Redimensionador de imagens gratuito on-line

Como redimensionar uma imagem

1. Selecione ou arraste um arquivo de imagem acima.
2. Escolha um tamanho predefinido ou insira largura e altura personalizadas em pixels.
3. Ative o ícone de cadeado para manter ou ignorar a proporção de aspecto original.
4. Clique em «Redimensionar imagem» para processar a imagem no seu navegador.
5. Baixe a imagem redimensionada instantaneamente.

O que «redimensionar» realmente faz com seus pixels

Redimensionar uma imagem não é a mesma operação que cortá-la ou comprimi-la. Cortar descarta pixels nas bordas e mantém o restante inalterado. Comprimir mantém cada pixel mas os codifica de forma mais apertada. Redimensionar muda literalmente a contagem de pixels: uma imagem fonte de 4000x3000 reescalada para 1920x1440 precisa descartar a maior parte dos seus pixels e escolher novos para representar a mesma cena num quarto da resolução. A operação matemática que decide quais novos pixels escrever chama-se reamostragem, e a qualidade do redimensionamento depende quase inteiramente do algoritmo de reamostragem usado.

Os quatro algoritmos de reamostragem em uso comum são vizinho-mais-próximo (escolhe o único pixel fonte mais próximo, bordas duras preservadas, com aparência de blocos ao ampliar, a única escolha certa para pixel art), bilinear (mistura linear dos 4 pixels fontes vizinhos, rápido e mediano), bicúbico (núcleo cúbico de Keys 1981 sobre 16 pixels vizinhos, o padrão do Photoshop por décadas), e Lanczos (função sinc janelada por um núcleo Lanczos, saída mais nítida, leve ringing perto de bordas duras, o que o ImageMagick e o Sharp usam por padrão na redução). Esta ferramenta define o imageSmoothingQuality da API Canvas como «high», que o Chrome e o Firefox interpretam como um núcleo classe Lanczos em desktop e o Safari interpreta como um núcleo classe bicúbico. Quem escolhe é o navegador; o JavaScript pode pedir «high» mas não pode escolher o filtro exato.

Reduzir e ampliar não são problemas simétricos. Reduzir descarta informação de forma controlada; o reamostrador decide quais detalhes manter e um bom algoritmo preserva a estrutura visível da fonte. Ampliar adiciona pixels que nunca foram amostrados, e a teoria da informação (o teorema de amostragem de Nyquist-Shannon) diz que você não pode recuperar frequências que não estavam no sinal original. O melhor que um reamostrador clássico pode fazer é interpolar suavemente entre amostras conhecidas, o que sempre parece desfocado. Para ampliação real, a alternativa moderna é a superresolução por IA (Real-ESRGAN, waifu2x, Adobe Super Resolution, Topaz Gigapixel), que alucina detalhes plausíveis usando redes neurais treinadas em milhões de imagens semelhantes. Não é isso que está acontecendo aqui. Esta ferramenta faz interpolação honesta.

Como esta ferramenta funciona por dentro

Todo o pipeline é a API Canvas 2D do HTML5. Nenhuma biblioteca externa é carregada. Quando você solta uma imagem, a API File do navegador entrega os bytes para um novo HTMLImageElement; o decodificador JPEG, PNG ou WebP embutido no navegador converte o fluxo de bits em um buffer de pixels. A proporção é calculada a partir da largura e altura naturais. Um novo elemento <canvas> é criado em memória com as dimensões alvo que você definiu, e ctx.drawImage(image, 0, 0, larguraAlvo, alturaAlvo) desenha a fonte escalada no destino. Como o destino tem dimensões diferentes da fonte, o navegador invoca seu núcleo de reamostragem para calcular cada novo pixel.

