Το upscaling μιας φωτογραφίας φαίνεται εκ πρώτης όψεως απλή υπόθεση – στην πράξη, όμως, τα αποτελέσματα διαφέρουν δραματικά ανάλογα με τη μέθοδο που θα επιλέξετε. Το σωστό upscaling απαιτεί κατανόηση του τι ακριβώς κάνει η κάθε τεχνική και ποιο είδος εικόνας εξυπηρετεί καλύτερα.
Ανοίγετε το εργαλείο επεξεργασίας της επιλογής σας, βρίσκετε το μενού προσαρμογής μεγέθους, εισάγετε τις νέες διαστάσεις και η εφαρμογή αναλαμβάνει τα υπόλοιπα. Ακόμη και ο προεπιλεγμένος image viewer σε Mac ή Windows μπορεί να το κάνει.
Τα αποτελέσματα, ωστόσο, είναι συχνά λάθος. Μια παλιά οικογενειακή φωτογραφία μπορεί να δείχνει ακόμη πιο θολή μετά το upscaling. Ακόμη χειρότερα, το pixel art μετατρέπεται σε μια μουτζούρα με ασαφές περίγραμμα όταν μεγεθυνθεί τέσσερις φορές.
Πώς λειτουργεί το παραδοσιακό upscaling
Οι συμβατικές μέθοδοι βασίζονται σε μια απλή αρχή. Την προσθήκη νέων pixels που αποτελούν μέσο όρο των γειτονικών τους. Η διαφορά ανάμεσα στις μεθόδους έγκειται στο πόσα pixels λαμβάνονται υπόψη και στο βάρος που αποδίδεται στο καθένα.
Για τον λόγο αυτό, το παραδοσιακό upscaling δεν πρόκειται ποτέ να προσθέσει λεπτομέρειες που δεν υπήρχαν στην αρχική εικόνα – απλώς την μεγεθύνει.
Nearest-neighbor: ιδανικό για pixel art
Η μέθοδος nearest-neighbor αποτελεί εξαίρεση στην αρχή του μέσου όρου, καθώς αντιγράφει απλώς αυτούσιο το πλησιέστερο pixel.
Αυτό την καθιστά ιδανική για pixel art, διαγράμματα και συμπαγή γεωμετρικά σχήματα, καθώς διατηρεί την τετραγωνισμένη τους εμφάνιση. Σε κανονικές φωτογραφίες, ωστόσο, και σε οτιδήποτε περιέχει διαβαθμίσεις, εισάγει aliasing – με αποτέλεσμα οι ακμές να φαίνονται pixelated.
Bilinear
Ένα βήμα παραπέρα βρίσκεται το bilinear upscaling, το οποίο δημιουργεί κάθε νέο pixel υπολογίζοντας τον μέσο όρο των τεσσάρων γειτονικών του.
Η μέθοδος αυτή δεν παράγει τετραγωνισμένη εμφάνιση, μπορεί όμως να κάνει τις εικόνες υπερβολικά μαλακές – σαν να βρίσκονται ελαφρώς εκτός εστίασης. Χρησιμοποιήστε την για εικόνες που δεν είναι εξαρχής ευκρινείς και αποφύγετέ την για κοντινές λήψεις ή για οτιδήποτε περιέχει λεπτές λεπτομέρειες.
Bicubic: Η ασφαλής επιλογή
Το bicubic upscaling επιτυγχάνει καλή ισορροπία ανάμεσα στην κατανάλωση πόρων και στην ποιότητα εικόνας. Αντί για τέσσερα pixels, λαμβάνει υπόψη τα 16 γειτονικά, δίνοντας μεγαλύτερο βάρος στα πλησιέστερα.
Χάρη σε αυτό, παράγει ευκρινέστερες εικόνες από το bilinear, χωρίς τις οδοντωτές ακμές του nearest-neighbor. Αποτελεί ασφαλή επιλογή για τους περισσότερους τύπους φωτογραφιών, με τη σημείωση ότι μπορεί να εισαγάγει halos – φωτοστέφανα δηλαδή γύρω από τα περιγράμματα.
