بزرگ‌نمایی باکیفیت

بزرگ‌نمایی دیجیتال اساساً یک مسئله معکوس ریاضی بدوضع است. تصویر اصلی با ابعاد $W_1 \times H_1$ شبکه‌ای متناهی و گسسته از مقادیر پیکسلی نمونه‌برداری‌شده دارد. بزرگ کردن آن تصویر به $W_2 \times H_2$ ‏(که $W_2 > W_1$) نیازمند تولید میلیون‌ها مقدار پیکسلی جدید در مختصات مکانی است که در آن‌ها از ابتدا هیچ داده نوری ثبت نشده است.

برای سنتز این پیکسل‌های گمشده، الگوریتم‌های بازنمونه‌برداری فیلتر بازسازی دوبعدی پیوسته را روی پیکسل‌های منبع همسایه ارزیابی می‌کنند:

$$I(x, y) = \sum_{i} \sum_{j} I_{\text{orig}}(i, j) \, K(x - i) \, K(y - j)$$ که در آن $K(t)$ هسته درون‌یابی مکانی است. فرمول‌بندی ریاضی این هسته تعیین می‌کند که تصویر بزرگ‌شده بلوکی، تار یا تیز مانند تیغ به نظر برسد.

موتور بزرگ‌نمایی ما از هسته‌های درون‌یابی دقیق متناسب با اهداف بصری مشخص بهره می‌برد: • نزدیک‌ترین همسایه (فیلتر جعبه‌ای): صرفاً نزدیک‌ترین پیکسل موجود را تکرار می‌کند. اگرچه سریع است، مربع‌های بلوکی بزرگ و لبه‌های پله‌ای دندانه‌دار تولید می‌کند. با این حال، استاندارد طلایی برای بزرگ کردن پیکسل‌آرت رترو، اسپرایت‌های ۸ بیتی و بافت‌های Minecraft است که پیکسل‌های هندسی تیز در آن‌ها از نظر هنری الزامی است. • درون‌یابی دوخطی: میانگین وزنی خطی ۴ پیکسل پیرامون را محاسبه می‌کند. اگرچه نرم است، لبه‌های پرکنتراست را نرم می‌کند و در امتداد خطوط مورب تاری محسوسی ایجاد می‌کند. • کانولوشن دومکعبی (Mitchell-Netravali / Catmull-Rom): یک اسپلاین چندجمله‌ای مکعبی را روی شبکه $4 \times 4$ از ۱۶ پیکسل همسایه ارزیابی می‌کند. درون‌یابی دومکعبی با در نظر گرفتن هم فاصله و هم گرادیان‌های مشتق، کنتراست تیز لبه را حفظ و از پله‌پله شدن بصری جلوگیری می‌کند. • فیلتر sinc پنجره‌دار Lanczos: تابع sinc پنجره‌شده با یک زنگ کسینوسی را ارزیابی می‌کند ($a = 3$ لوب روی شبکه $6 \times 6$ از ۳۶ پیکسل): $L(x) = \frac{a \sin(\pi x) \sin(\pi x / a)}{\pi^2 x^2}$. Lanczos بازسازی استثنایی جزئیات پربسامد را فراهم می‌کند و آن را بهترین انتخاب برای بزرگ‌نمایی عکاسی می‌سازد.

یک آرتیفکت نوری مشهور در بزرگ‌نمایی تهاجمی چندجمله‌ای و sinc، پدیده گیبس است — که معمولاً «حلقه‌زدگی» یا «فراجهش لبه» نامیده می‌شود. وقتی فیلتر درون‌یابی یک گذار پله‌ای ناگهانی (مانند متن سیاه پرکنتراست روی پس‌زمینه سفید خالص) را پردازش می‌کند، نوسان ریاضی موج sinc خطوط هاله‌ای کم‌رنگ و درخشانی در دو سوی مرز ایجاد می‌کند.

موتور بزرگ‌نمایی ما یک محدودکننده هوشمند ضد حلقه‌زدگی دارد. الگوریتم مقادیر کمینه و بیشینه روشنایی محلی را درون همسایگی $4 \times 4$ هر پیکسل درون‌یابی‌شده پایش می‌کند. اگر مقدار بازسازی‌شده از این مرزهای طبیعی فراتر رود، موتور پیکسل را محدود می‌کند تا از هاله‌های غیرطبیعی جلوگیری شود و تایپوگرافی و سیلوئت‌ها تمیز، تیز و بدون آرتیفکت بمانند.

