AI 图片放大的原理，以及什么时候该用它

调整尺寸不等于放大

普通软件放大图片时，用的是插值：把已有的像素铺到更大的画布上，再用相邻像素的平均值填补空隙。最近邻插值直接复制像素，看起来满是方块。双线性和双三次插值会混合像素，看起来发虚。Lanczos 是经典滤波器中最好的一种，能稍微更好地保留边缘，但任何插值方法都无法增加信息。一张 800×600 的照片只有 480,000 个真实像素；把它放大到 3200×2400，就等于要用同样的 480,000 个值去描述 720 万个像素。缺失的那 93% 正是放大后的图片发糊的原因：数据本来就不存在。

超分辨率：推断缺失的细节

AI 超分辨率走的是相反的路。它不是对现有像素求平均，而是利用从数百万对图片中学到的知识，预测缺失的像素。训练时，网络会看到一张清晰的照片和一份故意被破坏的副本（缩小、模糊、加噪点，再经过 JPEG 重度压缩），并根据它重建原图的效果来打分。重复数百万次之后，网络就学会了砖墙、织物、毛发、树叶和皮肤在高分辨率下是什么样子，以及它们在图片缩小时各自会如何退化。

Real-ESRGAN 是本站运行的开源模型，它在这一思路上做了改进，其中有两个在实践中很关键的技巧。第一，它是一种生成对抗网络：另一个“评判”网络被训练来区分真实照片和重建结果，迫使生成器产出看起来像照片的纹理，而不是保守地一片平滑。第二，它是在一条贴近现实的退化流程上训练的（随机组合模糊、传感器噪点、缩放和压缩），因此能应对人们手中真实存在的各种杂乱图片，而不只是实验室里的缩小图。这里使用的版本 realesr-general-x4v3 是一个紧凑的通用版本：约 5 MB 的权重，输出恰好是输入分辨率的 4×。

为什么现在它能在浏览器标签页里运行

直到不久前，这类模型还需要配备 NVIDIA GPU 的桌面应用或服务器集群才能运行，这也是大多数在线放大工具要把你的图片上传到云端的原因。有两件事改变了局面。ONNX Runtime Web 让在 JavaScript 环境中执行真正的神经网络变得切实可行，而 WebGPU 让浏览器代码可以直接调用你的显卡。Chrome、Edge 和 Safari 现在提供了足够的 GPU 算力，能以交互级的速度运行一个 5 MB 的超分辨率网络；在不支持 WebGPU 的地方，同一个模型会退回到 CPU 上的 WebAssembly 运行：速度更慢，但输出完全相同。

你会在进度条上注意到一个工程细节：图片是按 192 像素的图块处理的，相邻图块重叠 8 像素，而不是一次性处理整张图。分块能让 GPU 内存占用保持稳定，无论图片有多大；重叠则让每个图块都能参考相邻图块的上下文，拼合后看不出接缝。桌面工具处理超大文件时用的也是同样的技术。

预期效果：真实数据

速度几乎完全取决于你的浏览器能用哪种引擎。以下是我们在一台 Apple 芯片笔记本上用 Chrome 实测的本站 4× 模型耗时（2026 年 8 月）：

你的硬件会有所不同：游戏电脑会比这些数字更快，旧手机则达不到。首次访问还会一次性下载引擎和模型（约 10 MB），并在第一次运行时编译 GPU 着色器；之后一切都缓存在本地，后续运行会立即开始。

4× 放大在哪些场景有用

• 打印。 打印需要约 300 DPI，而屏幕只需约 100。一张 1200×900 的网络图片只能清晰打印到 4×3 英寸；放大到 4800×3600 后，就能以完整的 300 DPI 打印 16×12 英寸。
• 老照片和低分辨率照片。 早期数码相机拍的照片、原图丢失后下载的副本、小尺寸扫描件：这是经典的修复场景，也正是这个模型的强项。
• Logo、插画和游戏纹理。 Real-ESRGAN 能很好地处理插画的边缘，4× 的输出也给你留出裁剪、缩放或重新合成的余地。
• 需要原尺寸的缩略图。 商品图、专辑封面、头像：凡是仅存的副本很小的场合都适用。

…以及在哪些场景没用

• 极小的文字。 超分辨率重建的是纹理，而不是语言。无法辨认的文字通常会变成清晰但错误的形状。
• 严重损毁的人脸。 这个通用模型没有专门的人脸修复步骤；一张只有 30 像素、糊成一团的脸，放大后仍会是一团（更清晰的）模糊。
• 本来就清晰的图片。 如果照片在原始尺寸下已经很清晰，放大 4× 基本只会让文件变大。只有在确实需要这些像素时再放大。

无需上传任何内容的图片放大

大多数在线放大工具都是云服务：你的照片被传到他们的服务器，在那里处理，再把结果发回给你。做得好的会承诺“24 小时内”删除，但这个承诺你无法验证，而且它本身就承认了上传已经发生。由于这里的模型在你的浏览器内运行，这一整类风险都不复存在：家庭照片、证件扫描件、未发布的产品图和客户作品，根本不会经过网络。你可以一边处理一边查看网络检查器，也可以在页面加载后断开网络；放大工具照常工作，因为它需要的一切都不在远端。

这种架构也是它免费且没有附加条件的原因：我们没有需要收回的 GPU 账单，所以没有积分、配额、账号或水印。你的电脑负责处理，结果归你所有。

获得最佳效果的技巧

• 使用你手头压缩最少的副本：原始 PNG 比同一张图重新保存的 JPEG 更好。
• 先裁剪，再放大，让模型把 4× 的预算花在你真正关心的像素上（同时不超出尺寸限制）。
• 在 100% 缩放下用滑块对比；结果被压缩在预览框里时，纹理差异是看不出来的。
• 编辑或打印时保留 PNG 输出；如果需要，最后一步再重新压缩为 JPEG 或 WebP。