Zvětšování obrazu
Zvětšete obraz 2×, 3× nebo 4× pomocí reálného Lanczosova nebo bikubického konvolučního převzorkování, poctivě zobrazeného vedle výchozího bilineárního škálování prohlížeče – klasické převzorkování, nikoli AI.
🔒 Zpracováno výhradně ve vašem prohlížeči – nic, co zde zadáte, se nikdy nenahraje.
Výsledek
Mnoho stránek slibuje „AI zvětšování“, díky kterému malá fotografie vypadá, jako by byla pořízena profesionálním vybavením. Tento nástroj dělá něco poctivějšího: zvětšuje váš obraz pomocí skutečných, desítky let starých a matematicky důkladně popsaných převzorkovacích algoritmů – stejné rodiny, která se používala v profesionálním software pro úpravu obrazu dávno předtím, než někdo něco označoval jako „AI“ – a ukazuje vám přesně, jak se to liší od škálování, které váš prohlížeč provádí zdarma.
Jsou implementovány dva skutečně odlišné algoritmy, nikoli jeden algoritmus se dvěma názvy. Lanczosovo převzorkování používá jádro sinc s oknem – sinc(x) vynásobené sinc(x/a) v rozsahu nosiče a=3 – které funguje jako téměř ideální dolní propusť a obvykle vytváří nejostřejší hrany s nejvyšším kontrastem z obou metod. Bikubické převzorkování používá klasické kubické konvoluční jádro dle Keyse (1981) s a=-0,5 (ekvivalentní Catmull-Rom splinu), po částech kubický polynom s nosičem o poloměru 2, který poskytuje hladší a měkčí výsledky s menším zvoněním poblíž ostrých hran. Oba algoritmy jsou aplikovány jako skutečné separabilní konvoluce: každý řádek je nejprve převzorkován horizontálně a poté každý sloupec vertikálně, přičemž váhy jádra se počítají pro každý výstupní pixel a normalizují se tak, aby vždy dávaly součet 1.
Pro srovnání nástroj vykreslí totéž zvětšení také pomocí výchozího škálování drawImage v prohlížeči (imageSmoothingEnabled = true, výchozí kvalita) – rychlou metodu z rodiny bilineárních, na kterou se spoléhá každý nástroj založený na canvasu, pokud nemá implementováno nic lepšího. Její umístění vedle vámi zvoleného Lanczosova nebo bikubického výsledku odhalí přínos skutečného převzorkování: ostřejší hrany a méně rozmazání při stejném cílovém rozlišení, ze stejných zdrojových pixelů.
Co tento nástroj neudělá, je vymýšlet detaily, které nebyly nikdy zachyceny. Žádná neuronová síť nehádá, jak by „měla“ vypadat rozmazaná skvrna vlasů nebo vzdálená poznávací značka – každý výstupní pixel je matematicky definovaná vážená kombinace skutečných zdrojových pixelů. Zvolte 2×, 3× nebo 4×, vyberte Lanczos nebo bikubické převzorkování a výsledek si stáhněte jako PNG v plném rozlišení. Vše probíhá lokálně s využitím standardních API Canvas 2D a ImageData prohlížeče – váš obraz se nikam neodesílá.