Redimensionador de imágenes gratuito en línea

Cómo redimensionar una imagen

1. Selecciona o suelta un archivo de imagen arriba.
2. Elige un tamaño predefinido o introduce el ancho y alto personalizados en píxeles.
3. Activa el icono de bloqueo para mantener o ignorar la proporción de aspecto original.
4. Haz clic en «Redimensionar imagen» para procesarla en tu navegador.
5. Descarga la imagen redimensionada al instante.

Qué hace realmente «redimensionar» a tus píxeles

Redimensionar una imagen no es la misma operación que recortarla o comprimirla. Recortar descarta píxeles en los bordes y deja el resto sin cambios. Comprimir conserva cada píxel pero los codifica de forma más apretada. Redimensionar cambia literalmente el número de píxeles: una imagen fuente de 4000x3000 reescalada a 1920x1440 tiene que tirar la mayoría de sus píxeles y elegir nuevos para representar la misma escena a un cuarto de la resolución. La operación matemática que decide qué nuevos píxeles escribir se llama remuestreo, y la calidad del reescalado depende casi por completo de qué algoritmo de remuestreo se ejecute.

Los cuatro algoritmos de remuestreo de uso común son el vecino más cercano (tomar el único píxel fuente más próximo, los bordes duros se preservan, aspecto en bloques al ampliar, la única elección correcta para pixel art), el bilineal (mezcla lineal de los 4 píxeles fuente del entorno, rápido y mediocre), el bicúbico (núcleo cúbico de Keys 1981 sobre 16 píxeles del entorno, el valor por defecto de Photoshop durante décadas) y Lanczos (función sinc enventanada por un núcleo Lanczos, salida más nítida, ligero ringing cerca de bordes duros, lo que ImageMagick y Sharp usan por defecto para reducción). Esta herramienta ajusta imageSmoothingQuality de la API Canvas a «high», que Chrome y Firefox interpretan como un núcleo de clase Lanczos en escritorio y Safari interpreta como un núcleo de clase bicúbico. Decide el navegador; JavaScript puede pedir «high» pero no puede elegir el filtro exacto.

Reducir y ampliar no son problemas simétricos. Reducir descarta información de forma controlada; el remuestreador decide qué detalles conservar y un buen algoritmo preserva la estructura visible de la fuente. Ampliar añade píxeles que nunca fueron muestreados, y la teoría de la información (el teorema de muestreo de Nyquist-Shannon) dice que no se pueden recuperar frecuencias que no estaban en la señal original. Lo mejor que puede hacer un remuestreador clásico es interpolar suavemente entre muestras conocidas, lo que siempre se ve borroso. Para ampliación real, la alternativa moderna es la superresolución por IA (Real-ESRGAN, waifu2x, Adobe Super Resolution, Topaz Gigapixel), que alucina detalles plausibles usando redes neuronales entrenadas con millones de imágenes similares. Eso no es lo que ocurre aquí. Esta herramienta hace interpolación honesta.

Cómo funciona esta herramienta por dentro

Toda la canalización es la API Canvas 2D de HTML5. No se carga ninguna biblioteca externa. Cuando dejas caer una imagen, la API File del navegador entrega los bytes a un nuevo HTMLImageElement; el decodificador JPEG, PNG o WebP integrado en el navegador convierte el flujo de bits en un búfer de píxeles. La relación de aspecto se calcula a partir del ancho y alto naturales. Se crea un nuevo elemento <canvas> en memoria con las dimensiones objetivo que has indicado, y ctx.drawImage(image, 0, 0, anchoObjetivo, altoObjetivo) dibuja la fuente escalada en el destino. Como el destino tiene dimensiones distintas a la fuente, el navegador invoca su núcleo de remuestreo para calcular cada nuevo píxel.