Antes da chamada drawImage, a ferramenta define ctx.imageSmoothingEnabled = true e ctx.imageSmoothingQuality = «high». O primeiro sinalizador ativa o suavizamento (vizinho-mais-próximo desligado); o segundo sugere ao navegador usar seu filtro de mais alta qualidade. A especificação canvas do WHATWG deixa o filtro exato para a implementação. Chrome e Firefox em desktop usam núcleos classe Lanczos em «high»; Safari usa um núcleo classe bicúbico; builds móveis podem cair para bilinear sob pressão de memória. Nada disso é visível para o JavaScript. Depois do desenho, canvas.toBlob(mimeType, qualidade) serializa o canvas para um Blob no formato de saída escolhido: PNG (DEFLATE sem perda, o argumento qualidade é ignorado), JPEG (DCT com perda em qualidade 0,92) ou WebP (com ou sem perda em qualidade 0,92). O Blob vira uma URL de objeto baixável.

Nenhum byte sai da aba. A imagem é decodificada no seu navegador, reamostrada no seu navegador e recodificada no seu navegador. O arquivo baixado é gerado localmente e salvo no seu dispositivo pelo mecanismo normal de download do navegador. O único tráfego de rede é o carregamento inicial da página e o pequeno script image-resizer.js (alguns kilobytes). Coloque seu navegador em modo avião depois de a página carregar e o redimensionador continua funcionando em qualquer imagem local que você selecionar. Abra a aba Rede do DevTools durante um redimensionamento: há zero requisições carregando dados de imagem. A arquitetura inteira é deliberadamente mínima porque a API Canvas já é poderosa o bastante para este trabalho; trazer uma biblioteca só somaria bytes e complexidade sem mudar a saída.

Uma breve história da reamostragem de imagem

• Ampliadores ópticos, a era pré-digital. Antes da fotografia digital, «ampliar» uma foto significava projetar um negativo através de um ampliador óptico sobre uma folha de papel sensível à luz. A lente fazia a reamostragem continuamente, sem quantização, mas com os limites ópticos da própria lente. Os primeiros ampliadores comerciais datam da década de 1860. A reamostragem como operação matemática só virou uma pergunta relevante quando as imagens passaram a existir como grades de pixels em vez de emulsão contínua.
• Interpolação bicúbica, 1973-1981. Robert G. Rifman publicou um algoritmo de reamostragem de imagem bicúbico baseado em splines na TRW Defense and Space Systems em 1973, escrito para o reescalonamento de imagens de satélite. A formulação canônica veio de R. G. Keys em 1981: «Cubic Convolution Interpolation for Digital Image Processing» na IEEE Transactions on Acoustics, Speech, and Signal Processing. Toda biblioteca de imagem que hoje diz «bicúbica» refere-se ao núcleo cúbico de Keys avaliado sobre uma vizinhança 4x4.
• Filtro de Mitchell-Netravali, 1988. Don P. Mitchell e Arun N. Netravali publicaram «Reconstruction Filters in Computer Graphics» no SIGGRAPH ’88, apresentando uma família parametrizada de filtros cúbicos ajustáveis por dois coeficientes B e C. O filtro canônico «Mitchell» (B=C=1/3) sacrifica um pouco de nitidez por um ringing muito baixo e virou padrão para redução em bibliotecas de imagem de alto nível como o libvips.
• Filtros selecionáveis do ImageMagick, anos 1990. John Cristy lançou o ImageMagick (originalmente 1987, público em 1990) com filtros de reamostragem selecionáveis como recurso de primeira classe. Em meados dos anos 1990, fotógrafos e profissionais de editoração eletrônica podiam comparar Lanczos, Mitchell, Catmull-Rom, Hermite e Gaussiano sobre a mesma imagem fonte, escolhendo conforme o caso. A opção -filter Lanczos do ImageMagick segue sendo receita comum em pipelines de produção.
• Redimensionamento Canvas HTML5, 2008-2017. A especificação canvas do WHATWG padronizou drawImage() com escala implícita em 2008, e a forma de 9 argumentos (a usada aqui) está em todos os navegadores desde então. O atributo imageSmoothingQuality (low / medium / high) chegou depois, Chrome 54 em 2016, Firefox 51 em 2017, Safari 11.1 em 2018. Antes disso, o redimensionamento no navegador era na prática só bilinear em todas as implementações, mesmo quando a ferramenta pedia «alta qualidade».
• Superresolução por IA, 2018-2021. ESRGAN (Wang et al., 2018) demonstrou que redes adversariais generativas conseguiam sintetizar detalhe convincente para fotos ampliadas. Real-ESRGAN (Wang et al., 2021) tornou a técnica prática para entradas do mundo real; o waifu2x (nagadomi, 2015) tinha antes ajustado uma variante baseada em CNN para arte anime. O Adobe Camera Raw adicionou Super Resolution em 2021. Essas ferramentas não substituem a reamostragem clássica para redução; miram o caso em que se quer especificamente detalhe alucinado em vez de interpolação suave.

