Pengubah Ukuran Gambar Gratis Online

Cara Mengubah Ukuran Gambar

1. Pilih atau letakkan file gambar di atas.
2. Pilih ukuran prasetel atau masukkan lebar dan tinggi khusus dalam piksel.
3. Alihkan ikon kunci untuk mempertahankan atau mengabaikan rasio aspek asli.
4. Klik "Ubah Ukuran Gambar" untuk memproses gambar di peramban Anda.
5. Unduh gambar yang telah diubah ukurannya secara instan.

Apa yang sebenarnya dilakukan resize pada piksel Anda

Mengubah ukuran gambar bukan operasi yang sama dengan memotongnya atau mengompresnya. Pemotongan membuang piksel di tepi dan menjaga sisanya tidak berubah. Kompresi menjaga setiap piksel tetapi mengkodekannya lebih ketat. Resize secara harfiah mengubah jumlah piksel: gambar sumber 4000x3000 yang diskalakan ulang menjadi 1920x1440 harus membuang sebagian besar pikselnya dan memilih yang baru untuk merepresentasikan adegan yang sama pada seperempat resolusi. Operasi matematis yang menentukan piksel baru mana yang akan ditulis disebut resampling, dan kualitas penskalaan hampir sepenuhnya tergantung pada algoritma resampling mana yang dijalankan.

Empat algoritma resampling yang umum digunakan adalah nearest-neighbour (pilih piksel sumber tunggal terdekat, tepi keras dipertahankan, berblok pada pembesaran, satu-satunya pilihan yang tepat untuk pixel art), bilinear (campuran linear dari 4 piksel sumber di sekitarnya, cepat dan biasa), bicubic (kernel kubik Keys 1981 atas 16 piksel di sekitarnya, default Photoshop selama beberapa dekade), dan Lanczos (fungsi sinc dijendelakan oleh kernel Lanczos, output paling tajam, ringing ringan dekat tepi keras, yang digunakan ImageMagick dan Sharp secara default untuk downscale). Alat ini mengatur imageSmoothingQuality Canvas API menjadi "high", yang Chrome dan Firefox tafsirkan sebagai kernel kelas Lanczos di desktop dan Safari tafsirkan sebagai kernel kelas bicubic. Browser memilih; JavaScript dapat meminta high tetapi tidak dapat memilih filter yang tepat.

Downscaling dan upscaling bukan masalah simetris. Downscaling membuang informasi dengan cara yang terkendali; resampler memutuskan detail mana yang akan disimpan dan algoritma yang baik mempertahankan struktur sumber yang terlihat. Upscaling menambahkan piksel yang tidak pernah disampel, dan teori informasi (teorema sampling Nyquist-Shannon) mengatakan Anda tidak dapat memulihkan frekuensi yang tidak ada dalam sinyal asli. Yang terbaik yang dapat dilakukan resampler klasik adalah menginterpolasi dengan mulus antar sampel yang diketahui, yang selalu terlihat lembut. Untuk pembesaran asli, alternatif modern adalah super-resolusi AI (Real-ESRGAN, waifu2x, Adobe Super Resolution, Topaz Gigapixel), yang menghalusinasi detail yang masuk akal menggunakan jaringan saraf yang dilatih pada jutaan gambar serupa. Itu bukan yang sedang terjadi di sini. Alat ini melakukan interpolasi yang jujur.

Bagaimana alat ini bekerja di balik layar

Seluruh pipeline adalah HTML5 Canvas 2D API. Tidak ada library eksternal yang dimuat. Saat Anda menjatuhkan gambar, File API browser menyerahkan byte ke HTMLImageElement baru; dekoder JPEG, PNG, atau WebP bawaan browser mengubah bitstream menjadi buffer piksel. Rasio aspek dihitung dari lebar dan tinggi alami. Elemen baru dibuat di memori pada dimensi target yang Anda atur, dan ctx.drawImage(image, 0, 0, targetWidth, targetHeight) menggambar sumber yang diskalakan ke tujuan. Karena tujuan memiliki dimensi yang berbeda dari sumber, browser memanggil kernel resampling-nya untuk menghitung setiap piksel baru.

