Escalado de imágenes

Una de las formas más sencillas de aumentar el tamaño de una imagen es mediante la interpolación del vecino más cercano , que reemplaza cada píxel con el píxel más próximo en la imagen de salida. En el caso del escalado, esto significa que habrá varios píxeles del mismo color. Esto puede preservar los detalles nítidos, pero también puede introducir bordes dentados en imágenes que antes eran suaves. El término "más cercano" en la interpolación del vecino más cercano no tiene por qué ser el más próximo matemáticamente. Una implementación común consiste en redondear siempre hacia cero. Este redondeo produce menos artefactos y es más rápido de calcular.

Este algoritmo suele preferirse para imágenes con bordes poco o nada suaves. Una aplicación común se encuentra en el pixel art .

La interpolación bilineal funciona interpolando los valores de color de los píxeles, introduciendo una transición continua en la salida incluso cuando el material original presenta transiciones discretas. Si bien esto es deseable para imágenes de tono continuo, este algoritmo reduce el contraste (bordes nítidos) de una manera que puede resultar indeseable para el dibujo lineal. La interpolación bicúbica ofrece resultados sustancialmente mejores, aunque con un mayor coste computacional.

En teoría, el remuestreo sinc proporciona la mejor reconstrucción posible para una señal con ancho de banda perfectamente limitado. En la práctica, las imágenes digitales reales no cumplen completamente con los supuestos del remuestreo sinc. El remuestreo de Lanczos , una aproximación al método sinc, ofrece mejores resultados. La interpolación bicúbica puede considerarse una aproximación computacionalmente eficiente al remuestreo de Lanczos.

Una debilidad de los algoritmos bilineales, bicúbicos y similares es que muestrean un número específico de píxeles. Al reducir la escala por debajo de un cierto umbral, como por ejemplo más del doble en todos los algoritmos de muestreo bidimensional, estos muestrean píxeles no adyacentes, lo que conlleva la pérdida de datos y resultados imprecisos.

La solución más sencilla a este problema es el muestreo por caja, que consiste en considerar el píxel objetivo como una caja en la imagen original y muestrear todos los píxeles dentro de ella. Esto garantiza que todos los píxeles de entrada contribuyan a la salida. La principal desventaja de este algoritmo es su dificultad de optimización.

Otra solución al problema de la reducción de escala en el escalado bi-muestreado son los mipmaps . Un mipmap es un conjunto preescalado de copias reducidas. Al reducir la escala, el mipmap más cercano de mayor tamaño se utiliza como origen para garantizar que no haya una reducción de escala inferior al umbral útil del escalado bilineal. Este algoritmo es rápido y fácil de optimizar. Es estándar en muchos frameworks, como OpenGL . El inconveniente es que consume más memoria de imagen, exactamente un tercio más en la implementación estándar.

La interpolación simple basada en la transformada de Fourier rellena el dominio de la frecuencia con componentes cero (un enfoque de ventana suave reduciría el efecto de resonancia ). Además de la buena conservación (o recuperación) de los detalles, destacan el efecto de resonancia y la difusión circular del contenido desde el borde izquierdo al borde derecho (y viceversa).

Los algoritmos de interpolación dirigidos a los bordes tienen como objetivo preservar los bordes de la imagen después del escalado, a diferencia de otros algoritmos, que pueden introducir artefactos escalonados.

Ejemplos de algoritmos para esta tarea incluyen New Edge-Directed Interpolation (NEDI), ^{[ 1 ] [ 2 ]} Edge-Guided Image Interpolation (EGGI), ^{[ 3 ]} Iterative Curvature-Based Interpolation (ICBI), ^{[ 4 ]} y Directional Cubic Convolution Interpolation (DCCI). ^{[ 5 ]} Un análisis de 2013 encontró que DCCI tenía los mejores puntajes en relación señal-ruido máxima y similitud estructural en una serie de imágenes de prueba. ^{[ 6 ]}

Para ampliar gráficos de computadora con baja resolución y/o pocos colores (generalmente de 2 a 256 colores), se pueden obtener mejores resultados con hqx u otros algoritmos de escalado de pixel art . Estos producen bordes nítidos y mantienen un alto nivel de detalle.

La extracción vectorial, o vectorización , ofrece otro enfoque. La vectorización crea primero una representación vectorial independiente de la resolución del gráfico que se va a escalar. El archivo vectorial SVG resultante se puede exportar y renderizar a cualquier resolución requerida sin pérdida de calidad, sirviendo directamente como material gráfico listo para producción para visualización e impresión escalables. ^{[ 7 ]} Esta técnica la utilizan Adobe Illustrator , Live Trace e Inkscape . ^{[ 8 ]} Los gráficos vectoriales escalables son adecuados para imágenes geométricas simples, mientras que las fotografías no se adaptan bien a la vectorización debido a su complejidad.

Este método utiliza aprendizaje automático para imágenes más detalladas, como fotografías y obras de arte complejas. Algunos programas que emplean este método son waifu2x , Imglarger y Neural Enhance.

