0

Phóng to ảnh

Phóng to ảnh gấp 2, 3 hoặc 4 lần bằng tái lấy mẫu Lanczos hoặc bicubic thực sự, hiển thị trung thực cạnh nhau cùng phép co giãn bilinear mặc định của trình duyệt — tái lấy mẫu cổ điển, không phải AI.

🔒 Được xử lý hoàn toàn trong trình duyệt của bạn — không có nội dung nào bạn nhập ở đây được tải lên.

🔎

Kéo & Thả Hình Ảnh Tại Đây

Hỗ trợ PNG, JPG, WebP

Tuyên bố trung thực: đây là tái lấy mẫu cổ điển, không phải AI. Nó phóng to ảnh của bạn bằng toán học thực sự — không có chi tiết mới nào được tạo ra, và kết cấu tinh tế vốn không có trong ảnh gốc sẽ không tự nhiên xuất hiện ở đây.

Đang xử lý... 0%
Đang tải ảnh
Đang tính kernel tích chập
Đang tái lấy mẫu hàng và cột
Xong

Kết quả

Preview Output

Rất nhiều trang web hứa hẹn "phóng to AI" khiến một bức ảnh nhỏ trông như được chụp bằng thiết bị chuyên nghiệp. Công cụ này làm điều gì đó trung thực hơn: nó phóng to ảnh của bạn bằng các thuật toán tái lấy mẫu thực sự, đã có từ nhiều thập kỷ và được hiểu rõ về mặt toán học — cùng dòng thuật toán từng được dùng trong phần mềm chỉnh sửa ảnh chuyên nghiệp từ lâu trước khi ai đó gọi bất cứ thứ gì là "AI" — và cho bạn thấy chính xác kết quả đó so với phép co giãn mà trình duyệt của bạn vốn làm miễn phí.

Hai thuật toán khác nhau thực sự được triển khai, không phải một thuật toán gắn hai nhãn. Tái lấy mẫu Lanczos dùng kernel windowed sinc — sinc(x) nhân với sinc(x/a) trong bán kính hỗ trợ a=3 — hoạt động như một bộ lọc thông thấp gần lý tưởng và thường tạo ra các cạnh sắc nét, tương phản cao nhất trong hai thuật toán. Tái lấy mẫu bicubic dùng kernel tích chập bậc ba Keys (1981) cổ điển với a=-0.5 (tương đương spline Catmull-Rom), một đa thức bậc ba từng khúc với bán kính hỗ trợ bằng 2, cho kết quả mượt mà, mềm mại hơn với ít hiện tượng chuông gần các cạnh cứng. Cả hai đều được áp dụng như các phép tích chập tách riêng thực sự: mỗi hàng được tái lấy mẫu theo chiều ngang trước, sau đó mỗi cột được tái lấy mẫu theo chiều dọc, với trọng số kernel được tính cho từng pixel đầu ra và được chuẩn hóa để tổng luôn bằng 1.

Để so sánh, công cụ cũng hiển thị cùng một mức phóng to bằng phép co giãn drawImage mặc định của trình duyệt (imageSmoothingEnabled = true, chất lượng mặc định) — phương pháp nhanh thuộc họ bilinear mà mọi công cụ dựa trên canvas đều dùng nếu không triển khai gì tốt hơn. Đặt nó bên cạnh kết quả Lanczos hoặc bicubic bạn chọn sẽ làm rõ giá trị của tái lấy mẫu thực sự: cạnh sắc nét hơn và ít nhòe hơn ở cùng độ phân giải đích, từ cùng các pixel nguồn.

Điều công cụ này sẽ không làm là tạo ra chi tiết chưa từng được ghi nhận. Không có mạng nơ-ron nào đoán xem một mảng tóc mờ hay biển số xe ở xa "nên" trông ra sao — mọi pixel đầu ra là tổ hợp có trọng số được định nghĩa toán học từ các pixel nguồn thực. Chọn 2x, 3x hoặc 4x, chọn Lanczos hoặc bicubic, và tải kết quả dưới dạng PNG ở độ phân giải đầy đủ. Mọi thứ chạy cục bộ với API Canvas 2D và ImageData của trình duyệt — ảnh của bạn không bao giờ được tải lên đâu cả.