Antes de la llamada a drawImage, la herramienta ajusta ctx.imageSmoothingEnabled = true y ctx.imageSmoothingQuality = «high». El primer indicador activa el suavizado (vecino más cercano desactivado); el segundo sugiere al navegador usar su filtro de mayor calidad. La especificación canvas del WHATWG deja el filtro exacto a la implementación. Chrome y Firefox en escritorio usan núcleos de clase Lanczos en «high»; Safari usa un núcleo de clase bicúbico; las versiones móviles pueden bajar a bilineal bajo presión de memoria. Nada de esto es visible para JavaScript. Tras el dibujo, canvas.toBlob(mimeType, calidad) serializa el canvas a un Blob en el formato de salida elegido: PNG (DEFLATE sin pérdida, el argumento calidad se ignora), JPEG (DCT con pérdida a calidad 0,92) o WebP (con o sin pérdida a calidad 0,92). El Blob se convierte en una URL de objeto descargable.

Ningún byte sale de la pestaña. La imagen se decodifica en tu navegador, se remuestrea en tu navegador y se vuelve a codificar en tu navegador. El archivo descargado se genera localmente y lo guarda en tu dispositivo el mecanismo de descarga normal del navegador. El único tráfico de red es la carga inicial de la página y el pequeño script image-resizer.js (unos pocos kilobytes). Pon tu navegador en modo avión tras cargar la página y el redimensionador sigue funcionando sobre cualquier imagen local que selecciones. Abre la pestaña Red en DevTools durante un redimensionado: hay cero peticiones llevando datos de imagen. La arquitectura completa es deliberadamente mínima porque la API Canvas ya es lo bastante potente para este trabajo; añadir una biblioteca solo sumaría bytes y complejidad sin cambiar la salida.

Una breve historia del remuestreo de imagen

• Ampliadoras ópticas, la era predigital. Antes de la fotografía digital, «ampliar» una foto significaba proyectar un negativo a través de una ampliadora óptica sobre una hoja de papel sensible a la luz. La lente hacía el remuestreo de forma continua, sin cuantización, pero con los límites ópticos de la propia lente. Las primeras ampliadoras comerciales datan de la década de 1860. El remuestreo como operación matemática solo se convirtió en una cuestión relevante una vez que las imágenes existían como rejillas de píxeles en lugar de emulsión continua.
• Interpolación bicúbica, 1973-1981. Robert G. Rifman publicó un algoritmo de remuestreo de imagen bicúbico basado en splines en TRW Defense and Space Systems en 1973, escrito para el reescalado de imágenes de satélite. La formulación canónica vino de R. G. Keys en 1981: «Cubic Convolution Interpolation for Digital Image Processing» en IEEE Transactions on Acoustics, Speech, and Signal Processing. Cualquier biblioteca de imagen que hoy dice «bicúbica» se refiere al núcleo cúbico de Keys evaluado sobre un vecindario 4x4.
• Filtro Mitchell-Netravali, 1988. Don P. Mitchell y Arun N. Netravali publicaron «Reconstruction Filters in Computer Graphics» en SIGGRAPH ’88, presentando una familia parametrizada de filtros cúbicos ajustable con dos coeficientes B y C. El filtro canónico «Mitchell» (B=C=1/3) sacrifica un poco de nitidez a cambio de un ringing muy bajo y se convirtió en un valor por defecto estándar para reducción en bibliotecas de imagen de gama alta como libvips.
• Filtros seleccionables de ImageMagick, años 1990. John Cristy lanzó ImageMagick (originalmente en 1987, público en 1990) con filtros de remuestreo seleccionables como característica de primer nivel. A mediados de los 1990, fotógrafos y profesionales de autoedición podían comparar Lanczos, Mitchell, Catmull-Rom, Hermite y Gaussiano sobre la misma imagen fuente, eligiendo según el caso. La opción -filter Lanczos de ImageMagick sigue siendo una receta habitual en pipelines de producción.
• Redimensionado en Canvas HTML5, 2008-2017. La especificación canvas del WHATWG estandarizó drawImage() con escalado implícito en 2008, y la forma de 9 argumentos (la que aquí se usa) está en todos los navegadores desde entonces. El atributo imageSmoothingQuality (low / medium / high) llegó después, Chrome 54 en 2016, Firefox 51 en 2017, Safari 11.1 en 2018. Antes de eso, el redimensionado del lado navegador era efectivamente bilineal en todas las implementaciones, incluso cuando la herramienta pedía «alta calidad».
• Superresolución por IA, 2018-2021. ESRGAN (Wang et al., 2018) demostró que las redes generativas adversariales podían sintetizar detalle creíble para fotos ampliadas. Real-ESRGAN (Wang et al., 2021) hizo la técnica práctica para entradas del mundo real; waifu2x (nagadomi, 2015) había ajustado antes una variante basada en CNN para arte anime. Adobe Camera Raw añadió Super Resolution en 2021. Estas herramientas no sustituyen al remuestreo clásico para reducción; apuntan al caso en que se quiere específicamente detalle alucinado en lugar de interpolación suave.

