Ridimensionatore di immagini gratuito online

Come ridimensionare un'immagine

1. Seleziona o trascina un file immagine sopra.
2. Scegli una dimensione preimpostata o inserisci larghezza e altezza personalizzate in pixel.
3. Attiva l'icona del lucchetto per mantenere o ignorare il rapporto di aspetto originale.
4. Clicca su «Ridimensiona immagine» per elaborare l'immagine nel tuo browser.
5. Scarica l'immagine ridimensionata all'istante.

Cosa fa davvero il ridimensionamento ai tuoi pixel

Ridimensionare un'immagine non è la stessa operazione di ritagliarla o comprimerla. Il ritaglio scarta pixel ai bordi e mantiene il resto invariato. La compressione mantiene ogni pixel ma li codifica in modo più stretto. Il ridimensionamento letteralmente cambia il conteggio dei pixel: un'immagine sorgente 4000x3000 riscalata a 1920x1440 deve buttare via la maggior parte dei suoi pixel e sceglierne di nuovi per rappresentare la stessa scena a un quarto della risoluzione. L'operazione matematica che decide quali nuovi pixel scrivere si chiama resampling, e la qualità del riscalamento dipende quasi interamente dall'algoritmo di resampling in esecuzione.

I quattro algoritmi di resampling di uso comune sono nearest-neighbour (sceglie il singolo pixel sorgente più vicino, bordi duri preservati, a blocchi nell'ingrandimento, l'unica scelta giusta per pixel art), bilineare (miscela lineare dei 4 pixel sorgente circostanti, veloce e mediocre), bicubico (kernel cubico Keys 1981 su 16 pixel circostanti, il default di Photoshop per decenni), e Lanczos (funzione sinc filtrata da un kernel Lanczos, output più nitido, lieve ringing vicino a bordi duri, quello che ImageMagick e Sharp usano per default per il downscale). Questo strumento imposta imageSmoothingQuality della Canvas API a "high", che Chrome e Firefox interpretano come un kernel di classe Lanczos su desktop e Safari interpreta come un kernel di classe bicubica. Il browser sceglie; JavaScript può chiedere high ma non può scegliere il filtro esatto.

Downscaling e upscaling non sono problemi simmetrici. Il downscaling scarta informazioni in modo controllato; il resampler decide quali dettagli mantenere e un buon algoritmo preserva la struttura visibile della sorgente. L'upscaling aggiunge pixel che non sono mai stati campionati, e la teoria dell'informazione (il teorema di campionamento Nyquist-Shannon) dice che non puoi recuperare frequenze che non erano nel segnale originale. Il meglio che un resampler classico può fare è interpolare in modo fluido tra campioni noti, che sembra sempre morbido. Per ingrandimenti genuini l'alternativa moderna è la super-risoluzione AI (Real-ESRGAN, waifu2x, Adobe Super Resolution, Topaz Gigapixel), che alluciniza dettagli plausibili usando reti neurali addestrate su milioni di immagini simili. Non è quello che sta succedendo qui. Questo strumento fa interpolazione onesta.

Come funziona questo strumento sotto il cofano

L'intera pipeline è l'HTML5 Canvas 2D API. Nessuna libreria esterna viene caricata. Quando rilasci un'immagine, la File API del browser passa i byte a un nuovo HTMLImageElement; il decoder JPEG, PNG o WebP integrato nel browser trasforma il bitstream in un buffer pixel. Il rapporto d'aspetto è calcolato dalla larghezza e altezza naturali. Un nuovo elemento viene creato in memoria alle dimensioni target che imposti, e ctx.drawImage(image, 0, 0, targetWidth, targetHeight) disegna la sorgente scalata nella destinazione. Poiché la destinazione ha dimensioni diverse dalla sorgente, il browser invoca il suo kernel di resampling per calcolare ogni nuovo pixel.