Sebelum panggilan drawImage, alat mengatur ctx.imageSmoothingEnabled = true dan ctx.imageSmoothingQuality = "high". Flag pertama mengaktifkan smoothing (nearest-neighbour off); yang kedua memberi petunjuk browser untuk menggunakan filter kualitas tertinggi. Spesifikasi canvas WHATWG meninggalkan filter yang tepat ke implementasi. Chrome dan Firefox di desktop menggunakan kernel kelas Lanczos di high; Safari menggunakan kernel kelas bicubic; build mobile dapat menurunkan ke bilinear di bawah tekanan memori. Tidak satu pun dari ini terlihat oleh JavaScript. Setelah menggambar, canvas.toBlob(mimeType, quality) mengserialkan canvas menjadi Blob dalam format output yang dipilih: PNG (DEFLATE lossless, argumen quality diabaikan), JPEG (DCT lossy pada kualitas 0,92), atau WebP (lossy atau lossless pada kualitas 0,92). Blob menjadi URL objek yang dapat diunduh.

Tidak ada byte yang meninggalkan tab. Gambar didekode di browser Anda, di-resample di browser Anda, dan dikodekan ulang di browser Anda. File yang diunduh dihasilkan secara lokal dan disimpan ke perangkat Anda oleh mekanisme unduhan normal browser. Satu-satunya lalu lintas jaringan adalah pemuatan halaman awal dan skrip image-resizer.js kecil (beberapa kilobyte). Alihkan browser Anda ke mode pesawat setelah halaman dimuat dan resizer terus bekerja pada gambar lokal apa pun yang Anda pilih. Buka tab Network DevTools selama resize: tidak ada permintaan yang membawa data gambar. Seluruh arsitektur sengaja minimal karena Canvas API sudah cukup kuat untuk pekerjaan ini; menarik library hanya akan menambah byte dan kompleksitas tanpa mengubah output.

Sejarah singkat resampling gambar

• Enlarger optik, era pra-digital. Sebelum fotografi digital, memperbesar foto berarti memproyeksikan negatif melalui enlarger optik ke selembar kertas peka cahaya. Lensa melakukan resampling secara terus-menerus, tanpa kuantisasi, tetapi dengan batas optik lensa itu sendiri. Enlarger komersial pertama berasal dari tahun 1860-an. Resampling sebagai operasi matematis hanya menjadi pertanyaan yang bermakna ketika gambar ada sebagai grid piksel daripada emulsi kontinu.
• Interpolasi bicubic, 1973-1981. Robert G. Rifman menerbitkan algoritma resampling gambar bicubic-spline di TRW Defense and Space Systems pada tahun 1973, ditulis untuk penskalaan ulang citra satelit. Formulasi kanonik datang dari R. G. Keys pada tahun 1981: Cubic Convolution Interpolation for Digital Image Processing di IEEE Transactions on Acoustics, Speech, and Signal Processing. Setiap library pencitraan yang mengatakan bicubic hari ini berarti kernel kubik Keys dievaluasi atas tetangga 4x4.
• Filter Mitchell-Netravali, 1988. Don P. Mitchell dan Arun N. Netravali menerbitkan Reconstruction Filters in Computer Graphics di SIGGRAPH '88, memperkenalkan keluarga parameterisasi dari filter kubik yang dapat disesuaikan oleh dua koefisien B dan C. Filter Mitchell kanonik (B=C=1/3) memperdagangkan sedikit ketajaman untuk ringing yang sangat rendah dan menjadi default standar untuk downscale di library gambar kelas tinggi seperti libvips.
• Filter ImageMagick yang dapat dipilih, 1990-an. John Cristy merilis ImageMagick (awalnya 1987, publik pada 1990) dengan filter resampling yang dapat dipilih sebagai fitur kelas pertama. Pada pertengahan 1990-an, fotografer dan profesional DTP dapat membandingkan Lanczos, Mitchell, Catmull-Rom, Hermite, dan Gaussian pada gambar sumber yang sama, memilih per kasus penggunaan. -filter Lanczos dari ImageMagick masih merupakan resep umum dalam pipeline produksi.
• Resize HTML5 Canvas, 2008-2017. Spesifikasi canvas WHATWG menstandarisasi drawImage() dengan skala implisit pada tahun 2008, dan bentuk 9-argumen (yang digunakan di sini) telah ada di setiap browser sejak saat itu. Atribut imageSmoothingQuality (low / medium / high) dirilis kemudian, Chrome 54 pada 2016, Firefox 51 pada 2017, Safari 11.1 pada 2018. Sebelum itu, resize sisi browser secara efektif hanya bilinear di setiap implementasi, bahkan ketika alat meminta high quality.
• Super-resolusi AI, 2018-2021. ESRGAN (Wang et al., 2018) menunjukkan bahwa jaringan generatif-adversarial dapat mensintesis detail yang dapat dipercaya untuk foto yang diperbesar. Real-ESRGAN (Wang et al., 2021) membuat teknik praktis untuk input dunia nyata; waifu2x (nagadomi, 2015) sebelumnya telah menyetel varian berbasis CNN untuk seni anime. Adobe Camera Raw menambahkan Super Resolution pada 2021. Alat-alat ini tidak menggantikan resampling klasik untuk downscale; mereka menargetkan kasus di mana Anda secara khusus menginginkan detail yang dihalusinasi daripada interpolasi mulus.

