Image Upscaler
Forstør et billede 2x, 3x eller 4x ved hjælp af ægte Lanczos eller bikubisk foldningsresampling, vist ærligt side om side mod browserens standard bilineære skalering - klassisk resampling, ikke AI.
Resultat
Masser af websteder lover "AI-opskalering", der får et lille billede til at se ud, som om det er optaget på professionelt udstyr. Dette værktøj gør noget mere ærligt: det forstørrer dit billede ved hjælp af ægte, årtier gamle, matematisk velforståede resampling-algoritmer - den samme familie, der blev brugt i professionel billedredigeringssoftware længe før nogen kaldte noget "AI" - og viser dig præcis, hvordan det kan sammenlignes med den skalering, din browser allerede gør gratis.
To virkelig forskellige algoritmer er implementeret, ikke en algoritme med to etiketter. Lanczos resampling bruger en sinc-kerne med vindue - sinc(x) ganget med sinc(x/a) inden for en støtteradius på a=3 - som fungerer som et næsten ideelt lavpasfilter og har en tendens til at producere de skarpeste kanter med højest kontrast af de to. Bikubisk resampling bruger den klassiske Keys (1981) kubiske foldningskerne med a=-0,5 (svarende til en Catmull-Rom spline), et stykkevis kubisk polynomium med en støtteradius på 2, der producerer jævnere, blødere resultater med mindre ringning nær hårde kanter. Begge anvendes som ægte separerbare foldninger: hver række resamples vandret først, derefter resamples hver kolonne lodret, med kernevægte beregnet pr. outputpixel og normaliseret, så de altid summeres til 1.
Til sammenligning gengiver værktøjet også den samme forstørrelse ved hjælp af browserens egen standard drawImage-skalering (imageSmoothingEnabled = sand, standardkvalitet) - den hurtige bilineære familiemetode, som hvert lærredsbaseret værktøj falder tilbage til, hvis det ikke implementerer noget bedre. Ved at placere den ved siden af dit valgte Lanczos- eller bikubiske resultat bliver værdien af ægte resampling synlig: skarpere kanter og mindre sløring ved samme målopløsning fra de samme kildepixel.
Hvad dette værktøj ikke vil gøre, er at opfinde detaljer, der aldrig blev fanget. Der er intet neuralt netværk, der gætter på, hvordan en sløret hårlap eller en fjern nummerplade "skal" se ud - hver outputpixel er en matematisk defineret vægtet kombination af rigtige kildepixel. Vælg 2x, 3x eller 4x, vælg Lanczos eller bikubisk, og download resultatet som en PNG i fuld opløsning. Alt kører lokalt med browserens egne Canvas 2D og ImageData API'er - dit billede bliver aldrig uploadet nogen steder.