Tamanhos de imagem comuns

• 1920 x 1080 · Full HD, padrão para fundos web e miniaturas do YouTube.
• 1080 x 1080 · Publicações do feed Instagram (formato quadrado).
• 1080 x 1350 · Publicações verticais Instagram (ocupam mais espaço no feed).
• 1280 x 720 · HD, bom para cabeçalhos de blog e apresentações.
• 800 x 600 · Tamanho clássico para web, ótimo para newsletters por e-mail.
• 400 x 400 · Fotos de perfil e avatares.
• 16 x 16 / 32 x 32 · Tamanhos de favicon para sites.

Fluxos de redimensionamento do mundo real

• Dimensões para redes sociais. Cada plataforma social tem dimensões preferidas para postagens de feed, stories, banners e miniaturas. Subir no tamanho errado significa que a plataforma corta ou adiciona faixas pretas no seu lugar, geralmente mal. Alvos comuns em 2026: feed do Instagram 1080x1080 (quadrado) ou 1080x1350 (retrato, atualmente o formato fixo de maior engajamento porque ocupa cerca de 25 % a mais de tela vertical no celular), Instagram Stories e Reels 1080x1920, miniatura do YouTube 1280x720, cartão Twitter/X 1200x675, prévia de links do Facebook e LinkedIn (Open Graph) 1200x630, pin padrão do Pinterest 1000x1500, TikTok 1080x1920. Redimensionar uma vez antes de subir garante o resultado que você quer; subir fotos brutas deixa a escolha para a plataforma.
• Otimização web e Core Web Vitals. A auditoria «Properly size images» do Lighthouse falha em qualquer imagem cujas dimensões naturais sejam muito maiores que as dimensões exibidas. Uma imagem hero exibida com 1200 pixels de largura mas servida com 4000 pixels desperdiça banda e prejudica o Largest Contentful Paint, o Core Web Vital mais visível. A correção é redimensionar a fonte para aproximadamente o tamanho exibido, ou 2x para telas retina, e servir tamanhos diferentes para viewports diferentes via o atributo moderno srcset. Redimensionar uma única imagem hero de 4000 para 1920 pixels normalmente corta o tamanho do arquivo em 60 a 80 % e a pontuação LCP segue diretamente.
• Anexos de e-mail. Gmail, Outlook e Apple Mail limitam todos os anexos a 25 MB por mensagem. Uma pasta de fotos de celular em resolução máxima pode bater o limite com apenas cinco ou seis imagens. Redimensionar o lado mais longo para 1920 pixels normalmente deixa cada foto abaixo de 1 MB enquanto permanece perfeitamente visualizável em qualquer tela de notebook ou celular. Vinte fotos a 1920 pixels cabem confortavelmente numa única mensagem; as mesmas vinte em resolução máxima precisariam de três ou quatro envios ou um link de compartilhamento em nuvem.
• Fotos de perfil e avatares. A maioria das plataformas sociais quer 400x400 a 800x800 pixels para fotos de perfil e as exibe como um círculo. Redimensionar localmente antes do upload deixa você controlar o corte quadrado (combinado com o Recortador de Imagem desta ferramenta) e a contagem exata de pixels, em vez de deixar a plataforma cortar de forma arbitrária. A regra prática para telas retina é subir no dobro do tamanho de exibição, então um avatar de 200 pixels deveria ter uma fonte de pelo menos 400x400.
• Geração de favicons e ícones de aplicativo. Os navegadores modernos querem 16x16 (aba do navegador) e 32x32 (aba em alta densidade), os ícones Apple Touch querem 180x180, os blocos do Windows querem 270x270, e os manifestos de Progressive Web App tipicamente incluem 192x192 mais 512x512. Redimensionar uma fonte quadrada bem desenhada (tipicamente 512x512 PNG sem detalhes finos) para cada um desses alvos é o fluxo canônico para produzir ícones nítidos em todas as plataformas.
• Preparação para impressão. Uma cópia fotográfica de 4x6 polegadas a 300 DPI exige 1200x1800 pixels de resolução fonte. Um pôster de 16x20 polegadas exige 4800x6000. Uma cópia de 8x10 polegadas a 240 DPI (qualidade jornal) exige 1920x2400. Redimensionar a fonte para a contagem correta de pixels para o tamanho de impressão pretendido significa que o laboratório de impressão não precisa reamostrar automaticamente por você, o que evita escolhas imprevisíveis de filtro e ajustes de qualidade desconhecidos. Combine a contagem de pixels redimensionada com os metadados DPI corretos na sua caixa de diálogo de impressão e o resultado bate com o que você viu na tela.

