इमेज अपस्केलर

बहुत सी साइटें "AI अपस्केलिंग" का वादा करती हैं जो एक छोटी फ़ोटो को ऐसा बना देती है जैसे वह पेशेवर गियर से शूट की गई हो। यह टूल कुछ अधिक ईमानदार करता है: यह आपकी इमेज को वास्तविक, दशकों पुराने, गणितीय रूप से भली-भाँति समझे गए रीसैंपलिंग एल्गोरिद्म का उपयोग करके बड़ा करता है — वही परिवार जो पेशेवर इमेज-एडिटिंग सॉफ़्टवेयर में किसी के भी किसी चीज़ को "AI" कहने से बहुत पहले से उपयोग किया जाता था — और आपको ठीक-ठीक दिखाता है कि इसकी तुलना उस स्केलिंग से कैसे होती है जो आपका ब्राउज़र पहले से मुफ़्त में करता है।

दो वास्तविक रूप से अलग एल्गोरिद्म लागू किए गए हैं, न कि एक एल्गोरिद्म जिस पर दो लेबल लगे हों। Lanczos रीसैंपलिंग में एक विंडोड sinc कर्नेल — sinc(x) को a=3 की सपोर्ट त्रिज्या के भीतर sinc(x/a) से गुणा किया जाता है — का उपयोग होता है, जो लगभग आदर्श लो-पास फ़िल्टर की तरह काम करता है और दोनों में से सबसे तीखे, उच्चतम कंट्रास्ट वाले किनारे उत्पन्न करता है। Bicubic रीसैंपलिंग में a=-0.5 के साथ क्लासिक Keys (1981) क्यूबिक कन्वोल्यूशन कर्नेल (Catmull-Rom स्प्लाइन के समतुल्य) का उपयोग होता है, जो 2 की सपोर्ट त्रिज्या वाला एक खंडशः क्यूबिक बहुपद है जो कठोर किनारों के पास कम रिंगिंग के साथ चिकने, नरम परिणाम उत्पन्न करता है। दोनों को वास्तविक सेपरेबल कन्वोल्यूशन के रूप में लागू किया जाता है: पहले प्रत्येक पंक्ति को क्षैतिज रूप से रीसैंपल किया जाता है, फिर प्रत्येक कॉलम को ऊर्ध्वाधर रूप से रीसैंपल किया जाता है, जिसमें कर्नेल भार प्रति आउटपुट पिक्सेल गणना किए जाते हैं और सामान्यीकृत किए जाते हैं ताकि उनका योग हमेशा 1 हो।

तुलना के लिए, टूल ब्राउज़र की अपनी डिफ़ॉल्ट drawImage स्केलिंग (imageSmoothingEnabled = true, डिफ़ॉल्ट गुणवत्ता) का उपयोग करके समान इज़ाफ़ा भी प्रस्तुत करता है — वह तेज़ bilinear-परिवार विधि जिस पर हर canvas-आधारित टूल वापस आ जाता है यदि वह कुछ भी बेहतर लागू नहीं करता। इसे आपके चुने गए Lanczos या bicubic परिणाम के बगल में रखने से वास्तविक रीसैंपलिंग का मूल्य दृश्यमान हो जाता है: समान स्रोत पिक्सेल से, समान लक्ष्य रिज़ॉल्यूशन पर अधिक तीखे किनारे और कम धुँधलापन।

यह टूल वह विवरण नहीं गढ़ेगा जो कभी कैप्चर ही नहीं किया गया। कोई न्यूरल नेटवर्क यह अनुमान नहीं लगा रहा है कि बालों का धुँधला पैच या दूर की लाइसेंस प्लेट "कैसी दिखनी चाहिए" — प्रत्येक आउटपुट पिक्सेल वास्तविक स्रोत पिक्सेल का गणितीय रूप से परिभाषित भारित संयोजन है। 2x, 3x या 4x चुनें, Lanczos या bicubic चुनें, और परिणाम को पूर्ण रिज़ॉल्यूशन पर PNG के रूप में डाउनलोड करें। सब कुछ ब्राउज़र के अपने Canvas 2D और ImageData API के साथ स्थानीय रूप से चलता है — आपकी इमेज कभी भी कहीं अपलोड नहीं होती।