Prima della chiamata drawImage, lo strumento imposta ctx.imageSmoothingEnabled = true e ctx.imageSmoothingQuality = "high". La prima flag attiva lo smoothing (nearest-neighbour off); la seconda suggerisce al browser di usare il suo filtro di massima qualità. La specifica canvas WHATWG lascia il filtro esatto all'implementazione. Chrome e Firefox su desktop usano kernel di classe Lanczos a high; Safari usa un kernel di classe bicubica; le build mobile possono ridurre a bilineare sotto pressione di memoria. Niente di tutto questo è visibile a JavaScript. Dopo il disegno, canvas.toBlob(mimeType, quality) serializza il canvas in un Blob nel formato di output scelto: PNG (DEFLATE lossless, l'argomento quality è ignorato), JPEG (DCT lossy a qualità 0,92), o WebP (lossy o lossless a qualità 0,92). Il Blob diventa un URL oggetto scaricabile.

Nessun byte lascia la scheda. L'immagine è decodificata nel tuo browser, ricampionata nel tuo browser e ricodificata nel tuo browser. Il file scaricato è generato localmente e salvato sul tuo dispositivo dal normale meccanismo di download del browser. L'unico traffico di rete è il caricamento iniziale della pagina e il piccolo script image-resizer.js (pochi kilobyte). Imposta il browser in modalità aereo dopo il caricamento della pagina e il ridimensionatore continua a funzionare su qualsiasi immagine locale tu selezioni. Apri la scheda Network di DevTools durante un ridimensionamento: ci sono zero richieste che trasportano dati immagine. L'intera architettura è intenzionalmente minimale perché la Canvas API è già abbastanza potente per questo lavoro; tirare dentro una libreria aggiungerebbe solo byte e complessità senza cambiare l'output.

Una breve storia del resampling delle immagini

• Ingranditori ottici, l'era pre-digitale. Prima della fotografia digitale, ingrandire una fotografia significava proiettare un negativo attraverso un ingranditore ottico su un foglio di carta fotosensibile. La lente faceva il resampling in modo continuo, senza quantizzazione, ma con i limiti ottici della lente stessa. I primi ingranditori commerciali risalgono al 1860. Il resampling come operazione matematica è diventato una domanda significativa solo una volta che le immagini esistevano come griglie di pixel piuttosto che emulsione continua.
• Interpolazione bicubica, 1973-1981. Robert G. Rifman pubblicò un algoritmo di image-resampling con spline bicubica al TRW Defense and Space Systems nel 1973, scritto per il riscalamento di immagini satellitari. La formulazione canonica venne da R. G. Keys nel 1981: Cubic Convolution Interpolation for Digital Image Processing in IEEE Transactions on Acoustics, Speech, and Signal Processing. Ogni libreria di imaging che dice bicubic oggi significa il kernel cubico Keys valutato su un vicinato 4x4.
• Filtro Mitchell-Netravali, 1988. Don P. Mitchell e Arun N. Netravali pubblicarono Reconstruction Filters in Computer Graphics al SIGGRAPH '88, introducendo una famiglia parametrizzata di filtri cubici regolabile da due coefficienti B e C. Il filtro canonico Mitchell (B=C=1/3) scambia una piccola quantità di nitidezza per ringing molto basso ed è diventato un default standard per il downscale in librerie di immagini di alto livello come libvips.
• Filtri selezionabili ImageMagick, anni '90. John Cristy rilasciò ImageMagick (originariamente 1987, pubblico nel 1990) con filtri di resampling selezionabili come funzionalità di prima classe. Entro metà degli anni '90 fotografi e professionisti DTP potevano confrontare Lanczos, Mitchell, Catmull-Rom, Hermite e Gaussian sulla stessa immagine sorgente, scegliendo per caso d'uso. Il -filter Lanczos di ImageMagick è ancora una ricetta comune nelle pipeline di produzione.
• Resize HTML5 Canvas, 2008-2017. La specifica canvas WHATWG ha standardizzato drawImage() con scaling implicito nel 2008, e la forma a 9 argomenti (quella usata qui) è stata in ogni browser da allora. L'attributo imageSmoothingQuality (low / medium / high) è arrivato dopo, Chrome 54 nel 2016, Firefox 51 nel 2017, Safari 11.1 nel 2018. Prima di allora, il ridimensionamento lato browser era effettivamente solo bilineare in ogni implementazione, anche quando lo strumento richiedeva high quality.
• Super-risoluzione AI, 2018-2021. ESRGAN (Wang et al., 2018) ha dimostrato che le reti generative-avversarie potevano sintetizzare dettagli credibili per foto upscalate. Real-ESRGAN (Wang et al., 2021) ha reso la tecnica pratica per input reali; waifu2x (nagadomi, 2015) aveva precedentemente messo a punto una variante basata su CNN per arte anime. Adobe Camera Raw ha aggiunto Super Resolution nel 2021. Questi strumenti non sostituiscono il resampling classico per il downscale; mirano al caso in cui specificamente vuoi dettagli allucinati piuttosto che interpolazione fluida.