Ukuran Gambar Umum

• 1920 x 1080 · Full HD, standar untuk latar belakang web dan thumbnail YouTube.
• 1080 x 1080 · Postingan umpan Instagram (format persegi).
• 1080 x 1350 · Postingan potret Instagram (memakan lebih banyak ruang layar di umpan).
• 1280 x 720 · HD, bagus untuk header blog dan presentasi.
• 800 x 600 · Ukuran gambar web klasik, bagus untuk buletin email.
• 400 x 400 · Foto profil dan gambar avatar.
• 16 x 16 / 32 x 32 · Ukuran Favicon untuk situs web.

Alur kerja resize dunia nyata

• Penentuan ukuran platform media sosial. Setiap platform media sosial memiliki dimensi yang disukai untuk posting feed, story, banner, dan thumbnail. Mengunggah pada ukuran yang salah berarti platform memotong atau letterbox atas nama Anda, sering buruk. Target umum 2026: Instagram feed 1080x1080 (persegi) atau 1080x1350 (potret, saat ini format diam dengan engagement tertinggi karena menempati sekitar 25% lebih banyak layar vertikal pada feed mobile), Instagram Stories dan Reels 1080x1920, thumbnail YouTube 1280x720, kartu in-stream Twitter/X 1200x675, pratinjau link Facebook dan LinkedIn (Open Graph) 1200x630, pin standar Pinterest 1000x1500, TikTok 1080x1920. Resize sekali sebelum unggah menjamin hasil yang Anda inginkan; mengunggah foto mentah meninggalkan pilihan ke platform.
• Optimasi web dan Core Web Vitals. Audit Properly size images Lighthouse gagal pada gambar apa pun di mana dimensi alami jauh lebih besar daripada dimensi yang ditampilkan. Gambar hero yang ditampilkan pada 1200 piksel lebar tetapi disajikan pada 4000 piksel membuang bandwidth dan menyakiti Largest Contentful Paint, Core Web Vital yang paling terlihat. Perbaikannya adalah mengubah ukuran sumber menjadi sekitar ukuran yang ditampilkan, atau ke 2x untuk display retina, dan menyajikan ukuran berbeda ke viewport yang berbeda melalui atribut srcset modern. Mengubah ukuran satu gambar hero dari 4000 ke 1920 piksel biasanya memotong ukuran file sebesar 60 hingga 80% dan skor LCP mengikuti secara langsung.
• Lampiran email. Gmail, Outlook, dan Apple Mail semua membatasi lampiran pada 25 MB per pesan. Folder foto ponsel pada resolusi penuh dapat mencapai batas dengan hanya lima atau enam gambar. Mengubah ukuran sisi panjang menjadi 1920 piksel biasanya memotong setiap foto menjadi di bawah 1 MB sambil tetap sempurna dapat dilihat pada layar laptop atau ponsel mana pun. Dua puluh foto pada 1920 piksel pas dengan nyaman dalam satu pesan; dua puluh yang sama pada resolusi penuh akan memerlukan tiga atau empat pengiriman atau link berbagi cloud.
• Foto profil dan avatar. Sebagian besar platform media sosial menginginkan 400x400 hingga 800x800 piksel untuk foto profil dan menampilkannya sebagai lingkaran. Mengubah ukuran secara lokal sebelum mengunggah memungkinkan Anda mengontrol pemotongan aspek persegi (digabungkan dengan Image Cropper alat ini) dan jumlah piksel yang tepat, daripada membiarkan platform memotong secara sewenang-wenang. Aturan praktis tampilan retina adalah mengunggah pada dua kali ukuran tampilan, jadi avatar 200 piksel harus setidaknya sumber 400x400.
• Generasi favicon dan ikon aplikasi. Browser modern menginginkan 16x16 (tab browser) dan 32x32 (tab DPI tinggi), ikon sentuh Apple menginginkan 180x180, ikon tile Windows menginginkan 270x270, dan manifest Progressive Web App biasanya mencakup 192x192 plus 512x512. Mengubah ukuran satu sumber persegi yang dirancang dengan baik (biasanya PNG 512x512 tanpa detail halus) ke masing-masing target ini adalah alur kerja kanonik untuk menghasilkan ikon yang tajam di setiap platform.
• Persiapan cetak. Cetakan foto 4x6 inci pada 300 DPI memerlukan 1200x1800 piksel resolusi sumber. Poster 16x20 inci memerlukan 4800x6000. Cetakan 8x10 inci pada 240 DPI (kualitas newsprint) memerlukan 1920x2400. Mengubah ukuran sumber menjadi jumlah piksel yang benar untuk ukuran cetak yang dimaksudkan berarti lab cetak tidak perlu melakukan auto-resample atas nama Anda, yang menghindari pilihan filter yang tidak dapat diprediksi dan pengaturan kualitas yang tidak diketahui. Pasangkan jumlah piksel yang diubah ukurannya dengan metadata DPI yang tepat di dialog cetak Anda dan hasilnya cocok dengan apa yang Anda lihat di layar.