Armadilhas comuns e o que significam

• Ampliar sempre fica desfocado. Uma miniatura de 200 pixels de largura ampliada para 1920 pixels vai parecer macia independentemente de qual navegador ou ajuste de qualidade tenha sido usado. A interpolação clássica (bicúbica, Lanczos, Mitchell) só pode suavizar entre amostras conhecidas; não pode inventar o detalhe ausente. O teto teórico de informação é fixado pela frequência de Nyquist da fonte. Para ampliação real que produza saída nítida, passe a fonte por uma ferramenta de superresolução (Real-ESRGAN, Topaz Gigapixel AI, Adobe Super Resolution no Camera Raw) que alucina detalhe plausível usando uma rede neural treinada em milhões de imagens semelhantes.
• Destravar a proporção estica a foto. Com o ícone do cadeado desativado e largura e altura incoerentes, a saída fica matematicamente comprimida ou esticada. A ferramenta por padrão fica travada; destravar é uma ação deliberada. Se você precisa se adequar a uma proporção alvo em vez da natural da fonte, o fluxo correto é cortar primeiro (use o Recortador de Imagem) e depois redimensionar o resultado cortado. Isso mantém as proporções corretas e o sujeito sem distorção.
• Pixel art é apagado pelo suavizamento. O suavizamento ligado por padrão desta ferramenta destrói sprites de 8 bits, ícones de grade de pixels e qualquer gráfico onde as bordas duras entre células coloridas são a graça. Reamostrar com qualquer filtro suavizador (bilinear, bicúbico, Lanczos) transforma essas bordas em gradientes. Para pixel art a resposta certa é o redimensionamento por vizinho-mais-próximo, que preserva cada borda dura. No lado do navegador, defina image-rendering: pixelated em CSS na imagem exibida. Para uma exportação real num novo tamanho, use uma ferramenta de área de trabalho: -filter Point do ImageMagick, a interpolação «Nenhuma» do GIMP, ou editores especializados como o Aseprite.
• Redimensionar várias vezes degrada JPEG e WebP. Cada ida-e-volta pelo canvas recodifica JPEG ou WebP em qualidade 0,92. A primeira passada é visualmente imperceptível; a terceira ou quarta introduz artefatos visíveis em áreas planas e amolece detalhes finos. Redimensione sempre a partir do master de mais alta resolução que você tem, não de uma cópia exportada ontem. Se você precisa iterar (tentar 1920, depois 1600, depois 1280), volte à fonte original a cada vez em vez de encadear redimensionamentos.
• DPI de impressão não é o mesmo que dimensões em pixels. Muita gente espera que um campo «DPI» ou «resolução» controle o tamanho de impressão. Esta ferramenta redimensiona somente pela contagem de pixels. A tag DPI dentro de um JPEG ou PNG é metadado consultivo para impressoras dizendo quantos pixels-por-polegada renderizar no papel. Dimensões em pixels e DPI são independentes: uma imagem 1920x1080 são 1920x1080 pixels em qualquer ajuste de DPI. Para controlar o tamanho de impressão você também precisa definir o DPI correto numa caixa de diálogo de impressão ou numa ferramenta fotográfica de desktop (painel de Imprimir do Preview, caixa Tamanho da Imagem do Photoshop com «Reamostrar» desligado).
• Imagens muito grandes podem travar uma aba no celular. Decodificar uma imagem para um canvas precisa de RAM proporcional às suas dimensões: uma foto de 24 megapixels (6000x4000 pixels) precisa de cerca de 96 MB só para o buffer de pixels RGBA fonte, mais um buffer separado para o canvas alvo, mais o espaço de trabalho do codificador JPEG ou WebP. Aparelhos móveis com 1 a 2 GB de RAM disponíveis para o navegador podem ver a aba encerrada pelo sistema operacional antes que a codificação termine. Para fotos muito grandes, redimensione num navegador de desktop, ou reduza em etapas (50 % primeiro, depois mais 50 %) para que cada passo caiba na memória disponível.