Dimensioni comuni delle immagini

• 1920 x 1080 · Full HD, standard per sfondi web e miniature YouTube.
• 1080 x 1080 · Post del feed Instagram (formato quadrato).
• 1080 x 1350 · Post verticali Instagram (occupano più spazio nel feed).
• 1280 x 720 · HD, ideale per intestazioni blog e presentazioni.
• 800 x 600 · Dimensione web classica, ideale per newsletter via email.
• 400 x 400 · Foto profilo e avatar.
• 16 x 16 / 32 x 32 · Dimensioni favicon per siti web.

Flussi di lavoro reali di ridimensionamento

• Dimensionamento per piattaforme social. Ogni piattaforma social ha dimensioni preferite per post nel feed, storie, banner e miniature. Caricare alla dimensione sbagliata significa che la piattaforma ritaglia o letterboxa per te, spesso male. Target comuni 2026: Instagram feed 1080x1080 (quadrato) o 1080x1350 (verticale, attualmente il formato fisso a più alto engagement perché occupa circa il 25% in più di schermo verticale sui feed mobile), Instagram Stories e Reels 1080x1920, miniatura YouTube 1280x720, card in-stream Twitter/X 1200x675, anteprime link Facebook e LinkedIn (Open Graph) 1200x630, pin standard Pinterest 1000x1500, TikTok 1080x1920. Ridimensionare una volta prima dell'upload garantisce il risultato che vuoi; caricare foto grezze lascia la scelta alla piattaforma.
• Ottimizzazione web e Core Web Vitals. L'audit Properly size images di Lighthouse fallisce qualsiasi immagine dove le dimensioni naturali sono molto più grandi delle dimensioni visualizzate. Un'immagine hero visualizzata a 1200 pixel di larghezza ma servita a 4000 pixel spreca banda e danneggia il Largest Contentful Paint, il Core Web Vital più visibile. La soluzione è ridimensionare la sorgente a circa la dimensione visualizzata, o a 2x per display retina, e servire dimensioni diverse a viewport diverse tramite il moderno attributo srcset. Ridimensionare una singola immagine hero da 4000 a 1920 pixel tipicamente taglia la dimensione del file del 60-80% e il punteggio LCP segue direttamente.
• Allegati email. Gmail, Outlook e Apple Mail limitano tutti gli allegati a 25 MB per messaggio. Una cartella di foto telefoniche a piena risoluzione può raggiungere il limite con appena cinque o sei immagini. Ridimensionare il lato lungo a 1920 pixel tipicamente taglia ogni foto sotto 1 MB rimanendo perfettamente visualizzabile su qualsiasi schermo di laptop o telefono. Venti foto a 1920 pixel entrano comodamente in un singolo messaggio; le stesse venti a piena risoluzione richiederebbero tre o quattro invii o un link di condivisione cloud.
• Foto profilo e avatar. La maggior parte delle piattaforme social vogliono da 400x400 a 800x800 pixel per le foto profilo e le visualizzano come cerchio. Ridimensionare localmente prima dell'upload ti permette di controllare il crop ad aspetto quadrato (combinato con l'Image Cropper di questo strumento) e l'esatto conteggio dei pixel, piuttosto che lasciare alla piattaforma il ritaglio arbitrario. La regola del pollice per display retina è caricare al doppio della dimensione di visualizzazione, quindi un avatar da 200 pixel dovrebbe essere almeno una sorgente 400x400.
• Generazione favicon e icone app. I browser moderni vogliono 16x16 (scheda browser) e 32x32 (scheda ad alto DPI), le icone touch Apple vogliono 180x180, le icone tile Windows vogliono 270x270 e i manifest delle Progressive Web App tipicamente includono 192x192 più 512x512. Ridimensionare una sorgente quadrata ben progettata (di solito PNG 512x512 senza dettagli fini) a ciascuno di questi target è il flusso di lavoro canonico per produrre icone nitide su ogni piattaforma.
• Preparazione stampa. Una stampa fotografica 4x6 pollici a 300 DPI necessita di 1200x1800 pixel di risoluzione sorgente. Un poster 16x20 pollici necessita di 4800x6000. Una stampa 8x10 pollici a 240 DPI (qualità newsprint) necessita di 1920x2400. Ridimensionare la sorgente al corretto conteggio pixel per la dimensione di stampa prevista significa che il laboratorio di stampa non ha bisogno di auto-ricampionare per te, il che evita scelte di filtro imprevedibili e impostazioni di qualità sconosciute. Abbina il conteggio pixel ridimensionato con il giusto metadato DPI nella tua finestra di stampa e il risultato corrisponde a ciò che hai visto sullo schermo.