رایج‌ترین کاربرد واقعی بزرگ‌نمایی تصویر، تولید چاپ تجاری است. نمایشگرهای دیجیتال تصاویر را به‌راحتی با ۷۲ تا ۱۵۰ DPI نمایش می‌دهند، اما دستگاه‌های چاپ افست تجاری، ناشران مجلات و لابراتوارهای عکس برای جلوگیری از نتایج چاپ پیکسلی، اکیداً ۳۰۰ DPI ‏(نقطه در اینچ) را الزامی می‌کنند.

یک تصویر محصول فروشگاه اینترنتی با ابعاد $1200 \times 800$ پیکسل را در نظر بگیرید. در ۳۰۰ DPI، آن تصویر فقط در اندازه کوچک $4 \times 2.67$ اینچ قابل چاپ است. چاپ آن روی یک صفحه کامل مجله A4 ‏($8.27 \times 11.69$ اینچ) به حدود $2480 \times 3508$ پیکسل نیاز دارد. بزرگ‌نمایی ۲ یا ۳ برابری تصویر منبع با ابزار ما معیارهای پیش‌چاپ را برآورده می‌کند و گرادیان‌های نرم، متن تیز و وفاداری چاپی حرفه‌ای ارائه می‌دهد.

در سال‌های اخیر، مدل‌های «فراوضوح» هوش مصنوعی مولد محبوب شده‌اند. اما بزرگ‌نماهای هوش مصنوعی از یک نقص حیاتی رنج می‌برند: آن‌ها صرفاً داده موجود را بزرگ نمی‌کنند؛ بلکه بر اساس داده‌های آموزشی احتمالاتی، جزئیات کاملاً مصنوعی را توهم می‌زنند. در شواهد دادگاه، تشخیص پزشکی، بایگانی تاریخی و نقشه‌های فنی مهندسی، توهمات هوش مصنوعی جزئیات ساختگی، ویژگی‌های چهره تحریف‌شده و شبه‌متن ناخوانا وارد می‌کنند.

ابزار ما صرفاً بر افزایش نمونه‌برداری ریاضی قطعی تکیه دارد. هر پیکسل درون‌یابی‌شده از نظر ریاضی از مقادیر نوری واقعی عکس اصلی به دست می‌آید. آنچه می‌بینید بزرگ‌نمایی وفادار از نظر ریاضی و بی‌نقص منبع فیزیکی واقعی است، بدون هیچ توهم یا اعوجاج مصنوعی.

بزرگ کردن ۴ برابری یک عکس پروضوح باعث افزایش نمایی شانزده برابری ($4^2 = 16\times$) در تعداد کل پیکسل‌ها می‌شود. یک عکس ۱۲ مگاپیکسلی ($4000 \times 3000$) با بزرگ‌نمایی ۴ برابر به یک بوم رستری عظیم ۱۹۲ مگاپیکسلی ($16000 \times 12000$) تبدیل می‌شود. باز کردن آن بوم در حافظه RGBA ‏۳۲ بیتی فشرده‌نشده به بیش از $768\text{ MB}$ RAM پیوسته مرورگر نیاز دارد.

ابزار ما تخصیص حافظه را با دقت فوق‌العاده‌ای مدیریت می‌کند. موتور RAM در دسترس دستگاه را بررسی، مرزهای ابعاد امن را اعمال و در صورت لزوم مدیریت حافظه کاشی‌کاری‌شده را اجرا می‌کند تا از کرش زبانه مرورگر جلوگیری شود. از قدرت پردازش در سطح سازمانی مستقیماً درون پنجره مرورگرتان بهره‌مند می‌شوید.

آژانس‌های خلاق، شرکت‌های حقوقی و کلینیک‌های پزشکی اغلب با دارایی‌های بصری محرمانه سروکار دارند: پیش‌نمایش کمپین‌های مشتریان سرشناس، عکس‌های شواهد، اسکن اسناد جرم‌شناسی و نمودارهای ثبت اختراع. آپلود این دارایی‌های حساس در پلتفرم‌های بزرگ‌نمایی ابری دوردست خطرات جدی نشت داده و محرمانگی ایجاد می‌کند.

ابزار «بزرگ‌نمایی باکیفیت» ما ۱۰۰٪ به‌صورت محلی درون مرورگر وب شما اجرا می‌شود. چون بر پایه WebAssembly سمت کاربر و HTML5 Canvas ساخته شده، همه درون‌یابی پیکسل‌ها، محاسبات هسته و سریال‌سازی فایل صرفاً درون RAM دستگاه فیزیکی شما انجام می‌شود. هیچ فایل یا تصویری هرگز از طریق شبکه منتقل نمی‌شود و حریم خصوصی کامل و انطباق کامل با GDPR، ‏HIPAA و سیاست‌های محرمانگی سازمانی تضمین می‌شود.