Privacidade: as imagens nunca saem do seu dispositivo

Cada redimensionador de imagens baseado em nuvem (iLoveIMG, ResizeImage.net, ResizePixel, BeFunky, Fotor, o endpoint de redimensionamento do Pixlr, as dezenas de serviços «redimensionar imagem online») envia seu arquivo para os servidores do operador, executa o algoritmo de redimensionamento deles e devolve a imagem menor como download. As implicações de privacidade não são triviais porque fotos rotineiramente contêm conteúdo identificável: rostos, endereços visíveis no fundo, capturas de interfaces internas ou documentos confidenciais, fotos de crianças, fotos tiradas em espaços privados, digitalizações de documentos com informações pessoais. A maioria dos operadores publica políticas de privacidade comprometendo-se a apagar os uploads em uma ou duas horas e a cifrar em trânsito, e os maiores possuem certificação ISO/IEC 27001. Eles têm fortes razões comerciais para honrar essas políticas. Mas «apagado em uma hora» não é «nunca visto». Durante essa hora o conteúdo da imagem está na infraestrutura do operador, acessível a qualquer processo ou pessoa com permissões adequadas, e visível em logs e backups segundo a política de retenção aplicável.

Este redimensionador nunca envia nada. Todo o pipeline (escolha do arquivo, decodificação da imagem, redimensionamento no canvas, codificação, download) roda dentro da sua aba do navegador usando JavaScript e a API Canvas do HTML5. Sem upload, sem requisição de rede carregando dados de imagem, sem entrada de log. Você pode verificar abrindo as ferramentas de desenvolvedor do navegador na aba Rede antes de redimensionar: nenhuma requisição é disparada com conteúdo de imagem. O único tráfego de rede é o carregamento inicial da página e um pequeno script image-resizer.js. Coloque o navegador em modo avião depois de a página carregar e o redimensionador continua funcionando em qualquer arquivo local que você selecionar, a prova empírica mais forte de que nada é enviado. Para fotos com qualquer coisa sensível (rostos, locais, capturas internas, documentos de identidade), o compromisso do lado navegador claramente vale a pena.

