이미지 업스케일러

많은 사이트에서는 작은 사진을 전문 장비로 촬영한 것처럼 보이게 만드는 "AI 업스케일링"을 약속합니다. 이 도구는 보다 정직한 작업을 수행합니다. 수학적으로 잘 이해된 실제 리샘플링 알고리즘(누군가 "AI"라고 부르기 오래 전에 전문 이미지 편집 소프트웨어에서 사용된 것과 동일한 계열)을 사용하여 이미지를 확대하고 브라우저가 이미 무료로 수행하는 크기 조정과 정확히 어떻게 비교되는지 보여줍니다.

두 개의 레이블이 있는 하나의 알고리즘이 아닌 두 개의 완전히 다른 알고리즘이 구현됩니다. Lanczos 리샘플링은 지원 반경 a=3 내에서 sinc(x)에 sinc(x/a)를 곱한 windowed sinc 커널을 사용합니다. 이는 거의 이상적인 저역 통과 필터 역할을 하며 둘 중 가장 선명하고 대비가 높은 가장자리를 생성하는 경향이 있습니다. 바이큐빅 리샘플링은 a=-0.5(Catmull-Rom 스플라인과 동일)인 클래식 Keys(1981) 3차 컨벌루션 커널을 사용합니다. 이 커널은 지원 반경이 2인 조각별 3차 다항식으로 하드 가장자리 근처에서 링잉이 적고 더 부드럽고 부드러운 결과를 생성합니다. 둘 다 진정한 분리 가능한 컨볼루션으로 적용됩니다. 모든 행은 먼저 수평으로 리샘플링된 다음 모든 열은 수직으로 리샘플링됩니다. 커널 가중치는 출력 픽셀당 계산되고 정규화되어 항상 합이 1이 됩니다.

비교를 위해 이 도구는 브라우저 자체의 기본 drawImage 크기 조정(imageSmoothingEnabled = true, 기본 품질)을 사용하여 동일한 확대를 렌더링합니다. 이는 모든 캔버스 기반 도구가 더 나은 기능을 구현하지 않는 경우 대체되는 빠른 이중선형 계열 방법입니다. 선택한 Lanczos 또는 쌍입방 결과 옆에 배치하면 실제 리샘플링의 값이 표시됩니다. 즉, 동일한 소스 픽셀에서 동일한 대상 해상도에서 가장자리가 더 선명해지고 흐려짐이 줄어듭니다.

이 도구가 수행하지 않는 작업은 캡처된 적이 없는 세부 정보를 만들어내는 것입니다. 흐릿한 머리카락 조각이나 멀리 있는 자동차 번호판이 어떻게 "보여야 하는지" 추측하는 신경망은 없습니다. 모든 출력 픽셀은 수학적으로 정의된 실제 소스 픽셀의 가중치 조합입니다. 2x, 3x 또는 4x를 선택하고 Lanczos 또는 bicubic을 선택한 다음 결과를 전체 해상도의 PNG로 다운로드하십시오. 모든 것이 브라우저의 자체 Canvas 2D 및 ImageData API를 통해 로컬로 실행되므로 이미지는 어디에도 업로드되지 않습니다.