Tamaños de imagen comunes

• 1920 x 1080 · Full HD, estándar para fondos web y miniaturas de YouTube.
• 1080 x 1080 · Publicaciones del feed de Instagram (formato cuadrado).
• 1080 x 1350 · Publicaciones verticales de Instagram (ocupan más espacio en el feed).
• 1280 x 720 · HD, ideal para encabezados de blog y presentaciones.
• 800 x 600 · Tamaño web clásico, ideal para boletines por correo.
• 400 x 400 · Fotos de perfil y avatares.
• 16 x 16 / 32 x 32 · Tamaños de favicon para sitios web.

Flujos de redimensionado del mundo real

• Tamaños para redes sociales. Cada plataforma social tiene dimensiones preferidas para publicaciones de feed, historias, banners y miniaturas. Subir con el tamaño equivocado significa que la plataforma recorta o añade bandas negras en tu lugar, a menudo mal. Objetivos comunes en 2026: feed de Instagram 1080x1080 (cuadrado) o 1080x1350 (vertical, actualmente el formato fijo de mayor interacción porque ocupa alrededor del 25 % más de pantalla vertical en móvil), Instagram Stories y Reels 1080x1920, miniatura de YouTube 1280x720, tarjeta de Twitter/X 1200x675, vista previa de enlaces de Facebook y LinkedIn (Open Graph) 1200x630, pin estándar de Pinterest 1000x1500, TikTok 1080x1920. Redimensionar una sola vez antes de subir garantiza el resultado que quieres; subir fotos en bruto deja la decisión a la plataforma.
• Optimización web y Core Web Vitals. La auditoría «Properly size images» de Lighthouse falla en cualquier imagen cuyas dimensiones naturales son mucho mayores que las dimensiones de visualización. Una imagen hero mostrada a 1200 píxeles de ancho pero servida a 4000 píxeles desperdicia ancho de banda y perjudica el Largest Contentful Paint, el Core Web Vital más visible. La solución es redimensionar la fuente a aproximadamente el tamaño mostrado, o a 2x para pantallas retina, y servir distintos tamaños a distintos viewports con el atributo moderno srcset. Redimensionar una sola imagen hero de 4000 a 1920 píxeles suele recortar el tamaño del archivo entre un 60 y un 80 %, y la puntuación LCP sigue ese camino.
• Adjuntos de correo electrónico. Gmail, Outlook y Apple Mail limitan todos los adjuntos a 25 MB por mensaje. Una carpeta de fotos de móvil a resolución completa puede tocar el tope con apenas cinco o seis imágenes. Redimensionar el lado largo a 1920 píxeles suele dejar cada foto por debajo de 1 MB manteniéndose perfectamente visible en cualquier pantalla de portátil o teléfono. Veinte fotos a 1920 píxeles caben cómodamente en un solo mensaje; las mismas veinte a resolución completa necesitarían tres o cuatro envíos o un enlace de almacenamiento en la nube.
• Fotos de perfil y avatares. La mayoría de plataformas sociales quieren entre 400x400 y 800x800 píxeles para las fotos de perfil y las muestran como un círculo. Redimensionar localmente antes de subir te permite controlar el recorte cuadrado (combinado con el Recortador de imágenes de esta herramienta) y el número exacto de píxeles, en lugar de dejar a la plataforma recortar arbitrariamente. La regla práctica para pantallas retina es subir al doble del tamaño de visualización, así que un avatar de 200 píxeles debería tener una fuente de al menos 400x400.
• Generación de favicons e iconos de aplicación. Los navegadores modernos quieren 16x16 (pestaña) y 32x32 (pestaña a alta densidad), los iconos Apple Touch quieren 180x180, las baldosas de Windows quieren 270x270, y los manifiestos de Progressive Web App suelen incluir 192x192 más 512x512. Redimensionar una única fuente cuadrada bien diseñada (típicamente 512x512 PNG sin detalle fino) a cada uno de estos objetivos es el flujo canónico para producir iconos nítidos en todas las plataformas.
• Preparación para impresión. Una copia fotográfica de 4x6 pulgadas a 300 DPI necesita 1200x1800 píxeles de resolución fuente. Un póster de 16x20 pulgadas necesita 4800x6000. Una copia de 8x10 pulgadas a 240 DPI (calidad prensa) necesita 1920x2400. Redimensionar la fuente al número de píxeles correcto para el tamaño de impresión previsto evita que el laboratorio de impresión tenga que remuestrear automáticamente en tu lugar, lo que evita elecciones de filtro impredecibles y ajustes de calidad desconocidos. Empareja el conteo de píxeles redimensionado con los metadatos DPI correctos en tu diálogo de impresión y el resultado coincide con lo que viste en pantalla.

