Bild-Upscaler

Viele Websites versprechen „KI-Upscaling“, das ein kleines Foto so aussehen lässt, als wäre es mit professioneller Ausrüstung aufgenommen worden. Dieses Tool macht etwas Ehrlicheres: Es vergrößert Ihr Bild mit echten, jahrzehntealten, mathematisch gut verstandenen Resampling-Algorithmen – der gleichen Familie, die in professioneller Bildbearbeitungssoftware verwendet wurde, lange bevor jemand etwas „KI“ nannte – und zeigt Ihnen genau, wie sich das im Vergleich zu der Skalierung verhält, die Ihr Browser bereits kostenlos durchführt.

Es werden zwei wirklich unterschiedliche Algorithmen implementiert, nicht ein Algorithmus mit zwei Labels. Lanczos Resampling verwendet einen gefensterten Sinc-Kernel – sinc(x) multipliziert mit sinc(x/a) innerhalb eines Unterstützungsradius von a=3 – der als nahezu idealer Tiefpassfilter fungiert und tendenziell die schärfsten Kanten mit dem höchsten Kontrast von beiden erzeugt. Beim bikubischen Resampling wird der klassische kubische Faltungskern von Keys (1981) mit a=-0,5 (entspricht einem Catmull-Rom-Spline) verwendet, ein stückweises kubisches Polynom mit einem Stützradius von 2, das glattere, weichere Ergebnisse mit weniger Ringing in der Nähe harter Kanten liefert. Beide werden als echte trennbare Faltungen angewendet: Jede Zeile wird zuerst horizontal neu abgetastet, dann wird jede Spalte vertikal neu abgetastet, wobei die Kernelgewichte pro Ausgabepixel berechnet und normalisiert werden, sodass sie sich immer auf 1 summieren.

Zum Vergleich rendert das Tool die gleiche Vergrößerung auch mit der browsereigenen Standard-DrawImage-Skalierung (imageSmoothingEnabled = true, Standardqualität) – der schnellen Methode der bilinearen Familie, auf die jedes Canvas-basierte Tool zurückgreift, wenn es nichts Besseres implementiert. Wenn Sie es neben dem von Ihnen gewählten Lanczos- oder bikubischen Ergebnis platzieren, wird der Wert des echten Resamplings sichtbar: schärfere Kanten und weniger Unschärfe bei derselben Zielauflösung und denselben Quellpixeln.

Was dieses Tool nicht kann, ist, Details zu erfinden, die nie erfasst wurden. Es gibt kein neuronales Netzwerk, das errät, wie eine verschwommene Haarsträhne oder ein entferntes Nummernschild aussehen „sollte“ – jedes Ausgabepixel ist eine mathematisch definierte gewichtete Kombination realer Quellpixel. Wählen Sie 2x, 3x oder 4x, wählen Sie Lanczos oder bicubic und laden Sie das Ergebnis als PNG in voller Auflösung herunter. Alles läuft lokal mit den browsereigenen Canvas 2D- und ImageData-APIs – Ihr Bild wird nirgendwo hochgeladen.