Compile: / GS / GL / analyze - / W3 / Gy / Zc:wchar_t / Zi / Gm - / O2 / sdl
//!          / Fd"Release\vc140.pdb" / Zc : inline / fp : precise / D "WIN32"
//!          / D "NDEBUG" / D "_CONSOLE" / D "_UNICODE" / D "UNICODE"
//!          / errorReport : prompt / WX - / Zc : forScope / arch : AVX / Gd
//!          / Oy - / Oi / MD / Fa"Release\" /EHsc /nologo /Fo"Release\"
//!          /Fp"Release\sample.pch" 

#include<chrono>
#include<cstdint>
#include<iostream>
#include<immintrin.h>

using Byte = uint8_t;

void test(){
    //! 画面サイズを設定する
    const size_t w = 4321, h = 6789;
    //! ストライドの大きさを計算する
    //! (横幅を4で割り切れる画素数にする)
    const size_t stride = ( w + 3 ) & ~3;
    //! 領域を確保する(各画素は1バイト)
    //! 本来ならアラインメントを揃えたいところだが……
    auto *a = new Byte[stride * h];
    //! 二次元直交座標のX・YのXORを画素に代入する
    //! (擬似的な画像処理のテスト)
    for(size_t y = 0; y < h; y++){
        auto p = a + y * stride;
        const auto simd_y = _mm_set1_epi8(y);
        for(size_t x = 0; x < (w >> 4) << 4; x += 16){
            const auto simd_x = _mm_set_epi8(
                x+15,x+14,x+13,x+12,x+11,x+10,x+ 9,x+ 8,
                x+ 7,x+ 6,x+ 5,x+ 4,x+ 3,x+ 2,x+ 1,x+ 0);
            const auto simd_xor = _mm_xor_si128(simd_x, simd_y);
            _mm_storeu_si128((__m128i*)(p + x), simd_xor);
        }
        for(size_t x = (w >> 4) << 4; x < w; ++x){
            p[x] = static_cast<Byte>(x ^ y);
        }
    }
    delete[] a;
}

int main(){
    //! 計測開始
    auto start = std::chrono::system_clock::now();
    //! 計測用コード
    for(size_t i = 0; i < 100; ++i){
        test();
    }
    //! 計測終了・集計
    auto end = std::chrono::system_clock::now();
    auto msec = std::chrono::duration_cast<std::chrono::milliseconds>(end - start).count();
    std::cout << msec << "[ms]" << std::endl;
}