Billedopsampler
Forstør et billede 2x, 3x eller 4x med ægte Lanczos- eller bicubic-foldningsomsampling, vist ærligt side om side med browserens standard bilineære skalering – klassisk omsampling, ikke AI.
🔒 Behandles helt i din browser - intet, du indtaster her, bliver nogensinde uploadet.
Resultat
Masser af sider lover "AI-upskalering", der får et lille foto til at se ud, som om det var taget med professionelt udstyr. Dette værktøj gør noget mere ærligt: det forstørrer dit billede med ægte, årtier gamle, matematisk velkendte omsamplingsalgoritmer – den samme familie, som professionel billedredigeringssoftware brugte, længe før nogen kaldte noget "AI" – og viser dig præcist, hvordan det sammenligner med den skalering, din browser allerede gør gratis.
To reelt forskellige algoritmer er implementeret, ikke én algoritme med to etiketter. Lanczos-omsampling bruger en windowed sinc-kerne – sinc(x) multipliceret med sinc(x/a) inden for en supportradius på a=3 – hvilket fungerer som et næsten ideelt lavpasfilter og har tendens til at give de skarpeste, mest kontrastfyldte kanter af de to. Bicubic-omsampling bruger den klassiske Keys (1981) cubic convolution-kerne med a=-0,5 (ækvivalent med en Catmull-Rom-spline), et stykkevist kubisk polynomium med en supportradius på 2, der giver blødere, mere afrundede resultater med mindre ringning nær hårde kanter. Begge anvendes som ægte separable foldninger: hver række omsamples horisontalt først, derefter omsamples hver kolonne vertikalt, med kernevægte beregnet per outputpixel og normaliseret, så de altid summerer til 1.
Til sammenligning gengiver værktøjet også den samme forstørrelse med browserens egen standard drawImage-skalering (imageSmoothingEnabled = true, standardkvalitet) – den hurtige bilineære-familie-metode, ethvert canvas-baseret værktøj falder tilbage på, hvis det ikke implementerer noget bedre. Ved at placere den ved siden af dit valgte Lanczos- eller bicubic-resultat bliver værdien af ægte omsampling synlig: skarpere kanter og mindre sløring ved samme målopløsning, fra de samme kilde-pixels.
Hvad dette værktøj ikke vil gøre, er at opfinde detaljer, der aldrig blev indfanget. Der er intet neuralt netværk, der gætter på, hvordan en sløret lok hår eller en fjern nummerplade "burde" se ud – hver outputpixel er en matematisk defineret, vægtet kombination af ægte kilde-pixels. Vælg 2x, 3x eller 4x, vælg Lanczos eller bicubic, og download resultatet som en PNG i fuld opløsning. Alt kører lokalt med browserens egne Canvas 2D- og ImageData-API'er – dit billede uploades aldrig nogen steder.