Problem skalowania

Masz zdjęcie 500×500. Potrzebujesz go w rozdzielczości 2000×2000 — do druku, wyświetlacza retina, banera. Zdjęcie ma 250 000 pikseli. Potrzebujesz 4 milionów. Brakujące 3,75 miliona pikseli musi skądś pochodzić.

To jest problem skalowania. Nie da się stworzyć informacji, która nie została zarejestrowana — ale można ją oszacować. Jakość oszacowania decyduje o tym, czy powiększony obraz będzie ostry czy rozmazany.

Dlaczego naiwne skalowanie zawodzi

Najprostsze podejście: zduplikuj każdy piksel. Obraz 500×500 staje się 1000×1000 przez zamianę każdego piksela na blok 2×2. Wynik jest pikselozą — blokowy, z widocznymi kwadratami. To interpolacja „najbliższego sąsiada” i to robił każdy przeglądarka obrazów w 1995 roku.

Krok wyżej: interpolacja biliniowa. Dla każdego nowego piksela uśrednia 4 najbliższe piksele źródłowe. Wynik jest gładki, ale rozmazany — krawędzie tracą definicję, tekst robi się miękki, a drobne detale znikają. Interpolacja bikubiczna (uśrednianie 16 pikseli źródłowych z wagą sześcienną) jest nieco lepsza, ale nadal produkuje widoczne aureole wokół krawędzi.

Podstawowy problem: te metody nie wiedzą, czym jest obraz. Traktują każdy piksel tak samo — piksel na środku błękitnego nieba dostaje to samo traktowanie co piksel na krawędzi ostrej kreski tekstu. Wynik jest jednostajnie przeciętny.

Lanczos: punkt odniesienia jakości

Resampling Lanczos używa jądra z oknem sinc — funkcji matematycznej, która w teorii perfekcyjnie rekonstruuje oryginalny sygnał ciągły z jego próbek. W praktyce daje ostrzejsze rezultaty niż bikubiczna, ponieważ lepiej zachowuje wysokoczęstotliwościowy detal (krawędzie, tekst, drobne tekstury).

Kompromisem jest obciążenie obliczeniowe. Lanczos z jądrem rozmiaru 3 (standard) wymaga 36 pikseli źródłowych na piksel wyjściowy (okno 6×6), w porównaniu do 16 dla bikubicznej. Dla 4-krotnego powiększenia obrazu 1000×1000 to 144 miliony odczytów pikseli. Na współczesnym CPU trwa to 2-5 sekund — akceptowalnie dla jednorazowej operacji, wolno dla czasu rzeczywistego.

Lanczos to podstawa jakościowego skalowania. Każde profesjonalne narzędzie — Photoshop, GIMP, ImageMagick — go oferuje. Narzędzia w przeglądarce używające Lanczosa produkują rezultaty niemal nieodróżnialne od oprogramowania desktopowego.

Skalowanie AI: obietnica

Skalery AI (real-ESRGAN, SwinIR, Topaz Gigapixel) wybierają inne podejście. Zamiast wzoru matematycznego używają sieci neuronowej szkolonej na milionach par obrazów: niskiej i wysokiej rozdzielczości tej samej fotografii. Sieć uczy się „halucynować” brakujący detal — dodawać teksturę, wyostrzać krawędzie, a nawet rekonstruować tekst.

Dla pewnych typów obrazów rezultaty są oszałamiające. Zdjęcie twarzy 500×500, powiększone 4× przez dobry model AI, może wyglądać tak, jakby oryginalnie było zrobione w rozdzielczości 2000×2000. Model „wie”, jak wyglądają twarze, i wypełnia pory, włosy i teksturę skóry, których źródło niskiej rozdzielczości nie zarejestrowało.

Jest jednak haczyk: AI halucynuje. Dodaje detale, których nie było w oryginale — i czasem te detale są błędne. Rozmazana tablica rejestracyjna, powiększona przez AI, może pokazać wiarygodnie wyglądającą, ale błędną liczbę. Zdjęcie budynku niskiej rozdzielczości, powiększone, może zyskać okna i cegły, które nie istnieją. To jest „stronniczość modelu” — AI produkuje to, co uważa, że powinno tam być, a nie to, co faktycznie jest.

