이미지 업스케일러

많은 사이트가 작은 사진을 마치 전문 장비로 촬영한 것처럼 보여주는 'AI 업스케일링'을 약속합니다. 이 도구는 그보다 더 정직한 일을 합니다. 여러분의 이미지를 수십 년 전부터 잘 알려진, 수학적으로 명확한 진짜 리샘플링 알고리즘으로 확대합니다. 이 알고리즘은 누군가 'AI'라는 말을 꺼내기 훨씬 전부터 전문 이미지 편집 소프트웨어에 사용되던 계열의 것입니다. 그리고 그 결과가 브라우저에서 무료로 처리하는 확대와 어떻게 다른지 정확히 보여줍니다.

라벨만 다르고 같은 알고리즘 하나가 아니라, 실제로 다른 두 개의 알고리즘이 구현되어 있습니다. Lanczos 리샘플링은 윈도우 싱크 커널(sinc(x)에 sinc(x/a)를 곱하고, 지원 반경을 a=3으로 둔 것)을 사용합니다. 이는 이상적인 저역 통과 필터에 가깝게 작동하여 둘 중 더 날카롭고 대비가 높은 윤곽선을 만들어내는 경향이 있습니다. Bicubic 리샘플링은 a=-0.5로 둔 Keys(1981)의 고전적인 3차 컨볼루션 커널을 사용합니다(Catmull-Rom 스플라인과 동일). 이는 지원 반경이 2인 구분적 3차 다항식으로, 딱딱한 경계선 근처에서 링잉 현상이 적은 더 부드럽고 매끄러운 결과를 만듭니다. 두 알고리즘 모두 진짜 분리 가능한 컨볼루션으로 적용됩니다. 모든 행을 가로 방향으로 먼저 리샘플링한 후, 모든 열을 세로 방향으로 리샘플링하며, 커널 가중치는 각 출력 픽셀에 대해 계산되고 항상 합이 1이 되도록 정규화됩니다.

비교를 위해 이 도구는 동일한 확대 결과를 브라우저 자신의 기본 drawImage 확대 방식(imageSmoothingEnabled = true, 기본 품질)을 사용해서도 렌더링합니다. 이는 더 나은 방법을 따로 구현하지 않은 모든 캔버스 기반 도구가 사용하는 빠른 bilinear 계열 방식입니다. 이 결과와 선택한 Lanczos 또는 Bicubic 결과를 나란히 두면, 동일한 원본 픽셀로부터 동일한 목표 해상도에서 더 날카로운 윤곽선과 더 적은 흐릿함을 얻는 진짜 리샘플링의 가치를 눈으로 확인할 수 있습니다.

이 도구가 하지 않는 일은 처음부터 존재하지 않았던 세부 사항을 조작해내는 것입니다. 흐릿한 머리카락 한 줌이나 멀리 있는 번호판이 '어떻게 보여야 하는지'를 추측하는 신경망은 존재하지 않습니다. 모든 출력 픽셀은 수학적으로 정의된, 실제 원본 픽셀들의 가중치 조합일 뿐입니다. 2배, 3배, 4배율을 고르고 Lanczos 또는 Bicubic을 선택한 다음, 최대 해상도로 PNG 파일을 다운로드하세요. 모든 처리는 브라우저의 Canvas 2D 및 ImageData API 만을 사용하여 로컬에서 실행됩니다. 여러분의 이미지는 그 어디에도 업로드되지 않습니다.