Делаю программное альфа наложение в DDRAW1 (аппаратное недоступно). Пытаюсь оптимизировать алгоритм наложения двух изображений глубиной 32 бита (24-битный цвет, 4 байт - альфа канал).

Вроде бы с изначально заготовленной таблицей значений цветов:
BYTE Tab[256][256][256];//what a huge table!
for(int a=0; a<256; ++a)
  for(int d=0; d<256; ++d)
    for(int s=0; s<256; ++s)
      Tab[a][d][s] = (BYTE)(s*a/255.+d*(255-a)/255.);
работает быстрее, чем с реальным просчетом:
DestCol = DestCol*Alpha/255 + SourceCol*(255-Alpha)/255
Формулу, конечно, можно оптимизировать:
DestCol = (DestCol*Alpha + SourceCol*(~Alpha))/255,
но, все равно, считать дольше, чем адресовать цвет из таблицы.

Вроде бы оптимизировал адресацию с помощью ассемблерных вставок. Но работает не намного быстрее C++-эквивалента.
Куда еще больше оптимизировать, незнаю. Может быть кто-то делал такое, или, может быть, не стоит пытаться - все равно тормоза жесткие будут?

тормозит :(