ปัญหาการขยายภาพ
คุณมีรูปขนาด 500×500 แต่ต้องการขนาด 2000×2000 — สำหรับการพิมพ์, จอ retina, แบนเนอร์ รูปมีพิกเซล 250,000 จุด แต่คุณต้องการ 4 ล้านจุด พิกเซลที่ขาดไปอีก 3.75 ล้านจุดต้องมาจากที่ใดสักแห่ง
นี่คือปัญหาการขยายภาพ คุณไม่สามารถสร้างข้อมูลที่ไม่ได้ถูกบันทึกไว้ได้ — แต่คุณประเมินค่าได้ คุณภาพของการประเมินจะกำหนดว่าภาพที่ขยายแล้วจะดูคมชัดหรือเป็นกองเบลอ
ทำไมการขยายภาพแบบเรียบง่ายจึงล้มเหลว
วิธีที่ง่ายที่สุด: ทำซ้ำทุกพิกเซล ภาพ 500×500 กลายเป็น 1000×1000 โดยเปลี่ยนทุกพิกเซลเป็นบล็อก 2×2 ผลลัพธ์คือภาพ pixelated — เป็นบล็อกสี่เหลี่ยมมองเห็นชัด นี่คือ interpolation แบบ "nearest-neighbor" ซึ่งเป็นสิ่งที่ตัวดูภาพทุกตัวทำในปี 1995
ขั้นถัดไป: bilinear interpolation สำหรับพิกเซลใหม่แต่ละจุด ให้หาค่าเฉลี่ยของพิกเซลต้นทาง 4 จุดที่ใกล้ที่สุด ผลลัพธ์จะเรียบ แต่เบลอ — ขอบสูญเสียความคมชัด, ข้อความกลายเป็นนุ่ม และรายละเอียดละเอียดหายไป Bicubic interpolation (หาค่าเฉลี่ยพิกเซลต้นทาง 16 จุดด้วยน้ำหนักแบบ cubic) ดีกว่าเล็กน้อย แต่ก็ยังสร้างฮาโลที่มองเห็นได้รอบขอบ
ปัญหาพื้นฐาน: วิธีเหล่านี้ไม่รู้ว่าภาพคืออะไร มันปฏิบัติต่อทุกพิกเซลเหมือนกัน — พิกเซลกลางท้องฟ้าสีฟ้าได้รับการปฏิบัติเดียวกับพิกเซลที่ขอบเส้นข้อความคมชัด ผลลัพธ์จึงปานกลางสม่ำเสมอ
Lanczos: มาตรฐานคุณภาพพื้นฐาน
Lanczos resampling ใช้ kernel แบบ sinc-windowed — ฟังก์ชันคณิตศาสตร์ที่ในทางทฤษฎีสร้างสัญญาณต่อเนื่องต้นฉบับจากตัวอย่างได้อย่างสมบูรณ์แบบ ในทางปฏิบัติให้ผลคมชัดกว่า bicubic เพราะรักษารายละเอียดความถี่สูง (ขอบ, ข้อความ, พื้นผิวละเอียด) ได้ดีกว่า
ข้อแลกคือการคำนวณ Lanczos ที่ขนาด kernel 3 (ค่ามาตรฐาน) ต้องใช้พิกเซลต้นทาง 36 จุดต่อพิกเซลผลลัพธ์ (หน้าต่าง 6×6) เทียบกับ 16 จุดของ bicubic สำหรับการขยาย 4× ของภาพ 1000×1000 คือการค้นหาพิกเซล 144 ล้านครั้ง บน CPU สมัยใหม่ใช้เวลา 2-5 วินาที — ยอมรับได้สำหรับงานครั้งเดียว แต่ช้าสำหรับงานเรียลไทม์
Lanczos คือมาตรฐานพื้นฐานสำหรับการขยายภาพคุณภาพสูง ทุกเครื่องมือระดับมืออาชีพ — Photoshop, GIMP, ImageMagick — ล้วนมีให้ใช้ เครื่องมือบนเบราว์เซอร์ที่ใช้ Lanczos ให้ผลลัพธ์ที่แทบแยกไม่ออกจากซอฟต์แวร์เดสก์ท็อป
การขยายภาพด้วย AI: สัญญา
ตัวขยายภาพ AI (real-ESRGAN, SwinIR, Topaz Gigapixel) ใช้วิธีการที่ต่างออกไป แทนที่จะใช้สูตรคณิตศาสตร์ พวกมันใช้เครือข่ายประสาทเทียมที่ฝึกจากคู่ภาพนับล้าน: เวอร์ชันความละเอียดต่ำและสูงของรูปเดียวกัน เครือข่ายเรียนรู้ที่จะ "hallucinate" รายละเอียดที่ขาดไป — เพิ่มพื้นผิว, ทำขอบให้คม, และแม้กระทั่งฟื้นฟูข้อความ
สำหรับภาพบางประเภท ผลลัพธ์น่าทึ่ง รูปใบหน้าขนาด 500×500 ที่ขยาย 4× ด้วยโมเดล AI ที่ดี สามารถดูเหมือนถ่ายต้นฉบับที่ 2000×2000 โมเดล "รู้" ว่าใบหน้าเป็นอย่างไร และเติมรูขุมขน, ผม, และพื้นผิวผิวที่แหล่งความละเอียดต่ำไม่ได้บันทึกไว้