Jebakan umum dan artinya

• Upscaling selalu terlihat buram. Thumbnail lebar 200 piksel yang diperbesar menjadi 1920 piksel akan terlihat lembut tidak peduli browser atau pengaturan kualitas mana yang digunakan. Interpolasi klasik (bicubic, Lanczos, Mitchell) hanya dapat menghaluskan antara sampel yang diketahui; tidak dapat menciptakan detail yang hilang. Ceiling teori informasi diatur oleh frekuensi Nyquist sumber. Untuk pembesaran nyata yang menghasilkan output tajam, jalankan sumber melalui alat super-resolusi (Real-ESRGAN, Topaz Gigapixel AI, Adobe Super Resolution di Camera Raw) yang menghalusinasi detail yang masuk akal menggunakan jaringan saraf yang dilatih pada jutaan gambar serupa.
• Membuka kunci rasio aspek meregangkan foto. Dengan ikon kunci dinonaktifkan dan lebar dan tinggi tidak cocok, output secara matematis dihimpit atau diregangkan. Alat default ke lock-on; membuka kunci adalah tindakan yang disengaja. Jika Anda perlu cocok ke rasio aspek target daripada yang alami sumber, alur kerja yang tepat adalah memotong terlebih dahulu (gunakan Image Cropper) dan kemudian mengubah ukuran hasil yang dipotong. Itu menjaga proporsi tetap benar dan subjek tidak terdistorsi.
• Pixel art dihaluskan. Default smoothing-on alat ini menghancurkan sprite 8-bit, ikon grid piksel, dan grafis apa pun di mana tepi keras antara sel berwarna adalah intinya. Resampling dengan filter smoothing apa pun (bilinear, bicubic, Lanczos) mengaburkan tepi-tepi itu menjadi gradien. Untuk pixel art jawaban yang tepat adalah resize nearest-neighbour, yang mempertahankan setiap tepi keras. Sisi browser, atur image-rendering: pixelated di CSS pada gambar yang ditampilkan. Untuk ekspor aktual pada ukuran baru, gunakan alat desktop: -filter Point ImageMagick, interpolasi None GIMP, atau editor khusus seperti Aseprite.
• Resize ulang mendegradasi JPEG dan WebP. Setiap perjalanan bolak-balik melalui canvas mengenkode ulang JPEG atau WebP pada kualitas 0,92. Pass pertama secara visual tidak terlihat; pass ketiga atau keempat memperkenalkan artefak yang terlihat di area datar dan melembutkan detail halus. Selalu mengubah ukuran dari master resolusi tertinggi yang Anda miliki, bukan dari salinan yang Anda ekspor kemarin. Jika Anda perlu mengiterasi (coba 1920, lalu 1600, lalu 1280), kembali ke sumber asli setiap kali daripada merantai resize.
• DPI cetak bukan sama dengan dimensi piksel. Banyak orang mengharapkan field DPI atau resolusi mengontrol ukuran cetak. Alat ini hanya mengubah ukuran berdasarkan jumlah piksel. Tag metadata DPI di JPEG atau PNG adalah informasi penasihat untuk printer yang memberi tahu mereka berapa banyak piksel-per-inci yang harus dirender di kertas. Dimensi piksel dan DPI tidak tergantung: gambar 1920x1080 adalah 1920x1080 piksel pada pengaturan DPI apa pun. Untuk mengontrol ukuran cetak Anda juga perlu mengatur DPI yang tepat di dialog cetak atau alat foto desktop (panel Print Preview, dialog Image Size Photoshop dengan Resample Image dimatikan).
• Gambar yang sangat besar dapat merusak tab browser seluler. Mendekode gambar ke canvas membutuhkan RAM proporsional dengan dimensinya: foto 24 megapiksel (6000x4000 piksel) membutuhkan sekitar 96 MB hanya untuk buffer piksel RGBA sumber, ditambah buffer terpisah untuk canvas target, ditambah ruang kerja encoder JPEG atau WebP. Perangkat seluler dengan 1 hingga 2 GB RAM tersedia untuk browser mungkin memiliki tab dihentikan oleh OS sebelum encoding selesai. Untuk foto yang sangat besar, ubah ukuran di browser desktop, atau perkecil dalam tahapan (50% pertama, lalu 50% lagi) sehingga setiap langkah cocok dalam memori yang tersedia.