Errores comunes y su significado

• Ampliar siempre se ve borroso. Una miniatura de 200 píxeles de ancho ampliada a 1920 píxeles se verá blanda independientemente del navegador o del ajuste de calidad usado. La interpolación clásica (bicúbica, Lanczos, Mitchell) solo puede suavizar entre muestras conocidas; no puede inventar el detalle ausente. El techo teórico de información lo fija la frecuencia de Nyquist de la fuente. Para una ampliación real que produzca salida nítida, pasa la fuente por una herramienta de superresolución (Real-ESRGAN, Topaz Gigapixel AI, Adobe Super Resolution en Camera Raw) que alucine detalle plausible con una red neuronal entrenada con millones de imágenes similares.
• Desbloquear la relación de aspecto estira la foto. Con el icono del candado desactivado y ancho y alto incoherentes, la salida queda matemáticamente comprimida o estirada. La herramienta por defecto está bloqueada; desbloquear es una acción deliberada. Si necesitas adaptarte a una relación de aspecto objetivo en lugar de la natural de la fuente, el flujo correcto es recortar primero (usa el Recortador de imágenes) y después redimensionar el resultado recortado. Eso mantiene las proporciones correctas y el sujeto sin deformar.
• El pixel art queda emborronado. El suavizado activado por defecto de esta herramienta arruina los sprites de 8 bits, los iconos de rejilla de píxeles y cualquier gráfico donde los bordes duros entre celdas de color son lo importante. Remuestrear con cualquier filtro suavizador (bilineal, bicúbico, Lanczos) convierte esos bordes en degradados. Para pixel art la respuesta correcta es el redimensionado con vecino más cercano, que conserva cada borde duro. Del lado navegador, ajusta image-rendering: pixelated en CSS sobre la imagen mostrada. Para una exportación real a un nuevo tamaño, usa una herramienta de escritorio: -filter Point de ImageMagick, la interpolación «Ninguna» de GIMP, o editores especializados como Aseprite.
• Re-redimensionar degrada JPEG y WebP. Cada ida y vuelta por el canvas vuelve a codificar JPEG o WebP a calidad 0,92. La primera pasada es visualmente imperceptible; la tercera o cuarta introduce artefactos visibles en zonas planas y suaviza el detalle fino. Redimensiona siempre desde el máster de mayor resolución que tengas, no desde una copia exportada ayer. Si necesitas iterar (probar 1920, luego 1600, luego 1280), vuelve a la fuente original cada vez en lugar de encadenar redimensionados.
• El DPI de impresión no es lo mismo que las dimensiones en píxeles. Mucha gente espera que un campo «DPI» o «resolución» controle el tamaño de impresión. Esta herramienta redimensiona solo por número de píxeles. La etiqueta DPI dentro de un JPEG o un PNG es un metadato consultivo para impresoras que indica cuántos píxeles-por-pulgada renderizar sobre el papel. Las dimensiones en píxeles y el DPI son independientes: una imagen de 1920x1080 son 1920x1080 píxeles a cualquier ajuste de DPI. Para controlar el tamaño de impresión también tienes que ajustar el DPI correcto en un diálogo de impresión o en una herramienta fotográfica de escritorio (panel de impresión de Vista Previa, diálogo Tamaño de imagen de Photoshop con «Remuestrear» desactivado).
• Imágenes muy grandes pueden bloquear una pestaña móvil. Decodificar una imagen a un canvas requiere RAM proporcional a sus dimensiones: una foto de 24 megapíxeles (6000x4000 píxeles) necesita unos 96 MB solo para el búfer de píxeles RGBA fuente, más un búfer aparte para el canvas objetivo, más el espacio de trabajo del codificador JPEG o WebP. Los dispositivos móviles con 1 a 2 GB de RAM disponibles para el navegador pueden ver la pestaña cerrada por el sistema operativo antes de que termine la codificación. Para fotos muy grandes, redimensiona en un navegador de escritorio, o reduce por etapas (primero 50 %, luego otro 50 %) para que cada paso quepa en la memoria disponible.