Trappole comuni e cosa significano

• L'upscaling sembra sfocato, sempre. Una miniatura larga 200 pixel ingrandita a 1920 pixel sembrerà morbida indipendentemente da quale browser o impostazione di qualità è stata usata. L'interpolazione classica (bicubica, Lanczos, Mitchell) può solo smussare tra campioni noti; non può inventare i dettagli mancanti. Il limite della teoria dell'informazione è fissato dalla frequenza di Nyquist della sorgente. Per ingrandimenti reali che producono output nitidi, fai passare la sorgente attraverso uno strumento di super-risoluzione (Real-ESRGAN, Topaz Gigapixel AI, Adobe Super Resolution in Camera Raw) che alluciniza dettagli plausibili usando una rete neurale addestrata su milioni di immagini simili.
• Sbloccare il rapporto d'aspetto allunga la foto. Con l'icona di blocco disabilitata e larghezza e altezza non corrispondenti, l'output è matematicamente schiacciato o allungato. Lo strumento di default ha il blocco attivo; sbloccare è un'azione deliberata. Se hai bisogno di adattarti a un rapporto d'aspetto target piuttosto che a quello naturale della sorgente, il flusso di lavoro giusto è prima ritagliare (usa l'Image Cropper) e poi ridimensionare il risultato ritagliato. Questo mantiene le proporzioni corrette e il soggetto non distorto.
• Il pixel art viene smussato. Il default smoothing-on di questo strumento distrugge gli sprite 8-bit, le icone a griglia di pixel e qualsiasi grafica dove i bordi duri tra le celle colorate sono il punto. Il resampling con qualsiasi filtro di smoothing (bilineare, bicubico, Lanczos) sfuma quei bordi in gradienti. Per pixel art la risposta giusta è il ridimensionamento nearest-neighbour, che preserva ogni bordo duro. Lato browser, imposta image-rendering: pixelated in CSS sull'immagine visualizzata. Per l'export effettivo a una nuova dimensione, usa uno strumento desktop: -filter Point di ImageMagick, interpolazione None di GIMP o editor specializzati come Aseprite.
• Il ri-ridimensionamento degrada JPEG e WebP. Ogni andata e ritorno attraverso il canvas ricodifica JPEG o WebP a qualità 0,92. Il primo passaggio è visivamente impercettibile; il terzo o quarto passaggio introduce artefatti visibili nelle aree piatte e ammorbidisce dettagli fini. Ridimensiona sempre dal master a risoluzione più alta che hai, non da una copia che hai esportato ieri. Se hai bisogno di iterare (prova 1920, poi 1600, poi 1280), torna alla sorgente originale ogni volta piuttosto che concatenare ridimensionamenti.
• Il DPI di stampa non è la stessa cosa delle dimensioni pixel. Molte persone si aspettano che un campo DPI o risoluzione controlli la dimensione di stampa. Questo strumento ridimensiona solo per conteggio pixel. Il tag metadati DPI in un JPEG o PNG è informazione consultiva per le stampanti che dice loro quanti pixel-per-pollice renderizzare sulla carta. Le dimensioni pixel e DPI sono indipendenti: un'immagine 1920x1080 è 1920x1080 pixel a qualsiasi impostazione DPI. Per controllare la dimensione di stampa devi anche impostare il giusto DPI in una finestra di stampa o in uno strumento foto desktop (pannello Stampa di Preview, finestra Dimensione Immagine di Photoshop con Resample Image disattivato).
• Immagini molto grandi possono crashare una scheda del browser mobile. Decodificare un'immagine su un canvas ha bisogno di RAM proporzionale alle sue dimensioni: una foto da 24 megapixel (6000x4000 pixel) ha bisogno di circa 96 MB solo per il buffer pixel RGBA sorgente, più un buffer separato per il canvas target, più lo workspace dell'encoder JPEG o WebP. Dispositivi mobile con 1-2 GB di RAM disponibile al browser potrebbero avere la scheda terminata dall'OS prima del completamento della codifica. Per foto molto grandi, ridimensiona su un browser desktop o ridimensiona in fasi (50% prima, poi 50% di nuovo) così ogni passo entra nella memoria disponibile.

