要实现并行处理的magick图像处理的输出存储，可以使用Python的多线程或多进程来完成任务。下面是一个使用多线程的示例代码：

import os
import glob
import threading
from PIL import Image

def process_image(image_path):
    # 打开图像并进行处理
    img = Image.open(image_path)
    # 进行magick图像处理操作
    img = img.resize((500, 500))
    img = img.convert("L")  # 转为灰度图像

    # 存储处理后的图像
    output_path = "output/" + os.path.basename(image_path)
    img.save(output_path)
    print(f"Processed image saved at {output_path}")

def parallel_process_images(images):
    # 创建线程列表
    threads = []
    for image in images:
        # 创建并启动线程
        thread = threading.Thread(target=process_image, args=(image,))
        thread.start()
        threads.append(thread)

    # 等待所有线程完成
    for thread in threads:
        thread.join()

if __name__ == "__main__":
    # 获取所有图像文件
    image_files = glob.glob("input/*.jpg")

    # 创建输出目录
    os.makedirs("output", exist_ok=True)

    # 并行处理图像
    parallel_process_images(image_files)

在上述示例代码中，首先定义了一个process_image函数，该函数接收一个图像路径作为参数，并对图像进行magick处理和保存。然后，定义了parallel_process_images函数，该函数接收一个图像文件列表，并使用多线程并行处理每个图像。最后，在main函数中获取所有图像文件并调用parallel_process_images函数来实现并行处理和输出存储。

请注意，上述示例代码仅提供了使用多线程实现并行处理的示例，你还可以使用多进程、并行计算库（如concurrent.futures、multiprocessing等）来完成类似的任务。具体选择何种方法取决于你的需求和计算资源。