图片编辑
什么是图片放大?
图片放大是让图片变大,像素比原来更多。简单的缩放只是把现有像素拉开,看起来发虚。AI 放大,也叫超分辨率,用在大小图片配对上训练的模型来预测额外的细节,所以边缘和纹理保持清晰。
作者:DreamBench 团队。更新于 。
图片放大速览
概览
- 产出
- 更大的图片,通常宽和高各放大到 2 倍或 4 倍。
- 原理
- 超分辨率模型会为新增像素预测细节。
- 保留的内容
- 原图的构图、颜色和形状。
- 凭空生成
- 细微纹理:皮肤、树叶、织物、边缘的锐利度。
- 不能
- 还原原图中小到看不清的文字或人脸。
我需要哪种放大倍数?
社交帖子或网站: 2 倍:宽和高各放大一倍,对屏幕显示已经足够,结果也最接近原图。在AI 图片放大工具中选择 2 倍。
打印、海报或 4K 屏幕: 4 倍,像素最多:在AI 图片放大工具中选择它,或使用把图片放大到 4K。结果的长边上限为 4096 像素,所以只有当照片长边的四倍不超过这个值时才会放大 4 倍;更大的照片放大 2 倍。
只想看起来更好一点的发虚或小尺寸照片: 想增强画质而不只是为了放大:AI 照片画质增强运行的是同一个模型,但针对发虚的手机照片或从消息里保存的小图做了设置。它只让已有的内容更清晰,不会修饰面部。
模糊的照片: 先去模糊,再放大。锐化只是提高边缘的对比度,不会增加像素;放大工具会增加像素,但无法消除失焦或运动模糊;图片去模糊就是为模型能修复的那类模糊而设的。
AI 放大的原理
AI 放大的原理是观察图片的小块区域,预测每一块更清晰、更大的版本会包含什么。DreamBench 使用的模型 Real-ESRGAN 是从故意降质以模拟模糊和压缩的清晰图片中学到这一点的,所以它知道这些瑕疵长什么样,也知道如何在放大时消除它们。
放大增加的是像素,而不是照片里本来就没有的信息。小到无法辨认的人脸,不会变成某个特定的人;有些放大工具会凭空生成细节,让图片看起来更清晰。DreamBench 的放大工具只做一次忠于原图的处理,不做面部修饰,所以人脸还是原来那张脸。
从 ESRGAN 到 Real-ESRGAN
Real-ESRGAN 建立在 ESRGAN(2018)的基础上,后者改进了一个更早的网络,让纹理更真实自然。Real-ESRGAN 沿用了这类网络,并用故意降质的图片进行训练,以模拟真实照片的各种瑕疵,使它能够应对真实照片。
把图片变大的方法
| 增加了什么 | 忠于原图 | 适用于 | |
|---|---|---|---|
| 调整尺寸 | 像素更多,每个都是相邻像素的平均值 | 可以,但会发虚 | 小幅放大、预览图 |
| AI 超分辨率 | 预测出的边缘和纹理 | 基本是:锐化已有内容 | 照片、产品图、印刷品 |
| 生成式放大 | 由图片模型绘制的新细节 | 较少:可能会改变人脸和文字 | 插画和生成的图片 |
| 扩图(Outpainting) | 边缘多出场景,而不是更多细节 | 保留原图,其余为新生成 | 更宽或更高的画幅 |
图片放大的常见用途
- 把照片打印得比其像素所允许的尺寸更大。
- 需要铺满幻灯片、网页或视频画面的老照片、小尺寸图片。
- 电商平台要求达到最小尺寸的商品图。
- 生成或保存时尺寸就很小的图片。
放大的局限
- 人脸和文字:太小而无法辨认时,放大工具只能猜测,而猜测并不是原貌。
- 砖墙、布料或树叶等重复图案可能会显得过于规整。
- 重度压缩:JPEG 的方块状压缩痕迹可能会和其他内容一起被锐化。
- 视频:逐帧单独放大可能会让细节在帧与帧之间闪烁,这是时序一致性的问题。
如果放大后的图片仍然模糊,说明模糊来自原图:拍摄时失焦或手抖的照片没有可供重建的清晰边缘,所以放大后还是同样的模糊,而从聊天里保存的发虚副本已经丢失了模型需要的细节。请从你手上最大、压缩最少的原图开始。对大图进行 4 倍放大是另一个原因:当长边的四倍会超过输出上限时,模型只把图片放大一倍,最后一步再把剩下的部分调整到位,这只增加像素,不增加细节,所以这种尺寸的图片用 4 倍并不比 2 倍多得到什么。
划痕、撕裂和褪色应在放大之前先用老照片修复修好;先放大只会让损伤变得更大、更清晰。
DreamBench 如何放大图片
AI 图片放大工具使用 Real-ESRGAN,可放大 2 倍或 4 倍。长边超过 2048 像素的照片会先被缩小,结果的长边最多 4096 像素。
每次放大消耗 7 积分。另有两个预设,各自专做一件事:AI 照片画质增强适合发虚或尺寸小的照片,把图片放大到 4K 则用于得到最大尺寸的结果。
| 2 倍时 | 4 倍时 | 原因 | |
|---|---|---|---|
| 一张 500 像素的图片 | 长边 1000 像素 | 2000 像素 | 两者都是模型自身的处理;500 的四倍远在上限之内。 |
| 一张 1000 像素的图片 | 2000 像素 | 4000 像素 | 模型的 4 倍放大,刚好在 4096 像素的上限之内。 |
| 一张 1920 × 1080 的画面(1080p) | 3840 × 2160,即 4K UHD | 长边 4096 像素 | 1920 的四倍会超过上限,所以模型先放大一倍,最后一步再调整到上限:增加的是像素,不是细节。 |
| 2048 像素或更大的图片 | 4096 像素 | 4096 像素 | 运行前它会被缩放到 2048 像素,所以结果无论如何都是上限尺寸。 |
上传 PNG 会得到 PNG,透明背景也一并保留;上传 JPEG 会得到 JPEG。文件大小随像素数增长:2 倍时是 4 倍,4 倍时是 16 倍,PNG 尤其明显。放大工具接受最大 40 MB 的照片,可在手机浏览器中使用,上传的图片会在 7 天 后连同结果一起从工具的存储中删除;两者都不会用于训练模型。
常见问题
放大和调整尺寸是一回事吗?