Quando outra ferramenta é a escolha certa

• Automação em lote em centenas de arquivos. Use sharp no Node.js (a biblioteca canônica de imagem do lado servidor, construída sobre libvips), ImageMagick ou GraphicsMagick na linha de comando, ou Pillow em Python. Estas ferramentas lidam com milhares de arquivos sem os limites de memória do navegador, expõem cada núcleo de reamostragem como opção explícita e rodam a partir de tarefas de CI, hooks de deploy ou tarefas cron.
• Superresolução por IA para ampliação genuína. Para ampliação nítida que realmente adiciona detalhe, use um upscaler por rede neural. Real-ESRGAN (código aberto, roda localmente via ChaiNNer ou linha de comando), waifu2x (código aberto, demos web gratuitas disponíveis), Topaz Gigapixel AI (comercial, desktop), ou Adobe Super Resolution dentro do Camera Raw ou Lightroom. Esses modelos alucinam detalhe plausível em vez de recuperá-lo; os resultados ficam nítidos em rostos e texturas naturais porque o modelo viu muitas imagens semelhantes durante o treinamento.
• Redimensionamento de pixel art que preserva bordas duras. Use uma ferramenta que exponha a reamostragem por vizinho-mais-próximo explicitamente: -filter Point do ImageMagick, a interpolação «Nenhuma» do GIMP, ou editores especializados em pixel art como o Aseprite. Esta ferramenta sempre suaviza porque o sinalizador imageSmoothingEnabled da API Canvas está ligado; desligá-lo degradaria todos os outros casos de uso, então a troca favorece fotos em vez de sprites.
• Fluxos de qualidade de impressão com controle de DPI. Adobe Photoshop, Affinity Photo ou Lightroom expõem dimensões em pixels e DPI como ajustes independentes, suportam fluxos com gerenciamento de cor (preservação de perfis ICC, prova em tela, saída CMYK) e lembram um histórico de redimensionamento não destrutivo. O redimensionamento Canvas no lado do navegador não consegue garantir nenhuma dessas coisas porque o Canvas opera em sRGB e pode descartar perfis de cor incorporados durante a recodificação.

Perguntas frequentes

Redimensionar reduz a qualidade da imagem?

Reduzir o tamanho preserva bem a qualidade. Aumentar (tornar uma imagem maior que o original) resultará em alguma desfocagem, pois novos pixels precisam ser interpolados. Para melhores resultados, comece com a imagem fonte na maior resolução que você tiver.

O que faz «travar proporção de aspecto»?

Quando travado, alterar a largura ajusta automaticamente a altura (e vice-versa) para manter as proporções originais da imagem. Destrave se precisar esticar ou comprimir a imagem para dimensões exatas.

Minha imagem é enviada para um servidor?

Não. Todo o redimensionamento acontece localmente no seu navegador usando a API Canvas HTML5. Sua imagem nunca sai do seu dispositivo.

Posso mudar o formato de saída?

Sim. Você pode exportar a imagem redimensionada como JPEG, PNG ou WebP, independentemente do formato original. Isso é útil para converter formatos enquanto redimensiona.

Mais perguntas frequentes

Qual a diferença entre DPI, PPI e dimensões em pixels?

Dimensões em pixels (largura por altura em pixels) descrevem o que a imagem de fato contém. PPI (pixels por polegada) descreve a densidade com que esses pixels são mostrados numa tela, uma propriedade do hardware de exibição, não do arquivo. DPI (pontos por polegada) descreve quantos pontos de saída de impressora serão depositados por polegada de papel quando a imagem for impressa. A tag DPI embutida num JPEG ou PNG é metadado consultivo para impressoras; ela não muda os dados de pixel. Uma imagem 1920x1080 são 1920x1080 pixels em qualquer ajuste de DPI. Para encolher uma impressão, ou reduza a contagem de pixels (esta ferramenta) ou aumente o metadado DPI antes de enviar para impressão (a caixa de diálogo de impressão de uma ferramenta de desktop ou o Tamanho da Imagem do Photoshop com «Reamostrar» desligado).

Por que minha imagem ampliada parece desfocada?