Privacy: le immagini non lasciano mai il tuo dispositivo

Ogni ridimensionatore di immagini basato su cloud (iLoveIMG, ResizeImage.net, ResizePixel, BeFunky, Fotor, l'endpoint resize di Pixlr, le decine di servizi resize image online) carica il tuo file sui server dell'operatore, esegue il loro algoritmo di resize e restituisce l'immagine più piccola come download. Le implicazioni sulla privacy sono non banali perché le foto contengono di routine contenuto identificabile: volti, indirizzi visibili sullo sfondo, screenshot di UI interne o documenti riservati, foto di bambini, foto scattate in spazi privati, scansioni di documenti contenenti informazioni personali. La maggior parte degli operatori pubblica policy sulla privacy che si impegnano a eliminare gli upload entro un'ora o due e a crittografare in transito, e i più grandi detengono la certificazione ISO/IEC 27001. Hanno forti ragioni commerciali per onorare quelle policy. Ma eliminato entro un'ora non è mai visto. Durante quell'ora il contenuto dell'immagine si trova nell'infrastruttura dell'operatore, accessibile a qualsiasi processo o persona con l'accesso appropriato, e visibile nei log e nei backup secondo qualsiasi policy di conservazione si applichi.

Questo ridimensionatore non carica mai nulla. L'intera pipeline (selezione file, decodifica immagine, ridimensionamento canvas, codifica, download) gira dentro la tua scheda browser usando JavaScript e l'API HTML5 Canvas. Niente upload, nessuna richiesta di rete che trasporta dati immagine, nessuna voce di log. Puoi verificare aprendo gli strumenti per sviluppatori del browser alla scheda Network prima del ridimensionamento: nessuna richiesta che fa fuoco includendo contenuto immagine. L'unico traffico di rete è il caricamento iniziale della pagina e un piccolo script image-resizer.js. Imposta il browser in modalità aereo dopo il caricamento della pagina e il ridimensionatore continua a funzionare su qualsiasi file locale tu selezioni, la prova empirica più forte che nulla viene caricato. Per foto con qualsiasi cosa di sensibile (volti, posizioni, screenshot interni, documenti ID), il compromesso lato browser vale ovviamente la pena di farlo.