Kiedy używać czego

Używaj Lanczosa, gdy:

  • Potrzebujesz dokładnego, wiernego skalowania (bez halucynowanych detali).
  • Obraz ma drobne detale, które muszą być zachowane dokładnie (tekst, diagramy, pixel art).
  • Potrzebujesz przewidywalnych, powtarzalnych rezultatów.
  • Pracujesz w przeglądarce (bez pobierania modelu).

Używaj skalowania AI, gdy:

  • Obraz to zdjęcie popularnego obiektu (twarze, krajobrazy, budynki).
  • Chcesz, by obraz „dobrze wyglądał”, nawet jeśli detal jest wymyślony.
  • Tolerujesz pobranie modelu 10-50 MB.
  • Akceptujesz, że powiększone detale mogą być niedokładne.

Dla większości zastosowań — grafiki webowe, stare zdjęcia, posty w mediach społecznościowych — Lanczos wystarcza i jest szybszy. Przy profesjonalnej rekonstrukcji zdjęć lub druku w dużych formatach skalowanie AI jest warte dodatkowego czasu.

Trik z wyostrzaniem

Każda metoda skalowania zyskuje na przebiegu wyostrzania po fakcie. Powód: skalowanie rozkłada oryginalny detal na więcej pikseli, co wizualnie zmiękcza obraz. Lekka maska wyostrzająca (unsharp mask) — wykrywająca krawędzie i wzmacniająca lokalny kontrast — przywraca odbieraną ostrość bez dodawania nowej informacji.

Ilość wyostrzania ma znaczenie. Za mało, a powiększony obraz wygląda miękko. Za dużo, a pojawiają się aureole — jasne lub ciemne obwódki wokół krawędzi, które wyglądają nienaturalnie. Typowe ustawienie: siła 0,5, promień 0,7 px, próg 2. Wzmacnia krawędzie bez wprowadzania artefaktów.

Skalowanie do druku

Druk wymaga 300 DPI (punktów na cal). Zdjęcie do wydruku 4×6 cali potrzebuje 1200×1800 pikseli. Zdjęcie o rozdzielczości webowej (800×600) musi zostać powiększone 1,5× w poziomie i 3× w pionie, aby spełnić ten wymóg.

Do druku Lanczos z wyostrzeniem jest zwykle lepszy niż AI. Druk pokazuje każdy piksel — tekstura wyhalucynowana przez AI, która na ekranie wygląda dobrze, na papierze może wyglądać „źle”, zwłaszcza przy twarzach i dłoniach, gdzie widzowie mają silne oczekiwania.

Prywatność

Skalowanie może działać całkowicie w przeglądarce. Algorytm Lanczosa to czysta matematyka — żadne dane nie opuszczają urządzenia. Modele AI również mogą działać w przeglądarce przez ONNX Runtime Web lub TensorFlow.js, choć pobranie modelu (10-50 MB) to jednorazowy koszt. Tak czy inaczej, żaden obraz nie jest przesyłany na serwer.

Przyszłość

Skalowanie AI szybko się poprawia. Skalery oparte na dyfuzji (ta sama technologia, która stoi za Stable Diffusion) potrafią teraz produkować 8-krotne powiększenia wizualnie nieodróżnialne od natywnych zdjęć wysokiej rozdzielczości — dla odpowiednich typów obrazów. Kompromis to szybkość: skalowanie dyfuzyjne trwa 10-30 sekund na GPU, minuty na CPU.

Na razie praktycznym wyborem dla większości użytkowników jest Lanczos + wyostrzenie. Jest szybkie, darmowe, działa w każdej przeglądarce i daje jakość „wystarczająco dobrą” dla 90% zastosowań. Skalowanie AI to właściwy wybór, gdy jakość znaczy więcej niż szybkość i gdy typ obrazu jest taki, na którym model AI był szkolony.