圖片放大後為什麼會糊？四個參數決定成敗

所有放大工具，包括我們自己，本質上都在猜。一張 500×500 的縮圖有 25 萬個像素，放到 4000×4000 需要 1600 萬個，其中 1575 萬個原本並不存在。差別只在於猜得好不好，以及放大到 100% 時看不看得出來。

我們做的是 bigjpg.com 背後的放大引擎，下面這些內容大多來自使用者送來的圖片和他們遇到的問題。使用者抱怨「放大之後變糊」，幾乎逃不出三種原因：選錯模型、把降噪開到最高、拿一張本來就壞掉的圖來放大。下面是真正有用的部分。

放大到底發生了什麼

傳統的插值縮放（bilinear、bicubic、Lanczos）是用鄰居像素平均出新的像素。放大到 110% 還好，放到 400% 就崩了。一張 600×600 的 JPEG 拉到 2400×2400，576 萬像素裡大約有 540 萬是插出來的：邊緣出現光暈，細密紋理糊成一片灰，原本藏在小尺寸裡看不出來的壓縮方塊，跟著一起放大四倍。

超解析度神經網路的做法不同：它在幾百萬對低清／高清圖上訓練過，見過頭髮、樹葉、布料、文字和線條在高清下的樣子。所以它不是平均，而是「畫」出它認為應該在那裡的東西。結果明顯好看，但它依然是重建出來的，不是找回來的。

AI 放大擅長什麼，不擅長什麼

線稿和插畫是最理想的情況。一條 2 像素的黑線，要嘛還是乾淨的兩像素，要嘛變成一條灰色漸層——後者就是漫畫掃圖放大後「像印在衛生紙上」的原因。插畫還有大片平色，而平色最容易保持乾淨。

照片同樣受益，尤其是人像、商品圖和自然風景，因為模型見過這類紋理。麻煩的是顆粒感：降噪開太猛會把真實紋理和噪點一起抹掉，皮膚就開始有塑膠感。

截圖和文字完全取決於原圖。PNG 截圖放大後很乾淨；先轉成 JPEG 再放大，你要保護的銳利邊緣其實已經被毀掉了。同一張圖、同一個工具，結果可以差很多。

沒有任何工具能做到的：把從來沒被拍下來的資訊補回去。如果原圖裡一張臉只有 30 像素寬，真實的眉毛、瞳孔、嘴角都不在檔案裡。模型會給出一張合理的臉——當桌布沒問題，當證件照就不行。更詳細的說明在AI 透明度說明裡。

真正影響結果的四個參數

• 風格（插畫／照片）。動漫、漫畫、數位繪圖、圖示、線稿選插畫；相機拍的選照片。插畫模型會保住輪廓和平色。我們見過不少動漫桌布被丟進照片模型，結果線條變軟，本來平整的色塊反而長出原圖沒有的紋理。
• 降噪。從「無」到「最高」是在噪點和平滑之間取捨。最高檔去掉 JPEG 方塊很有效，但也是我們看到被濫用最多的選項：人像會失去皮膚質感，風景裡的樹葉會碎成一地色點。一般建議用低或中；只有原圖壓縮得很慘、內容又是線稿時才值得開到最高。
• 放大倍數。照片用 2x、4x 最穩。8x 和 16x 是給真正的小圖準備的——200 像素的表情符號、十幾年前的舊頭像、掃描的小郵票，那種情況下別無選擇。本來就不小的照片硬上 16x，換來的多半只是耗時和憑空長出來的紋理，取捨見 2x／4x／8x／16x 怎麼選。
• 輸出格式。線稿、圖示、介面圖和帶透明通道的圖保持 PNG；照片用 JPEG。把 PNG 截圖先轉成 JPEG 再放大，是我們最常見的自我傷害。

一套能直接送去印刷的流程

1. 從你手上最大的原圖開始。原圖放大一次，比縮圖放大兩次好。
2. 先定目標尺寸，按像素或按 300 DPI 下的公分數算。10×15 公分 300 DPI 約等於 1180×1770 像素，A4 是 2480×3508 像素，其餘尺寸可以查我們的列印尺寸對照表。
3. 選剛好夠到目標的最小倍數，而不是工具支援的最大倍數。
4. 送印之前先和原圖在 100% 下比對。100% 時「編」出來的部分一眼就能看出來，掛在牆上或正常距離看螢幕時通常看不出來。
5. 兩個檔案都留著，並把參數記下來。下次客戶說「就要這個，但是要大一點」，你得知道配方。

上傳前該知道的限制

免費帳號支援最大 3000×3000 像素、5MB；付費帳號單圖可到 50MB，並且走獨立的高速佇列（方案價格）。上傳的檔案會自動刪除——免費帳號 24 小時內，付費帳號 72 小時內——結果連結是加密的，除非你主動分享，否則別人看不到。

每週都會被問的三個問題

能把檔案裡沒有的細節找回來嗎？

不能。它只能生成和原圖一致的細節。這兩個說法差別很大——如果這張圖是證據、是文件，或者是一張臉。

2x 比 4x 好嗎？

對本來就不小的照片來說是好一些：2x、4x 都很自然，8x 開始有「加料」的痕跡。但如果原圖只有 300 像素，4x 根本不夠，這時就該上 8x。

文字和截圖能放大嗎？

能，而且效果通常比預想的好，前提是保持 PNG、用插畫模型、降噪別開高。強降噪會把細筆畫糊掉，對文字來說恰好是最不該做的事。

拿你自己的一張圖試試：免費放大一張圖，不用註冊。如果結果不滿意，問題通常在原圖而不是參數——我們更願意這樣告訴你，而不是賣你一個更高的倍數。