Privacidad: las imágenes nunca salen de tu dispositivo

Cada redimensionador de imágenes basado en la nube (iLoveIMG, ResizeImage.net, ResizePixel, BeFunky, Fotor, el endpoint de redimensionado de Pixlr, las decenas de servicios «redimensionar imagen online») sube tu archivo a los servidores del operador, ejecuta su algoritmo de redimensionado y devuelve la imagen más pequeña como descarga. Las implicaciones de privacidad no son triviales porque las fotos contienen rutinariamente contenido identificable: rostros, direcciones visibles al fondo, capturas de interfaces internas o documentos confidenciales, fotos de menores, fotos tomadas en espacios privados, escaneos de documentos con información personal. La mayoría de operadores publican políticas de privacidad comprometiéndose a borrar las subidas en una o dos horas y a cifrar en tránsito, y los más grandes ostentan la certificación ISO/IEC 27001. Tienen fuertes incentivos comerciales para cumplir esas políticas. Pero «borrado en una hora» no es «nunca visto». Durante esa hora el contenido de la imagen está en la infraestructura del operador, accesible a cualquier proceso o persona con permisos adecuados, y visible en registros y copias según la política de retención aplicable.

Este redimensionador nunca sube nada. Toda la canalización (selección de archivo, decodificación de imagen, redimensionado canvas, codificación, descarga) se ejecuta dentro de tu pestaña de navegador con JavaScript y la API Canvas de HTML5. Sin subida, sin petición de red transportando datos de imagen, sin entrada de registro. Puedes verificarlo abriendo las herramientas de desarrollo del navegador en la pestaña Red antes de redimensionar: no se dispara ninguna petición con contenido de imagen. El único tráfico de red es la carga inicial de la página y un pequeño script image-resizer.js. Pon el navegador en modo avión tras cargar la página y el redimensionador sigue funcionando sobre cualquier archivo local que selecciones, la prueba empírica más fuerte de que nada se sube. Para fotos con cualquier cosa sensible (rostros, ubicaciones, capturas internas, documentos de identidad), el compromiso del lado navegador claramente vale la pena.

