Фрактальное сжатие изображений.

[EVG!]

Хочется последовательно обсудить реализацию фрактального алгоритма кодирования ЦВЕТНЫХ изображений.
Пункт 1. Перевод изображения из RGB в YUV.
Y = 0.299 * R + 0.587 * G + 0.114 * B;
U = -0.14713 * R - 0.28886 * G + 0.436 * B;
V = 0.615 * R - 0.51499 * G - 0.10001 * B;
С формулами все ясно. А вот насчет той груды груды информации (Y, U, V для каждого пиксела) которую надо будет жранить для последующей обработки возникают вопросы.
Первое, что пришло на ум:
1. Изображение загружаем в БитМан bm;
2. Для хранения Y,U,V создаем

Type
    colorYUV = Record
    Y, U ,V : real;
    end;

3. Создаем список для хранения указателей на colorYUV:

ListYUV:=TList.Create;

4. Объявляем R: ^colorYUV и далее для каждого пиксела:

New(R);
R^.Y:=0.299*getRValue(bm.Canvas.Pixels[i,j])+
           0.587*getGValue(bm.Canvas.Pixels[i,j])+
           0.114*getBValue(bm.Canvas.Pixels[i,j]);
R^.U:=-0.14713*getRValue(bm.Canvas.Pixels[i,j])-
           0.28886*getGValue(bm.Canvas.Pixels[i,j])+
           0.43600*getBValue(bm.Canvas.Pixels[i,j]);
R^.V:=0.61500*getRValue(bm.Canvas.Pixels[i,j])-
          0.51499*getGValue(bm.Canvas.Pixels[i,j])-
          0.10001*getBValue(bm.Canvas.Pixels[i,j]);
ListYUV.Add(R);

Как на Ваш взгляд все это дело упростить и сделать более грамотно?
Если же все так и оставить, то как грамотнее реализовать следующий шаг разбиение изображения в YUV сеткой 8 на 8, с условием что каждый квадрат легко можно было бы подвергнуть аффинным преобразованиям?

[DomiNick]

2. Для хранения Y,U,V создаем

Ну в принципе можно и в битмап запихнуть, если округлить до целого (если можно с потерями)...

3. Создаем список для хранения указателей на colorYUV

Эм... А чем массив не угодил-то?

разбиение изображения в YUV сеткой 8 на 8

Хм... Ну тогда массив массивов по 64 пикселей...

с условием что каждый квадрат легко можно было бы подвергнуть аффинным преобразованиям?

Получается всё-таки придётся использовать числа с плавающей запятой... Скорость выполнения таки-упадёт...

А можно где-то сам алгоритм взглянуть по которому делаете?

[EVG!]

Спасибо за развернутый ответ.
Немного о самом алгоритме:
Сначала берется исходное изображение, и разбивается равномерной сеткой 8*8 на регионы.
Далее подготавливается доменное изображение. Оно меньше, чем исходное в 4 раза (по площади). Доменное изображение разбивается на домены (8*8).
Размер доменов равен размеру регионов. НО! ДОМЕНЫ МОГУТ ПЕРЕКРЫВАТЬСЯ! (перекрытие задается пользователем, чаще всего 50%)
Процесс фрактального сжатия заключается в поиске самоподобных областей. В нашем случае последовательно перебираются все регионы, и для каждого региона определяется наиболее похожий на него домен. Применяется не только простое попиксельное сравнение региона с доменом, но и аффинные преобразования. Используются следующие аффинные преобразования:
1) поворот на 0 градусов (с технической точки зрения – тоже вариант)
2) поворот на 90 градусов
3) поворот на 180 градусов
4) поворот на 270 градусов
5) симметрия относительно оси Х
6) симметрия относительно оси У
7) симметрия относительно главной диагонали
8) симметрия относительно второстепенной диагонали
Итак, аффинные преобразования можно выполнять как над регионами, так и над доменами. Однако аффинные преобразования над доменами будут выполняться дольше, чем над регионами, так как в процессе сжатия регионы перебираются всего 1 раз, а домены – много раз (для каждого региона по разу). Таким образом, аффинные преобразования следует выполнять над регионами.
В общем, в процессе сжатия последовательно перебираются все регионы, для каждого региона последовательно перебираются все домены, которые в свою очередь сравниваются со всеми аффинными преобразованиями текущего региона.
Изображения сравниваются по пикселям.
Самый лучший домен тот, у которого окажется самым минимальным выражение:
СуммаПоI_CуммаПОJ(s*dij+o-rij)^2,
где s=СуммаПоI_CуммаПОJ((dij-d)*(rij-r))/СуммаПоI_CуммаПОJ((dij-d)^2)
o=r-s*d;
r,d - средние значения для регионов и доменов.
Итак, после того, как для текущего региона (со всеми аффинными преобразованиями) был найден наиболее схожий с ним домен, необходимо запомнить следующие данные:
- координаты домена (относительно доменного изображения);
- номер аффинного преобразования (2-е и 4-е аффинное преобразование следует поменять местами, так как при распаковке изображения аффинные преобразования нужно будет выполнять не над регионами, а над доменами);
- s, o;
- количество регионов по гор-ли и повертикали.