Het opschalingsprobleem
Je hebt een 500×500-foto. Je hebt hem nodig op 2000×2000 — voor een afdruk, een retina-display, een banner. De foto heeft 250.000 pixels. Je hebt er 4 miljoen nodig. De ontbrekende 3,75 miljoen pixels moeten ergens vandaan komen.
Dit is het opschalingsprobleem. Je kunt geen informatie creëren die niet is vastgelegd — maar je kunt haar schatten. De kwaliteit van de schatting bepaalt of de opgeschaalde afbeelding er kraakhelder uitziet of als een wazige brij.
Waarom naïef opschalen faalt
De eenvoudigste aanpak: dupliceer elke pixel. Een 500×500-afbeelding wordt 1000×1000 door elke pixel in een 2×2-blok te veranderen. Het resultaat is pixelig — blokkerig, met zichtbare vierkantjes. Dit is "nearest-neighbor"-interpolatie, en dat is wat elke afbeeldingsviewer in 1995 deed.
De volgende stap: bilineaire interpolatie. Voor elke nieuwe pixel worden de 4 dichtstbijzijnde bronpixels gemiddeld. Het resultaat is glad, maar wazig — randen verliezen hun definitie, tekst wordt zacht en fijne details verdwijnen. Bicubische interpolatie (16 bronpixels middelen met een cubische weging) is iets beter, maar produceert nog steeds zichtbare halos rond randen.
Het fundamentele probleem: deze methoden weten niet wat de afbeelding is. Ze behandelen elke pixel hetzelfde — een pixel in het midden van een blauwe lucht krijgt dezelfde behandeling als een pixel op de rand van een scherpe tekststreep. Het resultaat is uniform middelmatig.
Lanczos: de kwaliteitsbasislijn
Lanczos-resampling gebruikt een sinc-ge-windowde kernel — een wiskundige functie die, in theorie, het oorspronkelijke continue signaal perfect reconstrueert uit zijn monsters. In de praktijk produceert het scherpere resultaten dan bicubisch omdat het hoogfrequente detail (randen, tekst, fijne texturen) beter behoudt.
De afweging is rekenkracht. Lanczos met een kernelgrootte van 3 (de standaard) vereist 36 bronpixels per uitvoerpixel (6×6-venster), vergeleken met 16 voor bicubisch. Voor een 4×-opschaling van een 1000×1000-afbeelding is dat 144 miljoen pixel-lookups. Op een moderne CPU duurt dit 2-5 seconden — acceptabel voor eenmalig, traag voor realtime.
Lanczos is de basislijn voor kwaliteitsopschaling. Elke professionele tool — Photoshop, GIMP, ImageMagick — biedt het. Browsergebaseerde tools die Lanczos gebruiken produceren resultaten die vrijwel niet te onderscheiden zijn van desktopsoftware.
AI-opschaling: de belofte
AI-opscalers (real-ESRGAN, SwinIR, Topaz Gigapixel) kiezen een andere benadering. In plaats van een wiskundige formule gebruiken ze een neuraal netwerk dat is getraind op miljoenen afbeeldingsparen: lage-resolutie- en hoge-resolutieversies van dezelfde foto. Het netwerk leert de ontbrekende details te "hallucineren" — textuur toevoegen, randen verscherpen en zelfs tekst reconstrueren.
Voor bepaalde afbeeldingstypes zijn de resultaten verbluffend. Een 500×500-foto van een gezicht, 4× opgeschaald door een goed AI-model, kan eruitzien alsof hij oorspronkelijk op 2000×2000 was geschoten. Het model "weet" hoe gezichten eruitzien en vult de poriën, haren en huidtextuur in die de lage-resolutiebron niet vastlegde.