Υπάρχουν και πιο εξελιγμένοι αλγόριθμοι, όπως η μέθοδος Lanczos, οι οποίοι όμως απαιτούν περισσότερη επεξεργαστική ισχύ χωρίς αισθητά καλύτερο αποτέλεσμα. Δοκιμάστε τον μόνο αν δεν μείνετε ικανοποιημένοι από το bicubic.
Τι κάνει διαφορετικά το AI upscaling
Ενώ οι παραδοσιακές μέθοδοι προσθέτουν pixels βάσει των γειτονικών, το AI upscaling λειτουργεί με πρόβλεψη. Δημιουργεί μια νέα εικόνα η οποία, αν σμικρυνθεί, θα έμοιαζε όσο το δυνατόν περισσότερο με εκείνη που ζητήσατε να μεγεθυνθεί – και το πετυχαίνει επειδή τα μοντέλα έχουν εκπαιδευτεί σε εκατομμύρια εικόνες υψηλής ανάλυσης.
Οι εικόνες που περνούν από AI upscaling φαίνονται συχνά αισθητά καθαρότερες και πιο κορεσμένες. Η διαφορά είναι εντυπωσιακή όταν το αρχικό υλικό είναι υποβαθμισμένο: μια παλιά, κοκκώδης φωτογραφία του 2001 θα μεγεθυνθεί μεν με την παραδοσιακή μέθοδο, αλλά ο κόκκος θα παραμείνει. Ένα AI upscaler θα την μεγεθύνει αφαιρώντας ταυτόχρονα τον κόκκο.
Ο κίνδυνος του AI upscaling
Υπάρχει, ωστόσο, και σοβαρός κίνδυνος. Σε μια δοκιμή, το εξώφυλλο ενός άλμπουμ που είχε σκόπιμα θολωμένο πρόσωπο πέρασε από AI upscaler – και το αποτέλεσμα ήταν να προστεθούν μάτια σε ένα πρόσωπο που στο πρωτότυπο δεν είχε.
Ο λόγος είναι απλός: τα πρόσωπα συνήθως έχουν μάτια, οπότε το μοντέλο υπέθεσε ότι το ίδιο ισχύει και εδώ. Δεν προεκτείνει, δηλαδή, την αρχική εικόνα – δημιουργεί μια νέα, μεγαλύτερη. Το συμπέρασμα είναι σαφές: μην χρησιμοποιείτε AI upscaling σε φωτογραφίες όπου η ακρίβεια είναι πρωταρχικής σημασίας.
Η σημασία του format
Το format της εικόνας καθορίζει σε μεγάλο βαθμό τι μπορείτε να κάνετε με αυτή.
Το JPEG είναι το πιο συμβατό format. Κάμερα, τηλέφωνο και υπολογιστής το ανοίγουν χωρίς πρόβλημα, ενώ ως lossy format διατηρεί μικρά μεγέθη αρχείων – ιδανικό για μεγάλες βιβλιοθήκες. Δεν υποστηρίζει, όμως, διαφάνεια, οπότε αποφύγετέ το για λογότυπα ή κείμενο.
Το PNG προσφέρει καλό συνδυασμό ποιότητας και υποστήριξης επεξεργασίας. Υποστηρίζει προαιρετικό alpha channel για διαφάνεια, ενώ ως lossless format δεν χάνει ποιότητα κατά την επεξεργασία. Είναι ιδανικό για λογότυπα, εικονογραφήσεις και screenshots – αλλά υπερβολικό για απλές φωτογραφίες, λόγω του μεγέθους του.
Για ιστοσελίδες, καλύτερη επιλογή από το JPEG είναι το WebP της Google. Οι εικόνες WebP έχουν περίπου το ένα τέταρτο του μεγέθους ενός PNG και μεταξύ 25% και 34% του μεγέθους ενός JPEG – κάτι που μεταφράζεται άμεσα σε ταχύτερους χρόνους φόρτωσης.
Τέλος, όσοι κινούνται σε iPhone και Mac μπορούν να μείνουν στο προεπιλεγμένο HEIC. Σύμφωνα με την Apple, τα αρχεία αυτά έχουν περίπου το μισό μέγεθος ενός τυπικού JPEG με την ίδια λεπτομέρεια, ενώ διατηρούν και το ιστορικό επεξεργασίας. Η συμβατότητά τους εκτός του οικοσυστήματος της Apple είναι, ωστόσο, περιορισμένη.