Quando un altro strumento è la scelta giusta

• Automazione batch attraverso centinaia di file. Usa sharp in Node.js (la libreria di immagini server-side canonica, costruita su libvips), ImageMagick o GraphicsMagick sulla riga di comando, o Pillow in Python. Questi strumenti gestiscono migliaia di file senza limiti di memoria del browser, espongono ogni kernel di resampling come opzione esplicita ed eseguono da job CI, hook di deploy o task cron.
• Super-risoluzione AI per ingrandimento genuino. Per ingrandimento nitido che effettivamente aggiunge dettaglio, usa un upscaler a rete neurale. Real-ESRGAN (open source, gira localmente tramite ChaiNNer o la CLI), waifu2x (open source, demo web gratuite disponibili), Topaz Gigapixel AI (desktop commerciale) o Adobe Super Resolution dentro Camera Raw o Lightroom. Questi modelli alluciniza dettagli plausibili piuttosto che recuperarli; i risultati sembrano nitidi su volti e texture naturali perché il modello ha visto molte immagini simili durante l'addestramento.
• Ridimensionamento pixel-art che preserva i bordi duri. Usa uno strumento che esponga il resampling nearest-neighbour esplicitamente: -filter Point di ImageMagick, l'interpolazione di GIMP impostata a None o editor pixel-art specializzati come Aseprite. Questo strumento smussa sempre perché la flag imageSmoothingEnabled della Canvas API è attiva; spegnerla degraderebbe ogni altro caso d'uso, quindi il compromesso è a favore delle foto piuttosto che degli sprite.
• Flussi di lavoro di qualità stampa con controllo DPI. Adobe Photoshop, Affinity Photo o Lightroom espongono sia le dimensioni pixel che il DPI come impostazioni indipendenti, supportano flussi di lavoro color-managed (preservazione profilo ICC, soft proofing, output CMYK) e ricordano la cronologia di ridimensionamento non distruttiva. Il ridimensionamento Canvas basato su browser non può garantire nessuno di quelli perché Canvas opera in sRGB e può rimuovere i profili colore incorporati durante la ricodifica.

Domande frequenti

Ridimensionare riduce la qualità dell'immagine?

Ridurre le dimensioni preserva bene la qualità. Ingrandire (rendere un'immagine più grande dell'originale) causerà una certa sfocatura poiché i nuovi pixel devono essere interpolati. Per risultati ottimali, parti dall'immagine sorgente alla massima risoluzione disponibile.

Cosa fa il «blocco del rapporto di aspetto»?

Quando è bloccato, cambiare la larghezza regola automaticamente l'altezza (e viceversa) per mantenere le proporzioni originali dell'immagine. Sbloccalo se devi allungare o schiacciare l'immagine a dimensioni precise.

La mia immagine viene caricata su un server?

No. Tutto il ridimensionamento avviene localmente nel tuo browser tramite l'API HTML5 Canvas. La tua immagine non lascia mai il tuo dispositivo.

Posso cambiare il formato di output?

Sì. Puoi esportare l'immagine ridimensionata in JPEG, PNG o WebP indipendentemente dal formato originale. È utile per convertire il formato durante il ridimensionamento.

Altre domande frequenti

Qual è la differenza tra DPI, PPI e dimensioni pixel?

Le dimensioni pixel (larghezza per altezza in pixel) descrivono ciò che l'immagine effettivamente contiene. PPI (pixel per pollice) descrive quanto densamente quei pixel sono impacchettati quando mostrati su uno schermo, una proprietà dell'hardware del display, non del file. DPI (dots per inch) descrive quanti dots di output della stampante saranno deposti per pollice di carta quando l'immagine viene stampata. Il tag DPI incorporato in un JPEG o PNG è metadato consultivo per le stampanti; non cambia i dati pixel. Un'immagine 1920x1080 è 1920x1080 pixel a qualsiasi impostazione DPI. Per ridurre una stampa, o riduci il conteggio pixel (questo strumento) o aumenta i metadati DPI prima dell'invio in stampa (la finestra Stampa di uno strumento desktop o Dimensione Immagine di Photoshop con Resample Image disattivato).

Perché la mia immagine ingrandita sembra sfocata?