Cuándo otra herramienta es la elección correcta

• Automatización por lotes sobre cientos de archivos. Usa sharp en Node.js (la biblioteca canónica de imagen del lado servidor, construida sobre libvips), ImageMagick o GraphicsMagick en línea de comandos, o Pillow en Python. Estas herramientas manejan miles de archivos sin los límites de memoria del navegador, exponen cada núcleo de remuestreo como opción explícita, y corren desde trabajos de CI, hooks de despliegue o tareas cron.
• Superresolución por IA para ampliación genuina. Para una ampliación nítida que realmente añada detalle, usa un upscaler por red neuronal. Real-ESRGAN (código abierto, corre localmente vía ChaiNNer o la línea de comandos), waifu2x (código abierto, demos web gratuitas disponibles), Topaz Gigapixel AI (comercial, escritorio) o Adobe Super Resolution dentro de Camera Raw o Lightroom. Estos modelos alucinan detalle plausible en lugar de recuperarlo; los resultados se ven nítidos en rostros y texturas naturales porque el modelo ha visto muchas imágenes similares durante el entrenamiento.
• Redimensionado de pixel art que preserva bordes duros. Usa una herramienta que exponga explícitamente el remuestreo de vecino más cercano: -filter Point de ImageMagick, la interpolación en «Ninguna» de GIMP, o editores especializados de pixel art como Aseprite. Esta herramienta siempre suaviza porque el indicador imageSmoothingEnabled de la API Canvas está activado; desactivarlo degradaría todos los demás casos de uso, por lo que el equilibrio favorece las fotos antes que los sprites.
• Flujos de calidad de impresión con control de DPI. Adobe Photoshop, Affinity Photo o Lightroom exponen las dimensiones en píxeles y el DPI como ajustes independientes, admiten flujos con gestión de color (preservación de perfiles ICC, prueba en pantalla, salida CMYK), y recuerdan un historial de redimensionado no destructivo. El redimensionado Canvas del lado navegador no puede garantizar ninguna de esas cosas porque Canvas opera en sRGB y puede descartar los perfiles de color incrustados durante la recodificación.

Preguntas frecuentes

¿Redimensionar reduce la calidad de la imagen?

Reducir el tamaño preserva bien la calidad. Aumentarlo (hacer una imagen más grande que su original) provocará cierta borrosidad, ya que hay que interpolar nuevos píxeles. Para mejores resultados, empieza con la imagen fuente de mayor resolución que tengas.

¿Qué hace «bloquear proporción de aspecto»?

Cuando está bloqueada, cambiar el ancho ajusta automáticamente el alto (y viceversa) para mantener las proporciones originales de la imagen. Desbloquéala si necesitas estirar o comprimir la imagen a dimensiones exactas.

¿Se sube mi imagen a un servidor?

No. Todo el redimensionamiento ocurre localmente en tu navegador mediante la API Canvas de HTML5. Tu imagen nunca sale de tu dispositivo.

¿Puedo cambiar el formato de salida?

Sí. Puedes exportar la imagen redimensionada como JPEG, PNG o WebP, independientemente del formato original. Esto es útil para convertir formatos mientras redimensionas.

Más preguntas frecuentes

¿Cuál es la diferencia entre DPI, PPI y dimensiones en píxeles?

Las dimensiones en píxeles (ancho por alto en píxeles) describen lo que la imagen contiene realmente. PPI (píxeles por pulgada) describe con qué densidad se muestran esos píxeles en una pantalla, una propiedad del hardware de visualización, no del archivo. DPI (puntos por pulgada) describe cuántos puntos de salida de impresora se depositarán por pulgada de papel cuando la imagen se imprima. La etiqueta DPI incrustada en un JPEG o un PNG es metadato consultivo para impresoras; no cambia los datos de píxel. Una imagen de 1920x1080 son 1920x1080 píxeles a cualquier ajuste de DPI. Para reducir una impresión, o bien reduce el número de píxeles (esta herramienta), o aumenta el metadato DPI antes de enviar a imprimir (el diálogo de impresión de una herramienta de escritorio o el Tamaño de imagen de Photoshop con «Remuestrear» desactivado).

¿Por qué mi imagen ampliada se ve borrosa?

