Bu çalışmada ‘hash’ fonksiyonları kullanılarak fraktal görüntü sıkıştırma yöntemi için bir sınıflandırma şeması önerilmektedir. Fraktal görüntü sıkıştırma yöntemi, görüntü içinde benzer parçaların bulunması esasına dayanır. Doğayla ilgili görüntülerin sıkıştırılmasında diğer yöntemlere göre çok daha etkin olan bu yöntem aynı zamanda diğer görüntü sıkıştırma yöntemlerinin iyileştirilmesinde de etkilidir. Ancak, benzer parçaların aranması oldukça fazla karşılaştırma hesabı yapılmasını gerektirmektedir. Hesaplama maliyetini düşürmek amacıyla, görüntü üzerinde ele alınan parçaların ve bunlarla eşleştirilmesi öngörülen parçaların sınıflandırılarak, benzerliklerin bu sınıflar içinde aranması genellikle tercih edilen yöntemdir. Bu çalışmada önerilen sınıflandırma yöntemi ile benzer parçaların basit bir şekilde bulunabileceği gösterilmiştir. Elde edilen sonuçlar, sıkıştırma oranının yüksek tutulduğu durumlarda, önerilen yöntemin genellikle diğer fraktal yöntemlerden daha iyi olduğunu göstermiştir. Yöntem, benzerlerinden çok daha basit ve hızlı bir şekilde uygulanabilmektedir. Ayrıca renkli resimler ve video görüntüleri için daha kaliteli sonuçlar elde etmek amacıyla diğer sıkıştırma yöntemleriyle birlikte kullanılabilmektedir.

In this paper, it is proposed a fractal image compression classification schema which is based on hash functions. Fractal image compression is based on finding similar image blocks. It is an efficient method for compression of natural images and increases quality of other image compression at the same time. However, searching similar pieces requires tedious computations. In order to reduce the computational cost, domain blocks are classified and search for finding similar pairs are performed within those classes. In this study, it is shown that similar pairs can be easily obtained by the proposed classification method. The results obtained showed that the proposed method generally obtains more realistic results than the other fractal methods on at high compression rates. The method is simplest and faster than the others. Moreover, it is suitable for using with color images, video and it can be combined with other image compression methods for better quality.