使用先进的Lanczos插值技术增强和放大图像。
在放大时提高图像质量，减少伪影。
点击选择
放大图像意味着凭空造出从未被拍下的像素，而怎么猜这些像素决定了一切差别。浏览器默认的放大把每个新像素从紧邻的邻居里混合出来，结果就是人人都认得出的那种「被放大过」的绵软黏腻。
这个工具提供了一组逐级精细的插值算法，其中最高一档是边缘导向方法：它检测源图中边缘的方向，沿着方向而不是横穿方向采样，这正是斜线仍然像线而不是像楼梯的原因。之后还可以施加 USM 锐化，找回任何放大都会损失的那份利落。缩放倍率从 1.5 倍到 4 倍。
包括较重的算法在内，所有处理都在浏览器内运行。没有上传，因此处理时间取决于你的机器而不是排队。
| 算法 | 方式 | 速度 |
|---|---|---|
| AI-Level / Ultra / Edge-Directed | 带抗锯齿和降噪的边缘导向插值 | 最慢 |
| Lanczos | 作用于较宽像素邻域的加窗 sinc 滤波 | 较慢 |
| Bicubic | 4×4 邻域上的三次插值 | 较快 |
| Bilinear | 最近四个像素的线性混合 | 最快 |
有一点需要坦白：上面三个选项共用同一套边缘导向实现，而且没有一个是神经网络。「AI-Level」指的是预期的质量档位，不是生成模型。它不会臆造细节，也不会造出源图中不存在的东西。你得到的是经典插值能给出的最佳推测——用在线稿、标志和截图上确实出色，用在模糊照片上则仍然是一张更大的模糊照片。
| 原图 | 2 倍下的结果 |
|---|---|
| 标志与线稿 | 出色，边缘保持干净 |
| 界面截图 | 良好，文字仍可辨认 |
| 清晰、光线良好的照片 | 良好，明显优于默认缩放 |
| 从网上保存的小 JPEG | 较差，压缩块也被一起放大 |
| 失焦或抖动的照片 | 较差，模糊无法还原 |
不是。尽管最高质量预设叫那个名字，这里的算法全都是经典插值——精巧的、感知边缘的插值，但终究是插值。它不会造出源图中没有的细节。
重要的图像请用最高质量设置，差别最明显的正是边缘。批量处理太慢时可以降到 Bicubic；Bilinear 只在唯一目标是速度时使用。
多数内容 2 倍是可靠的。3 倍和 4 倍对标志和线稿仍然好用，但在照片上会露出极限，多半只是把同样的绵软放得更大。
放大会把一切都放大，包括 JPEG 压缩块、传感器噪点和对焦误差。从网站上保存的小图三样都有。比起这里的任何设置，从你能找到的最好原图开始更重要。
它施加 USM 锐化提升边缘处的局部对比，找回放大损失的一部分利落。多数图像适合「轻度」，「强」可能在高对比边缘上产生可见的白边。
不会。所有处理都在浏览器内进行，这也是大图高倍率会耗时的原因——工作是你自己的机器在做。