Porque la teoría de la información dice que debe estarlo. El remuestreo clásico (bicúbico, Lanczos, Mitchell) solo puede interpolar suavemente entre píxeles fuente conocidos; no puede inventar el detalle que nunca se muestreó. El teorema de muestreo de Nyquist-Shannon fija un techo duro: las frecuencias por encima de la mitad del paso de la rejilla de píxeles de la fuente son matemáticamente irrecuperables. Ampliar una fuente de 200 píxeles a 1920 píxeles siempre se verá blando porque el 90 % de los nuevos píxeles están interpolados. Para ampliación nítida usa un modelo de superresolución (Real-ESRGAN, Topaz Gigapixel, Adobe Super Resolution) que sintetiza detalle plausible vía una red neuronal entrenada con millones de imágenes similares.

¿Debo redimensionar para pantallas retina o HiDPI?

Sí. Las pantallas retina de iPhone, MacBook y las pantallas HiDPI de Windows renderizan a 2x o 3x la densidad de píxeles CSS lógica. Una imagen hero que se muestra a 1200 píxeles lógicos de ancho en una pantalla retina realmente pinta 2400 píxeles físicos. Sirve la fuente 2x vía el atributo srcset de HTML (el estándar moderno de imágenes responsivas) y el navegador elige la correcta para el dispositivo de cada visitante. Para un único avatar o imagen hero sin srcset, simplemente redimensiona a 2x el tamaño de visualización: la imagen se verá nítida en retina y solo ligeramente sobredimensionada en no-retina, lo que cuesta un poco de ancho de banda pero evita el desenfoque mucho más visible de una imagen infradimensionada estirada sobre píxeles de alta densidad.

¿Funciona esta herramienta sin conexión?

Sí. La API Canvas de HTML5 forma parte del propio navegador, no es una biblioteca descargada, por lo que no hay un runtime aparte que cachear. La página se carga de la forma habitual; una vez abierta, el redimensionador corre por completo a partir del código integrado en el navegador sobre cualquier archivo local que selecciones. Puedes verificarlo poniendo el modo avión tras abrir la página y redimensionando una imagen local. El resultado descargado se genera localmente y lo guarda el mecanismo normal de descarga del navegador, también sin participación de red.

¿Debo recortar antes de redimensionar, o después?

Recorta primero, luego redimensiona. El recorte fija la relación de aspecto (16:9 para YouTube, 1:1 para el feed de Instagram, 9:16 para Stories, 1,91:1 para Open Graph) descartando los píxeles de borde no deseados. El redimensionado fija después el número de píxeles para la relación de aspecto elegida. Hacer los pasos en el otro orden también es posible pero desperdicia trabajo, remuestrearías más píxeles de los necesarios para después tirar algunos durante el recorte. Para esta herramienta, usa primero el Recortador de imágenes para fijar la relación de aspecto y después este Redimensionador de imágenes para fijar las dimensiones objetivo exactas. Muchos flujos específicos de plataforma (miniatura de YouTube 1280x720, feed de Instagram 1080x1080) combinan ambos pasos; hacerlos en secuencia con dos herramientas dedicadas da una salida más limpia que intentar hacerlo todo de una vez con relaciones de aspecto estiradas.

¿Hay un equivalente de escritorio o de línea de comandos?

Varios. Para automatización por lotes, sharp en Node.js es la biblioteca canónica del lado servidor (construida sobre libvips). ImageMagick (magick input.jpg -resize 1920x1080 output.jpg) y GraphicsMagick corren desde cualquier shell y manejan archivos enormes. Pillow en Python (Image.open(p).resize((1920, 1080), Image.LANCZOS)) es el valor por defecto para flujos de ciencia de datos. Para trabajo interactivo puntual como esta herramienta pero con control explícito por núcleo y más formatos de salida incluido AVIF, Squoosh (Google Chrome Labs, enteramente del lado cliente) es la alternativa de navegador recomendada. Photoshop, Affinity Photo y Vista Previa en macOS (Herramientas, Ajustar tamaño) cubren el caso de GUI de escritorio.

Herramientas relacionadas