แต่มีข้อสำคัญ: AI hallucinate มันเพิ่มรายละเอียดที่ไม่ได้อยู่ในต้นฉบับ — และบางครั้งรายละเอียดนั้นผิด ป้ายทะเบียนรถที่เบลอ เมื่อขยายด้วย AI อาจแสดงตัวเลขที่ดูเหมือนจริงแต่ไม่ถูกต้อง รูปตึกความละเอียดต่ำ เมื่อขยาย อาจมีหน้าต่างและอิฐที่ไม่มีอยู่จริงเพิ่มเข้ามา นี่คือ "model bias" — AI สร้างสิ่งที่มันคิดว่าควรอยู่ตรงนั้น ไม่ใช่สิ่งที่อยู่ตรงนั้นจริงๆ
เมื่อไหร่ใช้อะไร
ใช้ Lanczos เมื่อ:
- คุณต้องการการขยายที่แม่นยำ เที่ยงตรง (ไม่มีรายละเอียดที่ hallucinate ขึ้นมา)
- ภาพมีรายละเอียดละเอียดที่ต้องรักษาไว้เป๊ะ (ข้อความ, ไดอะแกรม, pixel art)
- คุณต้องการผลลัพธ์ที่คาดเดาได้และทำซ้ำได้
- คุณทำงานบนเบราว์เซอร์ (ไม่ต้องดาวน์โหลดโมเดล)
ใช้การขยายด้วย AI เมื่อ:
- ภาพเป็นภาพถ่ายของวัตถุทั่วไป (ใบหน้า, ภูมิประเทศ, ตึก)
- คุณต้องการให้ภาพ "ดูดี" แม้รายละเอียดจะถูกประดิษฐ์ขึ้น
- คุณยอมรับการดาวน์โหลดโมเดล 10-50 MB ได้
- คุณยอมรับว่ารายละเอียดที่ขยายอาจไม่แม่นยำ
สำหรับกรณีใช้งานส่วนใหญ่ — เว็บกราฟิก, รูปเก่า, โพสต์โซเชียลมีเดีย — Lanczos เพียงพอและเร็วกว่า สำหรับการฟื้นฟูภาพถ่ายระดับมืออาชีพหรือการพิมพ์ขนาดใหญ่ การขยายด้วย AI คุ้มค่าเวลาเพิ่ม
เทคนิคการชาร์ป
วิธีขยายภาพใดๆ ก็ได้ประโยชน์จากการชาร์ปภายหลัง เหตุผล: การขยายกระจายรายละเอียดต้นฉบับไปบนพิกเซลที่มากขึ้น ซึ่งทำให้ภาพดูนุ่มลงทางสายตา unsharp mask เบาๆ — ที่ตรวจจับขอบและเพิ่มคอนทราสต์เฉพาะส่วน — คืนความคมชัดที่รับรู้ได้โดยไม่เพิ่มข้อมูลใหม่
ปริมาณการชาร์ปสำคัญ น้อยเกินไป ภาพที่ขยายดูนุ่ม มากเกินไป จะเกิดฮาโล — เส้นรอบขอบสว่างหรือมืดที่ดูไม่เป็นธรรมชาติ ค่าทั่วไป: amount 0.5, radius 0.7px, threshold 2 จะเน้นขอบโดยไม่ก่ออาร์ติแฟกต์
การขยายเพื่อพิมพ์
งานพิมพ์ต้องการ 300 DPI (จุดต่อนิ้ว) รูปสำหรับพิมพ์ขนาด 4×6 นิ้วต้องการ 1200×1800 พิกเซล รูปความละเอียดเว็บ (800×600) ต้องขยาย 1.5× ในแนวนอนและ 3× ในแนวตั้งเพื่อให้ได้ตามข้อกำหนด
สำหรับงานพิมพ์ Lanczos พร้อมการชาร์ปมักดีกว่า AI การพิมพ์จะแสดงทุกพิกเซล — พื้นผิวที่ AI hallucinate ซึ่งดูดีบนหน้าจออาจดู "ผิด" บนกระดาษ โดยเฉพาะใบหน้าและมือที่ผู้ชมมีความคาดหวังที่ชัดเจน
ความเป็นส่วนตัว
การขยายภาพสามารถรันได้ทั้งหมดบนเบราว์เซอร์ อัลกอริทึม Lanczos เป็นคณิตศาสตร์ล้วน — ไม่มีข้อมูลออกจากอุปกรณ์ โมเดล AI ก็รันในเบราว์เซอร์ได้ผ่าน ONNX Runtime Web หรือ TensorFlow.js แม้การดาวน์โหลดโมเดล (10-50 MB) จะเป็นค่าใช้จ่ายครั้งเดียว ไม่ว่ากรณีใด ไม่มีรูปถูกอัปโหลดไปเซิร์ฟเวอร์
อนาคต
การขยายด้วย AI พัฒนาอย่างรวดเร็ว ตัวขยายแบบ diffusion (เทคโนโลยีเดียวกับที่อยู่เบื้องหลัง Stable Diffusion) สามารถผลิตการขยาย 8× ที่แยกไม่ออกจากภาพความละเอียดสูงแท้ — สำหรับประเภทภาพที่เหมาะสม ข้อแลกคือความเร็ว: การขยาย diffusion ใช้เวลา 10-30 วินาทีบน GPU หลายนาทีบน CPU
สำหรับตอนนี้ ตัวเลือกที่ใช้งานได้จริงสำหรับผู้ใช้ส่วนใหญ่คือ Lanczos + การชาร์ป มันเร็ว ฟรี รันได้บนเบราว์เซอร์ใดๆ และให้คุณภาพที่ "ดีพอ" สำหรับ 90% ของกรณีใช้งาน การขยายด้วย AI เป็นตัวเลือกที่เหมาะเมื่อคุณภาพสำคัญกว่าความเร็ว และเมื่อประเภทภาพเป็นประเภทที่โมเดล AI ได้รับการฝึกมาแล้ว