Maar er is een addertje: de AI hallucineert. Hij voegt details toe die niet in het origineel zaten — en soms zijn die details fout. Een wazig nummerbord, opgeschaald door AI, kan een plausibel uitziend maar onjuist nummer tonen. Een lage-res-foto van een gebouw, opgeschaald, kan ramen en bakstenen krijgen die niet bestaan. Dit is "modelbias" — de AI produceert wat hij denkt dat er zou moeten zijn, niet wat er werkelijk is.
Wanneer gebruik je wat
Gebruik Lanczos wanneer:
- Je nauwkeurige, trouwe opschaling nodig hebt (geen gehallucineerde details).
- De afbeelding fijne details heeft die exact bewaard moeten blijven (tekst, diagrammen, pixel art).
- Je voorspelbare, reproduceerbare resultaten nodig hebt.
- Je in een browser werkt (geen modeldownload nodig).
Gebruik AI-opschaling wanneer:
- De afbeelding een foto is van een veelvoorkomend onderwerp (gezichten, landschappen, gebouwen).
- Je wilt dat de afbeelding er "goed uitziet", zelfs als de details zijn verzonnen.
- Je een modeldownload van 10-50 MB kunt accepteren.
- Je accepteert dat de opgeschaalde details mogelijk niet accuraat zijn.
Voor de meeste toepassingen — webgraphics, oude foto's, social-media-berichten — is Lanczos voldoende en sneller. Voor professionele fotorestatutie of afdrukken op grote formaten is AI-opschaling de extra tijd waard.
De verscherpingstruc
Elke opschalingsmethode profiteert van een verscherpingspas achteraf. De reden: opschaling spreidt het originele detail over meer pixels, wat de afbeelding visueel verzacht. Een lichte unsharp mask — die randen detecteert en lokaal contrast versterkt — herstelt de waargenomen scherpte zonder nieuwe informatie toe te voegen.
De hoeveelheid verscherping is belangrijk. Te weinig en de opgeschaalde afbeelding ziet er zacht uit. Te veel en je krijgt halos — heldere of donkere contouren rond randen die onnatuurlijk lijken. Een typische instelling: amount 0.5, radius 0.7px, threshold 2. Dit versterkt randen zonder artefacten te introduceren.
Opschalen voor afdruk
Afdruk vereist 300 DPI (dots per inch). Een foto voor een 4×6-inch-afdruk heeft 1200×1800 pixels nodig. Een web-resolutie-foto (800×600) moet 1,5× horizontaal en 3× verticaal worden opgeschaald om aan deze eis te voldoen.
Voor afdruk is Lanczos met verscherping meestal beter dan AI. Afdruk toont elke pixel — door AI gehallucineerde textuur die op het scherm prima lijkt, kan op papier "verkeerd" ogen, vooral bij gezichten en handen waar kijkers sterke verwachtingen hebben.
Privacy
Opschaling kan volledig in de browser draaien. Het Lanczos-algoritme is pure wiskunde — geen gegevens verlaten het apparaat. AI-modellen kunnen ook in-browser draaien via ONNX Runtime Web of TensorFlow.js, hoewel de modeldownload (10-50 MB) een eenmalige kost is. Hoe dan ook, er wordt geen afbeelding naar een server geüpload.
De toekomst
AI-opschaling verbetert snel. Op diffusie gebaseerde opscalers (dezelfde technologie achter Stable Diffusion) kunnen nu 8×-vergrotingen produceren die visueel niet te onderscheiden zijn van native hoge-resolutie-foto's — voor de juiste afbeeldingstypes. De afweging is snelheid: een diffusie-opschaling duurt 10-30 seconden op een GPU, minuten op een CPU.
Voor nu is de praktische keuze voor de meeste gebruikers Lanczos + verscherp. Het is snel, gratis, draait in elke browser en levert kwaliteit die "goed genoeg" is voor 90% van de toepassingen. AI-opschaling is de juiste keuze wanneer kwaliteit belangrijker is dan snelheid, en wanneer het afbeeldingstype er een is waarop het AI-model is getraind.