Bilduppskalerare
Förstora en bild 2×, 3× eller 4× med äkta Lanczos- eller bikubisk faltningsomsampling, ärligt visad sida vid sida mot webbläsarens standard-bilinjära skalning – klassisk omsampling, inte AI.
🔒 Bearbetas helt i din webbläsare – ingenting du anger här laddas någonsin upp.
Resultat
Många sajter utlovar ”AI-uppskalning” som får ett litet foto att se ut som om det tagits med proffsutrustning. Det här verktyget gör något ärligare: det förstorar din bild med äkta, årtionden gamla och matematiskt välförstådda omsamplingsalgoritmer – samma familj som används i professionell bildredigeringsprogramvara långt innan någon kallade något för ”AI” – och visar dig exakt hur det står sig mot den skalning din webbläsare redan gör gratis.
Två genuint olika algoritmer är implementerade, inte en algoritm med två etiketter. Lanczos-omsamplingen använder en windowed sinc-kärna – sinc(x) multiplicerad med sinc(x/a) inom en stödradie på a=3 – vilket fungerar som ett nästan idealiskt lågpassfilter och tenderar att ge de skarpaste kanterna med högst kontrast av de två. Bikubisk omsampling använder den klassiska Keys (1981) kubiska faltningskärnan med a=-0,5 (motsvarar en Catmull-Rom-spline), ett styckvis kubiskt polynom med stödradien 2 som ger mjukare resultat med mindre ringing nära hårda kanter. Båda tillämpas som äkta separabla faltningar: varje rad samplas först om horisontellt, sedan samplas varje kolumn om vertikalt, med kärnvikter som beräknas per utpixel och normaliseras så att de alltid summerar till 1.
Som jämförelse renderar verktyget också samma förstoring med webbläsarens egen drawImage-skalning som standard (imageSmoothingEnabled = true, standardkvalitet) – den snabba bilinjär-familjsmetod som varje canvas-baserat verktyg faller tillbaka på om det inte implementerar något bättre. När den placeras bredvid ditt valda Lanczos- eller bikubiska resultat blir värdet av riktig omsampling synligt: skarpare kanter och mindre oskärpa vid samma målupplösning, från samma källpixlar.
Vad det här verktyget inte gör är att hitta på detaljer som aldrig fångats. Det finns inget neuronnät som gissar hur en suddig hårslinga eller en avlägsen registreringsskylt ”borde” se ut – varje utpixel är en matematiskt definierad viktad kombination av verkliga källpixlar. Välj 2×, 3× eller 4×, välj Lanczos eller bikubisk och ladda ner resultatet som en PNG i full upplösning. Allt körs lokalt med webbläsarens egna Canvas 2D- och ImageData-API:er – din bild laddas aldrig upp någonstans.