Agrandisseur d’image

De nombreux sites promettent une « mise à l’échelle par IA » qui donne à une petite photo l’air d’avoir été prise avec un équipement professionnel. Cet outil fait quelque chose de plus honnête : il agrandit votre image à l’aide de véritables algorithmes de rééchantillonnage, vieux de plusieurs décennies et mathématiquement bien compris — la même famille que celle utilisée dans les logiciels de retouche d’image professionnels bien avant que quiconque ne parle d’« IA » — et vous montre exactement comment cela se compare à la mise à l’échelle que votre navigateur effectue déjà gratuitement.

Deux algorithmes réellement différents sont implémentés, pas un seul algorithme sous deux étiquettes. Le rééchantillonnage Lanczos utilise un noyau à sinus fenêtré — sinc(x) multiplié par sinc(x/a) dans un rayon de support a=3 — qui agit comme un filtre passe-bas quasi idéal et tend à produire les bords les plus nets et les plus contrastés des deux. Le rééchantillonnage bicubique utilise le noyau classique de convolution cubique de Keys (1981) avec a=-0,5 (équivalent à une spline Catmull-Rom), un polynôme cubique par morceaux avec un rayon de support de 2 qui donne des résultats plus lisses, plus doux et avec moins de ringing près des bords francs. Les deux sont appliqués comme de véritables convolutions séparables : chaque ligne est d’abord rééchantillonnée horizontalement, puis chaque colonne est rééchantillonnée verticalement, les poids du noyau étant calculés pour chaque pixel de sortie et normalisés de façon à toujours sommer à 1.

À titre de comparaison, l’outil produit également le même agrandissement en utilisant la mise à l’échelle par défaut du navigateur via drawImage (imageSmoothingEnabled = true, qualité par défaut) — la méthode rapide de type bilinéaire sur laquelle tous les outils basés sur canvas se replient s’ils n’implémentent rien de mieux. La placer à côté du résultat Lanczos ou bicubique que vous avez choisi rend visible l’intérêt d’un véritable rééchantillonnage : des bords plus nets et moins de flou à résolution cible égale, à partir des mêmes pixels source.

Ce que cet outil ne fera pas, c’est inventer des détails qui n’ont jamais été capturés. Aucun réseau neuronal ne devine à quoi une mèche de cheveux floue ou une plaque d’immatriculation lointaine « devrait » ressembler — chaque pixel de sortie est une combinaison pondérée mathématiquement définie de pixels source réels. Choisissez 2×, 3× ou 4×, sélectionnez Lanczos ou bicubique, et téléchargez le résultat au format PNG en pleine résolution. Tout s’exécute localement avec les API Canvas 2D et ImageData du navigateur — votre image n’est jamais téléversée où que ce soit.