Privasi: gambar tidak pernah meninggalkan perangkat Anda

Setiap pengubah ukuran gambar berbasis cloud (iLoveIMG, ResizeImage.net, ResizePixel, BeFunky, Fotor, endpoint resize Pixlr, lusinan layanan resize image online) mengunggah file Anda ke server operator, menjalankan algoritma resize mereka, dan mengembalikan gambar yang lebih kecil sebagai unduhan. Implikasi privasi tidak sepele karena foto secara rutin mengandung konten yang dapat diidentifikasi: wajah, alamat yang terlihat di latar belakang, screenshot UI internal atau dokumen rahasia, foto anak-anak, foto yang diambil di ruang pribadi, scan dokumen yang berisi informasi pribadi. Sebagian besar operator menerbitkan kebijakan privasi yang berkomitmen untuk menghapus unggahan dalam satu atau dua jam dan untuk mengenkripsi dalam transit, dan yang lebih besar memegang sertifikasi ISO/IEC 27001. Mereka memiliki alasan komersial yang kuat untuk menghormati kebijakan tersebut. Tetapi dihapus dalam satu jam bukanlah tidak pernah dilihat. Selama jam itu, konten gambar berada di infrastruktur operator, dapat diakses oleh proses atau orang mana pun dengan akses yang sesuai, dan terlihat dalam log dan cadangan sesuai dengan kebijakan retensi apa pun yang berlaku.

Pengubah ukuran ini tidak pernah mengunggah apa pun. Seluruh pipeline (pemilihan file, decode gambar, resize canvas, encode, unduhan) berjalan di dalam tab browser Anda menggunakan JavaScript dan HTML5 Canvas API. Tidak ada unggahan, tidak ada permintaan jaringan yang membawa data gambar, tidak ada entri log. Anda dapat memverifikasi dengan membuka alat pengembang browser ke tab Network sebelum mengubah ukuran: tidak ada permintaan yang menyala yang menyertakan konten gambar. Satu-satunya lalu lintas jaringan adalah pemuatan halaman awal dan skrip image-resizer.js kecil. Alihkan browser ke mode pesawat setelah halaman dimuat dan pengubah ukuran terus bekerja pada file lokal apa pun yang Anda pilih, bukti empiris terkuat bahwa tidak ada yang sedang diunggah. Untuk foto dengan apa pun yang sensitif (wajah, lokasi, screenshot internal, dokumen ID), perdagangan sisi browser jelas sepadan dengan dilakukan.