Porque a teoria da informação diz que ela tem que parecer. A reamostragem clássica (bicúbica, Lanczos, Mitchell) só consegue interpolar suavemente entre pixels fonte conhecidos; não consegue inventar o detalhe que nunca foi amostrado. O teorema de amostragem de Nyquist-Shannon fixa um teto duro: frequências acima da metade do passo da grade de pixels da fonte são matematicamente irrecuperáveis. Ampliar uma fonte de 200 pixels para 1920 pixels sempre parecerá macio porque 90 % dos novos pixels estão interpolados. Para ampliação nítida use um modelo de superresolução (Real-ESRGAN, Topaz Gigapixel, Adobe Super Resolution) que sintetiza detalhe plausível via uma rede neural treinada em milhões de imagens semelhantes.

Preciso redimensionar para telas retina ou HiDPI?

Sim. Telas retina de iPhone, MacBook e telas HiDPI do Windows renderizam em 2x ou 3x a densidade de pixels CSS lógicos. Uma imagem hero que aparece com 1200 pixels lógicos de largura numa tela retina na verdade pinta 2400 pixels físicos. Sirva a fonte 2x via o atributo srcset do HTML (o padrão moderno de imagens responsivas) e o navegador escolhe a certa para o dispositivo de cada visitante. Para um único avatar ou imagem hero sem srcset, simplesmente redimensione para 2x o tamanho exibido: a imagem fica nítida em retina e só ligeiramente superdimensionada em não-retina, o que custa um pouco de banda mas evita o desfoque muito mais visível de uma imagem subdimensionada esticada sobre pixels de alta densidade.

Esta ferramenta funciona offline?

Sim. A API Canvas do HTML5 faz parte do próprio navegador, não é uma biblioteca baixada, portanto não há um runtime separado para cachear. A página carrega da forma habitual; uma vez aberta, o redimensionador roda inteiramente a partir do código embutido no navegador sobre qualquer arquivo local que você selecionar. Você pode verificar entrando em modo avião depois de abrir a página e redimensionando uma imagem local. O resultado baixado é gerado localmente e salvo pelo mecanismo normal de download do navegador, também sem envolvimento de rede.

Devo cortar antes de redimensionar, ou depois?

Corte primeiro, depois redimensione. O corte define a proporção (16:9 para YouTube, 1:1 para o feed do Instagram, 9:16 para Stories, 1,91:1 para Open Graph) descartando pixels de borda indesejados. O redimensionamento então define a contagem de pixels para a proporção escolhida. Fazer os passos na ordem inversa também é possível mas desperdiça trabalho, você reamostraria mais pixels do que precisa para então jogar alguns fora durante o corte. Para esta ferramenta, use primeiro o Recortador de Imagem para definir a proporção e depois este Redimensionador de Imagem para definir as dimensões alvo exatas. Muitos fluxos específicos de plataforma (miniatura do YouTube 1280x720, feed do Instagram 1080x1080) combinam os dois passos; fazê-los em sequência com duas ferramentas dedicadas dá uma saída mais limpa do que tentar fazer tudo de uma vez com proporções esticadas.

Existe um equivalente de desktop ou linha de comando?

Vários. Para automação em lote, sharp no Node.js é a biblioteca canônica do lado servidor (construída sobre libvips). ImageMagick (magick input.jpg -resize 1920x1080 output.jpg) e GraphicsMagick rodam em qualquer shell e dão conta de arquivos enormes. Pillow em Python (Image.open(p).resize((1920, 1080), Image.LANCZOS)) é o padrão para fluxos de ciência de dados. Para trabalho interativo pontual como esta ferramenta mas com controle explícito por núcleo e mais formatos de saída incluindo AVIF, o Squoosh (Google Chrome Labs, inteiramente do lado cliente) é a alternativa de navegador recomendada. Photoshop, Affinity Photo e Preview no macOS (Ferramentas, Ajustar Tamanho) cobrem o caso de GUI de desktop.

Ferramentas relacionadas