مشكلة التكبير
لديك صورة 500×500. تحتاجها عند 2000×2000 — للطباعة، لشاشة الريتينا، للافتة. الصورة بها 250,000 بكسل. تحتاج 4 ملايين. البكسلات الـ 3.75 مليون المفقودة يجب أن تأتي من مكان ما.
هذه مشكلة التكبير. لا يمكنك خلق معلومات لم تُلتقط — لكن يمكنك تقديرها. جودة التقدير تحدد ما إذا كانت الصورة المكبّرة تبدو حادة أم فوضى ضبابية.
لماذا يفشل التكبير البسيط
النهج الأبسط: مضاعفة كل بكسل. تصبح صورة 500×500 صورة 1000×1000 بتحويل كل بكسل إلى كتلة 2×2. النتيجة متكسّرة — كتلية، بمربعات مرئية. هذا هو الاستيفاء "الأقرب جارًا"، وهو ما كان كل عارض صور يفعله في 1995.
الخطوة التالية: الاستيفاء الثنائي. لكل بكسل جديد، متوسط 4 بكسلات مصدر أقرب. النتيجة ناعمة لكن ضبابية — تفقد الحواف تعريفها، يصبح النص ناعمًا، وتختفي التفاصيل الدقيقة. الاستيفاء البيكيوبك (متوسط 16 بكسل مصدر بترجيح تكعيبي) أفضل قليلًا، لكنه لا يزال ينتج هالات مرئية حول الحواف.
المشكلة الأساسية: هذه الطرق لا تعرف ما هي الصورة. تعامل كل بكسل بنفس الطريقة — بكسل في وسط سماء زرقاء يحصل على نفس المعاملة كبكسل على حافة ضربة نص حادة. النتيجة متوسطة بشكل موحّد.
Lanczos: خط الأساس للجودة
يستخدم إعادة أخذ عينات Lanczos نواة بنافذة sinc — دالة رياضية تعيد بناء الإشارة المستمرة الأصلية من عيناتها بشكل مثالي نظريًا. عمليًا، تنتج نتائج أكثر حدة من البيكيوبك لأنها تحافظ على التفاصيل عالية التردد (الحواف، النص، الأنسجة الدقيقة) بشكل أفضل.
المفاضلة هي الحساب. Lanczos بحجم نواة 3 (المعيار) يتطلب 36 بكسل مصدر لكل بكسل إخراج (نافذة 6×6)، مقارنة بـ 16 للبيكيوبك. لتكبير صورة 1000×1000 بـ 4×، هذا يعني 144 مليون بحث عن بكسل. على معالج حديث، يستغرق هذا 2-5 ثوانٍ — مقبول لمرة واحدة، بطيء للوقت الفعلي.
Lanczos هو خط الأساس للتكبير عالي الجودة. كل أداة احترافية — Photoshop، GIMP، ImageMagick — تقدمه. الأدوات القائمة على المتصفح التي تستخدم Lanczos تنتج نتائج يصعب تمييزها تقريبًا عن برامج سطح المكتب.
تكبير الذكاء الاصطناعي: الوعد
يأخذ مكبّر الذكاء الاصطناعي (real-ESRGAN، SwinIR، Topaz Gigapixel) نهجًا مختلفًا. بدلًا من صيغة رياضية، يستخدمون شبكة عصبية مدربة على ملايين أزواج الصور: نسخ منخفضة وعالية الدقة من نفس الصورة. تتعلم الشبكة "هلوسة" التفاصيل المفقودة — إضافة أنسجة، زيادة حدة الحواف، حتى إعادة بناء النص.
لأنواع صور معينة، النتائج مذهلة. صورة وجه 500×500، مُكبّرة 4× بنموذج ذكاء اصطناعي جيد، يمكن أن تبدو وكأنها صُوّرت أصلًا عند 2000×2000. النموذج "يعرف" كيف تبدو الوجوه، ويملأ المسام والشعر وملمس الجلد الذي لم يلتقطه المصدر منخفض الدقة.
لكن هناك فخًا: الذكاء الاصطناعي يهلوس. يضيف تفاصيل لم تكن في الأصل — وأحيانًا تكون هذه التفاصيل خاطئة. لوحة ترخيص ضبابية، مُكبّرة بالذكاء الاصطناعي، قد تُظهر رقمًا معقولًا لكن غير صحيح. صورة منخفضة الدقة لمبنى، مُكبّرة، قد تكتسب نوافذ وطوبًا غير موجود. هذا "تحيز النموذج" — الذكاء الاصطناعي ينتج ما يعتقد أنه يجب أن يكون هناك، لا ما هو موجود فعلًا.