Demostración del escalado convencional frente al escalado waifu2x con reducción de ruido, utilizando un detalle de Phosphorus and Hesperus de Evelyn De Morgan . [Haz clic en la imagen para verla en tamaño completo]

• 
  Imagen original
• 
  Imagen ampliada al 200% con PaintShop Pro.
• 
  Imagen ampliada al 200% usando waifu2x en modo Foto con reducción de ruido media.
• 
  Imagen ampliada al 400 % utilizando Topaz AI Gigapixel con reducción de ruido baja.
• 
  Imagen ampliada al 400% utilizando RealSR DF2K-JPEG.

El software de mejora de imagen basado en inteligencia artificial permite añadir detalles y nitidez a las fotografías históricas, cuando estos no están presentes en la original.

• 
  Fotografía de baja calidad de 270×368 píxeles de John Howard Lindauer , escaneada de un directorio de la Legislatura Estatal de EE. UU.
• 
  La misma imagen mejorada y ampliada a 2160×2944 píxeles.

La disponibilidad de herramientas de mejora de imagen mediante IA ha generado confusión, ya que algunas personas creen que la versión mejorada de una imagen borrosa muestra fielmente al sujeto de la fotografía original. En 2025, un usuario de la red social X publicó una versión mejorada mediante IA de una foto de baja resolución de Donald Trump a la que había ampliado, y preguntó si alguien podía «explicar qué demonios le pasaba en la frente». Los expertos señalaron que la imagen se había distorsionado durante el proceso de mejora y que dichas herramientas «inevitablemente tienen que inventar, o al menos recrear, detalles que estaban o no estaban presentes». ^{[ 9 ]}

El escalado de imágenes se utiliza, entre otras aplicaciones, en navegadores web , ^{[ 10 ]} editores de imágenes , visores de imágenes y archivos, lupas de software, zoom digital, el proceso de generación de imágenes en miniatura y al imprimir imágenes en pantallas o impresoras.

Esta aplicación amplía imágenes para sistemas de cine en casa compatibles con dispositivos de salida HDTV a partir de contenido PAL, por ejemplo, desde un reproductor de DVD. El escalado se realiza en tiempo real y la señal de salida no se guarda.

Dado que los gráficos pixelados suelen tener baja resolución, dependen de la colocación precisa de cada píxel, a menudo con una paleta de colores limitada. Esto da como resultado gráficos que se basan en claves visuales estilizadas para definir formas complejas con poca resolución, incluso a nivel de píxel individual. Por ello, escalar pixelados es un problema particularmente difícil.

Se desarrollaron algoritmos especializados ^{[ 11 ]} para manejar gráficos pixel-art, ya que los algoritmos de escalado tradicionales no toman en cuenta las señales perceptivas.

Dado que una aplicación típica consiste en mejorar el aspecto de los videojuegos de cuarta generación y anteriores en emuladores de arcade y consolas , muchos están diseñados para ejecutarse en tiempo real con imágenes de entrada pequeñas a 60 fotogramas por segundo.

En hardware rápido, estos algoritmos son adecuados para videojuegos y otras aplicaciones de procesamiento de imágenes en tiempo real. Proporcionan gráficos nítidos y definidos, minimizando la borrosidad. Los algoritmos de escalado de gráficos se han implementado en una amplia gama de emuladores como HqMAME y DOSBox , así como en motores de juegos 2D y recreaciones de motores de juegos como ScummVM . Ganaron popularidad entre los jugadores, para quienes estas tecnologías impulsaron un resurgimiento de las experiencias de juego de los años 80 y 90.

Estos filtros se utilizan actualmente en emuladores comerciales de Xbox Live , Virtual Console y PSN para que los juegos clásicos de baja resolución luzcan mejor en pantallas HD modernas . Algunos juegos lanzados recientemente que incorporan estos filtros son Sonic's Ultimate Genesis Collection , Castlevania: The Dracula X Chronicles , Castlevania: Symphony of the Night y Akumajō Dracula X Chi no Rondo .

Varias empresas han desarrollado técnicas para aumentar la resolución de los fotogramas de vídeo en tiempo real , como cuando se muestran en pantalla en un videojuego. El supermuestreo de aprendizaje profundo (DLSS) de Nvidia utiliza aprendizaje profundo para aumentar la resolución de imágenes de menor resolución a una resolución mayor para su visualización en monitores de ordenador de mayor resolución. ^{[ 12 ]} La tecnología FidelityFX Super Resolution 1.0 (FSR) de AMD no emplea aprendizaje automático, sino que utiliza algoritmos tradicionales escritos a mano para lograr el aumento de resolución espacial en unidades de sombreado tradicionales. FSR 2.0 utiliza el aumento de resolución temporal, también con un algoritmo ajustado manualmente. No se aplican preajustes estandarizados de FSR, y algunos títulos como Dota 2 ofrecen controles deslizantes de resolución. ^{[ 13 ]} Otras tecnologías incluyen Intel XeSS y Nvidia Image Scaler (NIS). ^{[ 14 ] [ 15 ]}