Μεγέθυνση εικόνας

Πολλές τοποθεσίες υπόσχονται «αναβάθμιση AI» που κάνει μια μικρή φωτογραφία να μοιάζει τραβηγμένη με επαγγελματικό εξοπλισμό. Αυτό το εργαλείο κάνει κάτι πιο έντιμο: μεγεθύνει την εικόνα σας χρησιμοποιώντας πραγματικούς, δεκαετιών, μαθηματικά καλά κατανοημένους αλγορίθμους resampling — την ίδια οικογένεια που χρησιμοποιείται σε επαγγελματικό λογισμικό επεξεργασίας εικόνας πολύ πριν κανείς αποκαλέσει οτιδήποτε «AI» — και σας δείχνει ακριβώς πώς αυτό συγκρίνεται με την κλιμάκωση που κάνει ήδη ο browser σας δωρεάν.

Υλοποιούνται δύο πραγματικά διαφορετικοί αλγόριθμοι, όχι ένας αλγόριθμος με δύο ετικέτες. Το Lanczos resampling χρησιμοποιεί ένα windowed sinc kernel — sinc(x) πολλαπλασιασμένο με sinc(x/a) εντός ακτίνας υποστήριξης a=3 — το οποίο λειτουργεί ως σχεδόν ιδανικό low-pass φίλτρο και τείνει να παράγει τις πιο ευκρινείς, υψηλότερης αντίθεσης ακμές από τα δύο. Το Bicubic resampling χρησιμοποιεί το κλασικό Keys (1981) cubic convolution kernel με a=-0.5 (ισοδύναμο με Catmull-Rom spline), ένα τμηματικά κυβικό πολυώνυμο με ακτίνα υποστήριξης 2 που παράγει πιο ομαλά, πιο μαλακά αποτελέσματα με λιγότερο ringing κοντά σε σκληρές ακμές. Και τα δύο εφαρμόζονται ως γνήσιες διαχωρίσιμες συνελίξεις: κάθε γραμμή υπόκειται σε resampling οριζόντια πρώτα, μετά κάθε στήλη υπόκειται σε resampling κάθετα, με τα βάρη του πυρήνα να υπολογίζονται ανά pixel εξόδου και να κανονικοποιούνται ώστε πάντα να αθροίζουν σε 1.

Για σύγκριση, το εργαλείο αποδίδει επίσης την ίδια μεγέθυνση χρησιμοποιώντας την προεπιλεγμένη κλιμάκωση drawImage του browser (imageSmoothingEnabled = true, προεπιλεγμένη ποιότητα) — τη γρήγορη μέθοδο οικογένειας bilinear στην οποία καταφεύγει κάθε εργαλείο βασισμένο σε canvas αν δεν υλοποιεί κάτι καλύτερο. Η τοποθέτησή της δίπλα στο Lanczos ή bicubic αποτέλεσμα της επιλογής σας κάνει ορατή την αξία του πραγματικού resampling: πιο ευκρινείς ακμές και λιγότερο θόλωμα στην ίδια ανάλυση στόχου, από τα ίδια pixel πηγής.

Αυτό που δεν θα κάνει αυτό το εργαλείο είναι να επινοήσει λεπτομέρεια που δεν καταγράφηκε ποτέ. Δεν υπάρχει νευρωνικό δίκτυο που να μαντεύει πώς «θα έπρεπε» να μοιάζει ένα θολό τμήμα μαλλιών ή μια μακρινή πινακίδα — κάθε pixel εξόδου είναι ένας μαθηματικά καθορισμένος σταθμισμένος συνδυασμός πραγματικών pixel πηγής. Επιλέξτε 2x, 3x ή 4x, διαλέξτε Lanczos ή bicubic και κατεβάστε το αποτέλεσμα ως PNG σε πλήρη ανάλυση. Όλα εκτελούνται τοπικά με τα εγγενή Canvas 2D και ImageData API του browser — η εικόνα σας δεν ανεβαίνει ποτέ πουθενά.