Perché la teoria dell'informazione dice che deve. Il resampling classico (bicubico, Lanczos, Mitchell) può solo interpolare fluidamente tra pixel sorgente noti; non può inventare il dettaglio che non è mai stato campionato. Il teorema di campionamento Nyquist-Shannon imposta un soffitto duro: le frequenze sopra la metà della frequenza della griglia pixel della sorgente sono matematicamente non recuperabili. Ingrandire una sorgente da 200 pixel a 1920 pixel sembrerà sempre morbida perché il 90% dei nuovi pixel sono interpolati. Per ingrandimento nitido usa un modello di super-risoluzione (Real-ESRGAN, Topaz Gigapixel, Adobe Super Resolution) che sintetizza dettagli plausibili tramite una rete neurale addestrata su milioni di immagini simili.

Dovrei ridimensionare per schermi retina o HiDPI?

Sì. Schermi iPhone retina, MacBook e HiDPI Windows renderizzano a 2x o 3x la densità di pixel CSS logica. Un'immagine hero che si visualizza a 1200 pixel logici di larghezza su uno schermo retina effettivamente dipinge 2400 pixel fisici. Servi la sorgente 2x tramite l'attributo srcset HTML (lo standard moderno per immagini responsive) e il browser sceglie quella giusta per il dispositivo di ciascun visualizzatore. Per un singolo avatar o immagine hero senza srcset, basta ridimensionare al 2x della dimensione visualizzata: l'immagine sarà nitida su retina e solo leggermente sovradimensionata su non-retina, il che costa una piccola quantità di banda ma evita la sfocatura molto più visibile di un'immagine sottodimensionata allungata su pixel ad alta densità.

Questo strumento funziona offline?

Sì. L'API HTML5 Canvas è parte del browser stesso, non una libreria scaricata, quindi non c'è un runtime separato da mettere in cache. La pagina si carica nel modo solito; una volta aperta, il ridimensionatore gira interamente da codice integrato nel browser su qualsiasi file locale tu selezioni. Puoi verificare passando alla modalità aereo dopo aver aperto la pagina e ridimensionando un'immagine locale. Il risultato scaricato è generato localmente e salvato dal normale meccanismo di download del browser, anche senza alcun coinvolgimento di rete.

Dovrei ritagliare prima del ridimensionamento o dopo?

Prima ritaglia, poi ridimensiona. Il ritaglio imposta il rapporto d'aspetto (16:9 per YouTube, 1:1 per Instagram feed, 9:16 per Stories, 1.91:1 per Open Graph) scartando pixel ai bordi indesiderati. Il ridimensionamento poi imposta il conteggio pixel per il rapporto d'aspetto scelto. Fare i passi nell'altro ordine è anche possibile ma spreca lavoro, ricampioneresti più pixel del necessario e poi ne butteresti via alcuni durante il ritaglio. Per questo strumento, usa prima l'Image Cropper per impostare il rapporto d'aspetto, poi questo Image Resizer per impostare le dimensioni target esatte. Molti flussi di lavoro specifici per piattaforma (miniatura YouTube a 1280x720, Instagram feed a 1080x1080) combinano entrambi i passi; farli in sequenza con due strumenti dedicati dà output più puliti che cercare di farli entrambi insieme con rapporti d'aspetto allungati.

C'è un equivalente desktop o da riga di comando?

Diversi. Per automazione batch, sharp in Node.js è la libreria server-side standard (costruita su libvips). ImageMagick (magick input.jpg -resize 1920x1080 output.jpg) e GraphicsMagick girano da qualsiasi shell e gestiscono file enormi. Pillow in Python (Image.open(p).resize((1920, 1080), Image.LANCZOS)) è il default per flussi di lavoro di data-science. Per lavoro interattivo occasionale come questo strumento ma con controllo esplicito per-kernel e più formati di output incluso AVIF, Squoosh (Google Chrome Labs, interamente client-side) è l'alternativa browser raccomandata. Photoshop, Affinity Photo e Preview su macOS (Strumenti, Regola Dimensioni) coprono il caso GUI desktop.

Strumenti correlati