0

ตัวเพิ่มสเกลรูปภาพ

ขยายรูปภาพ 2x, 3x หรือ 4x โดยใช้ Lanczos จริงหรือการสุ่มตัวอย่างแบบบิดงอแบบ bicubic ซึ่งแสดงเคียงข้างกันโดยแท้จริง เทียบกับการปรับขนาดบิลิเนียร์เริ่มต้นของเบราว์เซอร์ — การสุ่มตัวอย่างแบบคลาสสิก ไม่ใช่ AI

🔎

ลากและวางรูปภาพที่นี่

รองรับ PNG, JPG, WebP

ข้อจำกัดความรับผิดชอบโดยสุจริต: นี่คือการสุ่มตัวอย่างแบบคลาสสิก ไม่ใช่ AI โดยจะขยายภาพของคุณโดยใช้คณิตศาสตร์จริง ไม่มีการคิดค้นรายละเอียดใหม่ๆ และพื้นผิวที่ละเอียดที่ไม่ได้อยู่ในต้นฉบับจะไม่ปรากฏอย่างน่าอัศจรรย์ที่นี่

Buy Me a Coffee at ko-fi.com
กำลังประมวลผล... 0%
กำลังโหลดรูปภาพ
การคำนวณเคอร์เนลการบิด
การสุ่มตัวอย่างแถวและคอลัมน์ใหม่
เสร็จแล้ว

ผลลัพธ์

Preview Output

เว็บไซต์หลายแห่งสัญญาว่าจะ "ลดขนาด AI" ซึ่งจะทำให้ภาพขนาดเล็กดูเหมือนถ่ายด้วยอุปกรณ์ระดับมืออาชีพ เครื่องมือนี้ทำสิ่งที่ตรงไปตรงมามากกว่า: ขยายภาพของคุณโดยใช้อัลกอริธึมการสุ่มตัวอย่างจริงที่มีอายุหลายสิบปีและเป็นที่เข้าใจกันดีทางคณิตศาสตร์ ซึ่งเป็นตระกูลเดียวกับที่ใช้ในซอฟต์แวร์แก้ไขภาพระดับมืออาชีพก่อนที่จะมีใครเรียกอะไรว่า "AI" และแสดงให้คุณเห็นว่าสิ่งนี้เป็นอย่างไรเมื่อเปรียบเทียบกับการปรับขนาดที่เบราว์เซอร์ของคุณทำฟรีอยู่แล้ว

มีการนำอัลกอริธึมที่แตกต่างกันอย่างแท้จริงสองตัวมาใช้ ไม่ใช่อัลกอริธึมเดียวที่มีสองป้ายกำกับ การสุ่มตัวอย่างใหม่ของ Lanczos ใช้เคอร์เนล sinc แบบหน้าต่าง — sinc(x) คูณด้วย sinc(x/a) ภายในรัศมีรองรับ a=3 ซึ่งทำหน้าที่เป็นตัวกรองความถี่ต่ำผ่านที่ใกล้เคียงอุดมคติ และมีแนวโน้มที่จะสร้างขอบที่คมชัดและคอนทราสต์สูงสุดของทั้งสอง การสุ่มตัวอย่างด้วย Bicubic ใหม่ใช้เคอร์เนลการบิดลูกบาศก์แบบคลาสสิกของ Keys (1981) ที่มี a=-0.5 (เทียบเท่ากับ Catmull-Rom spline) ซึ่งเป็นพหุนามลูกบาศก์แบบแยกชิ้นซึ่งมีรัศมีรองรับ 2 ที่ให้ผลลัพธ์ที่นุ่มนวลกว่า นุ่มนวลกว่า โดยมีเสียงกริ่งน้อยลงเมื่ออยู่ใกล้ขอบแข็ง ทั้งสองถูกใช้เป็นการโน้มน้าวใจแบบแยกส่วนได้อย่างแท้จริง: ทุกแถวจะถูกสุ่มใหม่ในแนวนอนก่อน จากนั้นทุกคอลัมน์จะถูกสุ่มใหม่ในแนวตั้ง โดยน้ำหนักเคอร์เนลจะคำนวณต่อพิกเซลเอาต์พุตและปรับให้เป็นมาตรฐานเพื่อให้ผลรวมเป็น 1 เสมอ

สำหรับการเปรียบเทียบ เครื่องมือยังเรนเดอร์การขยายขนาดเดียวกันโดยใช้การปรับขนาด DrawImage เริ่มต้นของเบราว์เซอร์เอง (imageSmoothingEnabled = true คุณภาพเริ่มต้น) ซึ่งเป็นวิธีแบบ Bilinear-family ที่รวดเร็ว ซึ่งเครื่องมือที่ใช้ Canvas ทุกตัวจะกลับไปใช้หากไม่ได้ดำเนินการอะไรดีขึ้น การวางไว้ข้างผลลัพธ์ Lanczos หรือ Bicubic ที่คุณเลือกจะทำให้มองเห็นค่าของการสุ่มตัวอย่างจริงได้ ขอบที่คมชัดขึ้นและความเบลอน้อยลงที่ความละเอียดเป้าหมายเดียวกันจากพิกเซลต้นทางเดียวกัน

สิ่งที่เครื่องมือนี้จะทำไม่ได้คือการประดิษฐ์รายละเอียดที่ไม่เคยบันทึกไว้ ไม่มีโครงข่ายประสาทเทียมที่คาดเดาได้ว่าเส้นผมที่พร่ามัวหรือป้ายทะเบียนที่อยู่ห่างไกล "ควร" มีลักษณะอย่างไร - ทุกพิกเซลเอาต์พุตเป็นชุดค่าผสมพิกเซลต้นทางตามที่กำหนดทางคณิตศาสตร์ เลือก 2x, 3x หรือ 4x เลือก Lanczos หรือ bicubic แล้วดาวน์โหลดผลลัพธ์เป็น PNG ที่ความละเอียดสูงสุด ทุกอย่างทำงานภายในเครื่องด้วย Canvas 2D และ ImageData API ของเบราว์เซอร์ — รูปภาพของคุณจะไม่ถูกอัพโหลดทุกที่