不是。调整尺寸只是拉伸现有像素,所以图片变大后会发虚。用超分辨率模型放大,则会为新增的像素预测新的细节,让边缘和纹理更清晰。
放大 2 倍和 4 倍有什么区别?
放大 2 倍会把宽和高都翻倍,所以图片的像素变为原来的 4 倍。放大 4 倍会把宽和高都变为原来的 4 倍,像素则变为原来的 16 倍。在 DreamBench 上,结果的长边最多 4096 像素。
AI 放大真的能提升图片画质吗?
AI 放大通过为新增像素预测边缘和纹理,让图片在更大尺寸下显示或打印时依然清晰。它无法恢复照片从未包含的信息:小到看不清的脸或文字依然看不清,看似能恢复它们的放大工具其实是在凭空编造。请以原尺寸检查人脸和文字。
为什么我放大后的照片看起来像塑料或蜡像?
放大工具把真实的质感抹平了,通常是因为它对压缩或发虚的输入做了降噪,再用学到的皮肤填补空缺。请从你手上压缩最少的版本开始,并选择只做一次忠实处理、不修饰人脸的放大工具,DreamBench 的就是这样。
放大和锐化或去模糊一样吗?
不是。锐化是在不增加像素的前提下提高边缘对比度;去模糊是在同样尺寸下尝试消除失焦或运动模糊;放大则是增加像素并为新像素预测细节。一张发虚的照片可能需要先去模糊,再放大。
可以放大截图、小 Logo 或视频吗?
截图或 Logo,可以:边缘干净的平面图形放大效果很好,不过很小的文字仍是猜测,能重新输入的地方尽量重新输入;Logo 若有矢量文件,用矢量文件更好。视频,不行:DreamBench 的放大工具针对照片,逐帧放大会让细节闪烁。
放大能提升打印质量吗?
它让你能以同样的清晰度打印得更大,因为每英寸的像素更多。要达到 300 dpi,用长边像素数除以 300 就得到英寸数;DreamBench 的放大工具返回的长边最多为 4096 像素,而远距离观看的海报在较低密度下也能打印得很好。额外的细节是预测出来的,不是还原的,所以打印前请在原尺寸下检查面部和文字。
AI 放大需要多长时间?
AI 放大在 DreamBench 上对大多数图片来说远不到一分钟。超分辨率模型对照片处理一遍,完成后结果会出现在页面上原图旁边。对大图进行 4 倍放大时,会采用模型的 2 倍处理再调整尺寸,而不是跑一次要花几分钟、最后却要缩回 4096 像素上限的 4 倍处理。
放大工具返回的是什么文件,PNG 还是 JPEG?
在 DreamBench 上,上传 PNG 会得到 PNG,透明部分也一并保留,其他格式都会得到 JPEG。图形、截图和 Logo 请以 PNG 上传,这样纯色、直边和文字能保持无损;先把 JPEG 另存为 PNG 没有任何帮助,因为压缩损伤已经在像素里了。文件大小随像素数增长:2 倍时是 4 倍,4 倍时是 16 倍。
放大会改变画面比例或裁剪图片吗?
不会。放大会把宽和高乘以同一个倍数,所以构图和画面比例完全不变:不裁剪、不扩展、不移动,16:9 的图片仍是 16:9。想改变图片的形状,扩图会在它周围添加新场景,裁剪则去掉一部分;DreamBench 的扩图工具做的是前者。
图片放大要花钱吗?
在 DreamBench 上,你注册免费账号并选择套餐,每次放大消耗 7 积分。放大工具可在手机浏览器中使用,无需安装任何东西。
相关内容
DreamBench 工具
术语
来源
- GitHub 上的 Real-ESRGANTencent ARC,查阅于
- Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data(arXiv)arXiv,查阅于
- ESRGAN: Enhanced Super-Resolution Generative Adversarial NetworksarXiv,查阅于
DreamBench 是一个独立平台,与本页提及的公司没有关联,也未获得它们的认可。