Saat alat lain adalah pilihan yang tepat

• Otomasi batch melintasi ratusan file. Gunakan sharp di Node.js (library gambar sisi server kanonik, dibangun di libvips), ImageMagick atau GraphicsMagick di baris perintah, atau Pillow di Python. Alat-alat ini menangani ribuan file tanpa batas memori browser, mengekspos setiap kernel resampling sebagai opsi eksplisit, dan berjalan dari pekerjaan CI, hook deploy, atau tugas cron.
• Super-resolusi AI untuk pembesaran asli. Untuk pembesaran tajam yang sebenarnya menambah detail, gunakan upscaler jaringan saraf. Real-ESRGAN (open source, berjalan secara lokal melalui ChaiNNer atau CLI), waifu2x (open source, demo web gratis tersedia), Topaz Gigapixel AI (desktop komersial), atau Adobe Super Resolution di dalam Camera Raw atau Lightroom. Model-model ini menghalusinasi detail yang masuk akal daripada memulihkannya; hasilnya terlihat tajam pada wajah dan tekstur alami karena model telah melihat banyak gambar serupa selama pelatihan.
• Resize pixel art yang mempertahankan tepi keras. Gunakan alat yang secara eksplisit mengekspos resampling nearest-neighbour: -filter Point ImageMagick, interpolasi GIMP yang diatur ke None, atau editor pixel art khusus seperti Aseprite. Alat ini selalu menghaluskan karena flag imageSmoothingEnabled Canvas API aktif; mematikannya akan mendegradasi setiap kasus penggunaan lain, jadi trade-off lebih disukai foto daripada sprite.
• Alur kerja kelas cetak dengan kontrol DPI. Adobe Photoshop, Affinity Photo, atau Lightroom mengekspos dimensi piksel dan DPI sebagai pengaturan independen, mendukung alur kerja color-managed (pelestarian profil ICC, soft proofing, output CMYK), dan mengingat riwayat resize non-destruktif. Resize Canvas berbasis browser tidak dapat menjamin salah satu dari itu karena Canvas beroperasi di sRGB dan dapat menghapus profil warna yang disematkan selama pengkodean ulang.

Pertanyaan yang Sering Diajukan

Apakah mengubah ukuran akan mengurangi kualitas gambar?

Memperkecil menjaga kualitas dengan baik. Memperbesar (membuat gambar lebih besar dari ukuran aslinya) akan menghasilkan sedikit keburaman karena piksel baru harus diinterpolasi. Untuk hasil terbaik, mulailah dengan gambar sumber resolusi tertinggi yang Anda miliki.

Apa fungsi "kunci rasio aspek"?

Saat dikunci, mengubah lebar secara otomatis menyesuaikan tinggi (dan sebaliknya) untuk mempertahankan proporsi asli gambar. Buka kunci jika Anda perlu meregangkan atau memadatkan gambar ke dimensi tepat.

Apakah gambar saya diunggah ke server?

Tidak. Semua pengubahan ukuran terjadi secara lokal di peramban Anda menggunakan HTML5 Canvas API. Gambar Anda tidak pernah meninggalkan perangkat Anda.

Dapatkah saya mengubah format output?

Ya. Anda dapat mengeluarkan gambar yang diubah ukurannya sebagai JPEG, PNG, atau WebP terlepas dari format aslinya. Ini berguna untuk mengonversi format saat mengubah ukuran.

Pertanyaan umum lainnya

Apa perbedaan antara DPI, PPI, dan dimensi piksel?

Dimensi piksel (lebar kali tinggi dalam piksel) menggambarkan apa yang sebenarnya dikandung gambar. PPI (piksel per inci) menggambarkan seberapa padat piksel-piksel itu dipadatkan ketika ditampilkan di layar, sebuah properti dari perangkat keras tampilan, bukan file. DPI (titik per inci) menggambarkan berapa banyak titik output printer akan diletakkan per inci kertas saat gambar dicetak. Tag DPI yang disematkan di JPEG atau PNG adalah metadata penasihat untuk printer; itu tidak mengubah data piksel. Gambar 1920x1080 adalah 1920x1080 piksel pada pengaturan DPI apa pun. Untuk memperkecil cetakan, baik mengurangi jumlah piksel (alat ini) atau meningkatkan metadata DPI sebelum dikirim ke cetak (dialog Print alat desktop atau Image Size Photoshop dengan Resample Image dimatikan).

Mengapa gambar yang saya perbesar terlihat buram?

