Problém zvětšování obrázků

Máte fotografii o rozměrech 500×500 pixelů. Potřebujete ji 2000×2000 — pro tisk, displej Retina, banner. Fotografie má 250 000 pixelů. Potřebujete 4 miliony. Chybějících 3,75 milionu pixelů musí někde vzniknout.

Toto je problém zvětšování obrázků. Nelze vytvořit informaci, která nebyla zachycena — ale lze ji odhadnout. Kvalita tohoto odhadu určuje, zda bude zvětšený obrázek vypadat ostrý nebo jako rozmazaný chaos.

Proč selhává jednoduché zvětšování

Nejjednodušší přístup: duplikace každého pixelu. Obrázek 500×500 se změní na 1000×1000 tak, že každý pixel se stane blokem 2×2. Výsledkem je pixelovaný — kostkovaný obraz s viditelnými čtverci. Toto je „nejbližší soused“ (nearest-neighbor) interpolace a je to, co dělal každý prohlížeč obrázků v roce 1995.

Další krok vpřed: bilineární interpolace. Pro každý nový pixel se vypočítá průměr ze 4 nejbližších zdrojových pixelů. Výsledek je plynulý, ale rozmazaný — hrany ztratí svou definici, text se stane měkkým a jemné detaily zmizí. Bicubic interpolace (průměr z 16 zdrojových pixelů s váhovou funkcí kubického polynomu) je o něco lepší, ale stále produkuje viditelné svatozáře kolem hran.

Základní problém: tyto metody neví, co na obrázku je. Zacházejí se všemi pixely stejně — pixel uprostřed modré oblohy dostane stejný přístup jako pixel na hraně ostrého textového písma. Výsledkem je jednotně průměrný výsledek.

Lanczos: standard kvality

Lanczos resampling používá sinc-funkci s oknem — matematickou funkci, která teoreticky dokáže dokonale rekonstruovat původní spojitý signál z jeho vzorků. V praxi produkuje ostřejší výsledky než bicubic, protože lépe zachovává detaily vysokých frekvencí (hrany, text, jemné textury).

Nevýhodou je výpočetní náročnost. Lanczos s velikostí jádra 3 (standardní) vyžaduje 36 zdrojových pixelů na výstupní pixel (okno 6×6), oproti bicubicovým 16. Pro 4× zvětšení obrázku 1000×1000 to znamená 144 milionů vyhledání pixelů. Na moderním CPU to trvá 2–5 sekund — přijatelné pro jednorázové operace, pomalé pro reálný čas.

Lanczos je standardem pro kvalitní zvětšování. Každý profesionální nástroj — Photoshop, GIMP, ImageMagick — ho nabízí. Nástroje založené v prohlížeči, které používají Lanczos, produkují výsledky téměř nerozeznatelné od softwaru pro stolní počítače.

AI zvětšování: slib

AI zvětšovací nástroje (real-ESRGAN, SwinIR, Topaz Gigapixel) používají jiný přístup. Místo matematické vzorce používají neuronovou síť, trénovanou na milionech párů obrázků: nízkorozlišení a vysokorozlišení verze stejné fotografie. Síť se učí „halucinovat“ chybějící detaily — přidávat texturu, zaostřovat hrany a dokonce rekonstruovat text.

U určitých typů obrázků jsou výsledky ohromující. Fotografie 500×500 tváře, zvětšená 4× dobrým AI modelem, může vypadat, jako by byla původně pořízena v rozlišení 2000×2000. Model „ví“, jak tváře vypadají, a doplní póry, vlasy a texturu kůže, které nízkorozlišovací zdroj nezachytil.

Ale je tu háček: AI halucinuje. Přidává detaily, které v originálu nebyly — a někdy jsou tyto detaily chybné. Rozmazaná SPZ, zvětšená AI, může ukazovat věrohodně vypadající, ale nesprávné číslice. Nízkorozlišková fotografie budovy, po zvětšení, může získat okna a cihly, které neexistují. Toto je „předpojatost modelu“ — AI produkuje to, co si myslí, že tam být mělo, ne to, co tam je.

Kdy použít co

Použijte Lanczos, když:

  • Potřebujete přesné, věrné zvětšování (bez halucinovaných detailů).
  • Obrázek obsahuje jemné detaily, které musí být zachovány přesně (text, diagramy, pixel art).
  • Potřebujete předvídatelné, reprodukovatelné výsledky.
  • Pracujete v prohlížeči (není nutné stahovat model).

Použijte AI zvětšování, když:

  • Obrázek je fotografie běžného předmětu (tváře, krajiny, budovy).
  • Chcete, aby obrázek „vypadal dobře“, i když detaily jsou vymyšlené.
  • Můžete tolerovat stahování modelu o velikosti 10–50 MB.
  • Jste ochotni přijmout, že zvětšené detaily nemusí být přesné.

Pro většinu použití — webová grafika, staré fotografie, příspěvky na sociálních sítích — je Lanczos dostatečný a rychlejší. Pro profesionální restaurování fotografií nebo tisk ve velkých formátech se AI zvětšování vyplatí navíc.

Trik s ostřením

Jakékoli zvětšování benefituje následným průchodem ostřením. Důvod: zvětšování rozprostře původní detaily na více pixelů, což vizuálně zjemní obrázek. Lehká ostrá maska — která detekuje hrany a zvyšuje místní kontrast — obnoví vnímanou ostranost bez přidávání nových informací.

Míra ostření je důležitá. Příliš málo a zvětšený obrázek vypadá měkce. Příliš mnoho a dostanete svatozáře — světlé nebo tmavé obrysy kolem hran, které vypadají nepřirozeně. Typické nastavení: intenzita 0,5, poloměr 0,7 px, práh 2. Tím se zesílí hrany bez zavedení artefaktů.

Zvětšování pro tisk

Tisk vyžaduje 300 DPI (bodů na palec). Fotografie pro tisk 4×6 palců potřebuje 1200×1800 pixelů. Webová fotografie v rozlišení 800×600 potřebuje být zvětšena 1,5× vodorovně a 3× svisle, aby splňovala tento požadavek.

Pro tisk je obvykle lepší Lanczos s ostřením než AI. Tisk ukáže každý pixel — AI-halucinovaná textura, která vypadá dobře na obrazovce, může na papíře vypadat „divně“, zejména u tváří a rukou, kde diváci mají silná očekávání.

Soukromí

Zvětšování může probíhat výhradně v prohlížeči. Lanczosův algoritmus je čistě matematický — žádná data neopouštějí zařízení. AI modely mohou běžet také v prohlížeči přes ONNX Runtime Web nebo TensorFlow.js, i když stahování modelu (10–50 MB) je jednorázová záležitost. V obou případech není obrázek nahrán na žádný server.

Budoucnost

AI zvětšování se rychle zlepšuje. Zvětšování založené na difuzních modelech (stejná technologie jako Stable Diffusion) dokáže nyní produkovat 8× zvětšení, která jsou vizuálně nerozeznatelná od nativních fotografií v vysokém rozlišení — pro správné typy obrázků. Nevýhodou je rychlost: difuzní zvětšení trvá 10–30 sekund na GPU, minuty na CPU.

Prozatím je praktická volba pro většinu uživatelů Lanczos + ostření. Je rychlé, zdarma, běží v jakémkoliv prohlížeči a produkuje kvalitu, která je „dost dobrá“ pro 90 % případů použití. AI zvětšování je správná volba, když na kvalitě záleží víc než na rychlosti, a když typ obrázku je takový, na jakém byl AI model trénován.