متى تستخدم أيهما
استخدم Lanczos عندما:
- تحتاج تكبيرًا دقيقًا وأمينًا (لا تفاصيل مُهلوسة).
- الصورة بها تفاصيل دقيقة يجب الحفاظ عليها بالضبط (نص، رسوم بيانية، فن البكسل).
- تحتاج نتائج متوقعة وقابلة للتكرار.
- تعمل في متصفح (لا حاجة لتنزيل نموذج).
استخدم تكبير الذكاء الاصطناعي عندما:
- الصورة هي صورة لعنصر شائع (وجوه، مناظر طبيعية، مباني).
- تريد أن "تبدو الصورة جيدة" حتى لو اخترعت التفاصيل.
- يمكنك تحمّل تنزيل نموذج 10-50 ميغابايت.
- مستعد لقبول أن التفاصيل المكبّرة قد لا تكون دقيقة.
لمعظم حالات الاستخدام — الرسومات للويب، الصور القديمة، منشورات وسائل التواصل الاجتماعي — يكفي Lanczos وهو أسرع. لاستعادة الصور الاحترافية أو الطباعة بأحجام كبيرة، يستحق تكبير الذكاء الاصطناعي الوقت الإضافي.
حيلة الزيادة في الحدة
أي طريقة تكبير تستفيد من تمريرة زيادة الحدة بعدها. السبب: التكبير ينشر التفاصيل الأصلية عبر بكسلات أكثر، مما ينعّم الصورة بصريًا. قناع عدم الحدة الخفيف — الذي يكتشف الحواف ويعزز التباين المحلي — يستعيد الحدة المدركة دون إضافة معلومات جديدة.
مقدار الزيادة في الحدة مهم. القليل جدًا، وتبدو الصورة المكبّرة ناعمة. الكثير، وتحصل على هالات — خطوط فاتحة أو داكنة حول الحواف تبدو غير طبيعية. إعداد نموذجي: المقدار 0.5، نصف القطر 0.7 بكسل، العتبة 2. هذا يعزز الحواف دون إدخال تشوّهات.
التكبير للطباعة
تتطلب الطباعة 300 DPI (نقطة في البوصة). صورة لطباعة 4×6 بوصة تحتاج 1200×1800 بكسل. صورة بدقة ويب (800×600) تحتاج إلى تكبير 1.5× أفقيًا و3× رأسيًا لتلبية هذا المتطلب.
للطباعة، عادةً ما يكون Lanczos مع زيادة الحدة أفضل من الذكاء الاصطناعي. الطباعة تظهر كل بكسل — الأنسجة المُهلوسة بالذكاء الاصطناعي التي تبدو جيدة على الشاشة قد تبدو "خاطئة" على الورق، خاصة للوجوه والأيدي حيث لدى المشاهدين توقعات قوية.
الخصوصية
يمكن أن يعمل التكبير بالكامل في المتصفح. خوارزمية Lanczos هي رياضيات صافية — لا تخرج أي بيانات من الجهاز. يمكن أيضًا تشغيل نماذج الذكاء الاصطناعي في المتصفح عبر ONNX Runtime Web أو TensorFlow.js، رغم أن تنزيل النموذج (10-50 ميغابايت) تكلفة لمرة واحدة. في كلتا الحالتين، لا تُرفع أي صورة إلى خادم.
المستقبل
يتحسن تكبير الذكاء الاصطناعي بسرعة. تستطيع مكبّرات الانتشار (نفس التقنية وراء Stable Diffusion) الآن إنتاج تكبيرات 8× لا يمكن تمييزها بصريًا عن الصور عالية الدقة الأصلية — للنوع الصحيح من الصور. المفاضلة هي السرعة: تكبير الانتشار يستغرق 10-30 ثانية على GPU، دقائق على CPU.
حاليًا، الخيار العملي لمعظم المستخدمين هو Lanczos + زيادة الحدة. إنه سريع، مجاني، يعمل في أي متصفح، وينتج جودة "جيدة بما يكفي" لـ 90% من حالات الاستخدام. تكبير الذكاء الاصطناعي هو الخيار الصحيح عندما تكون الجودة أهم من السرعة، وعندما يكون نوع الصورة من النوع الذي دُرّب عليه نموذج الذكاء الاصطناعي.