Karena teori informasi mengatakan itu harus. Resampling klasik (bicubic, Lanczos, Mitchell) hanya dapat menginterpolasi dengan mulus antara piksel sumber yang diketahui; itu tidak dapat menciptakan detail yang tidak pernah disampel. Teorema sampling Nyquist-Shannon menetapkan ceiling keras: frekuensi di atas setengah rate grid piksel sumber secara matematis tidak dapat dipulihkan. Memperbesar sumber 200 piksel menjadi 1920 piksel akan selalu terlihat lembut karena 90% piksel baru diinterpolasi. Untuk pembesaran tajam gunakan model super-resolusi (Real-ESRGAN, Topaz Gigapixel, Adobe Super Resolution) yang mensintesis detail yang masuk akal melalui jaringan saraf yang dilatih pada jutaan gambar serupa.

Haruskah saya mengubah ukuran untuk layar retina atau HiDPI?

Ya. Layar iPhone retina, MacBook, dan HiDPI Windows merender pada 2x atau 3x kepadatan piksel CSS logis. Gambar hero yang ditampilkan pada 1200 piksel logis lebar pada layar retina sebenarnya mencat 2400 piksel fisik. Sajikan sumber 2x melalui atribut srcset HTML (standar gambar responsif modern) dan browser memilih yang tepat untuk perangkat setiap pemirsa. Untuk satu avatar atau gambar hero tanpa srcset, cukup ubah ukurannya menjadi 2x ukuran yang ditampilkan: gambar akan tajam di retina dan hanya sedikit terlalu besar di non-retina, yang menghabiskan sejumlah kecil bandwidth tetapi menghindari kabur yang jauh lebih terlihat dari gambar under-sized yang diregangkan di piksel berkepadatan tinggi.

Apakah alat ini berfungsi offline?

Ya. HTML5 Canvas API adalah bagian dari browser itu sendiri, bukan library yang diunduh, jadi tidak ada runtime terpisah untuk di-cache. Halaman dimuat dengan cara biasa; setelah dibuka, pengubah ukuran berjalan sepenuhnya dari kode bawaan browser pada file lokal apa pun yang Anda pilih. Anda dapat memverifikasi dengan beralih ke mode pesawat setelah membuka halaman dan mengubah ukuran gambar lokal. Hasil yang diunduh dihasilkan secara lokal dan disimpan oleh mekanisme unduhan normal browser, juga tanpa keterlibatan jaringan.

Haruskah saya memotong sebelum mengubah ukuran, atau setelahnya?

Potong dulu, lalu ubah ukurannya. Pemotongan mengatur rasio aspek (16:9 untuk YouTube, 1:1 untuk feed Instagram, 9:16 untuk Stories, 1.91:1 untuk Open Graph) dengan membuang piksel tepi yang tidak diinginkan. Resize kemudian mengatur jumlah piksel untuk rasio aspek yang dipilih. Melakukan langkah-langkah dalam urutan lain juga mungkin tetapi membuang pekerjaan, Anda akan me-resample lebih banyak piksel daripada yang Anda butuhkan dan kemudian membuang beberapa selama pemotongan. Untuk alat ini, gunakan Image Cropper terlebih dahulu untuk mengatur rasio aspek, kemudian Image Resizer ini untuk mengatur dimensi target yang tepat. Banyak alur kerja khusus platform (thumbnail YouTube pada 1280x720, feed Instagram pada 1080x1080) menggabungkan kedua langkah; melakukannya secara berurutan dengan dua alat khusus memberi output yang lebih bersih daripada mencoba melakukan keduanya sekaligus dengan rasio aspek yang diregangkan.

Apakah ada padanan desktop atau baris perintah?

Beberapa. Untuk otomasi batch, sharp di Node.js adalah library sisi server standar (dibangun di libvips). ImageMagick (magick input.jpg -resize 1920x1080 output.jpg) dan GraphicsMagick berjalan dari shell apa pun dan menangani file besar. Pillow di Python (Image.open(p).resize((1920, 1080), Image.LANCZOS)) adalah default untuk alur kerja data-science. Untuk pekerjaan interaktif satu kali seperti alat ini tetapi dengan kontrol per-kernel eksplisit dan lebih banyak format output termasuk AVIF, Squoosh (Google Chrome Labs, sepenuhnya sisi klien) adalah alternatif browser yang direkomendasikan. Photoshop, Affinity Photo, dan Preview di macOS (Tools, Adjust Size) mencakup kasus GUI desktop.

Alat Terkait