Bild-Upscaler

Uses browser interpolation. For AI-grade upscaling use a dedicated ML tool.
Bild-Hochskalierung

Klassisches Resampling verwischt beim Vergrößern oft feine Details; KI-Superauflösung ergänzt plausible Strukturen und erhält so die wahrgenommene Schärfe. Laden Sie ein niedrig aufgelöstes Bild hoch und wählen Sie zwischen Lanczos für eine schnelle, originalgetreue Vergrößerung oder einem neuronalen Modell für ein 2×/3×/4×-Ergebnis, das wirkt, als wäre die Aufnahme gleich in höherer Auflösung entstanden.

So vergrößern Sie ein Bild

  1. 1

    Bild hochladen

    JPG, PNG und WebP; niedrig aufgelöste Fotos und Illustrationen werden unterstützt.

  2. 2

    Vergrößerungsfaktor wählen

    2×, 3× oder 4×.

  3. 3

    Methode wählen

    Lanczos (schnell, originalgetreu) oder KI (langsamer, ergänzt plausible Details).

  4. 4

    Herunterladen

    Ausgabe in der vergrößerten Auflösung; JPG oder PNG.

Klassische Neuberechnung vs. KI-Vergrößerung

Direkter Vergleich

Methode Geschwindigkeit Detailgewinn Risiko für Artefakte
Nächster Nachbar Sofort Keiner Blockige Pixel
Bilinear Sofort Keiner Weichgezeichnet
Bikubisch Schnell Gering Weiche Kanten
Lanczos Schnell Moderat Ringartefakte an starken Kontrasten
KI (ESRGAN-Klasse) Langsamer (Sekunden) Deutlich Erfundene Details, manchmal falsch

KI-Upscaler stellen verlorene Informationen nicht wirklich wieder her. Sie sagen anhand der beim Training gelernten Muster voraus, wie eine plausible Version in höherer Auflösung aussehen könnte. Bei Fotos realer Objekte wirkt das oft überzeugend; bei Schrift und Gesichtern hängt die Genauigkeit stark von der Qualität der Vorlage ab.

Wann welche Methode passt

  • KI: niedrig aufgelöste Fotoscans, alte Webbilder und kleine Produktfotos, die größer dargestellt werden sollen.
  • Lanczos: Screenshots und UI-Mockups, bei denen jeder Pixel bewusst gesetzt ist.
  • Nächster Nachbar: Pixel-Art, etwa Game-Boy-Sprites oder 16-Bit-Grafiken.

Grenzen

  • Kein Upscaler fügt Farbe hinzu oder korrigiert die Belichtung; erledigen Sie das vorher.
  • Gesichter können sich bei generischen Modellen leicht verändern. Für Porträts ist ein gesichtsspezifischer Upscaler besser geeignet.
  • Ein JPG mit sichtbaren Kompressionsartefakten wird diese Artefakte nach dem Vergrößern stärker zeigen. Entrauschen Sie zuerst.
  • Eine 4×-Vergrößerung eines 500 × 500-Bildes ergibt 2000 × 2000 Pixel, aber nicht mehr echte Details als in der Quelle vorhanden waren.

Dateigrößen

Eine 4×-Vergrößerung erzeugt 16× so viele Pixel. Rechnen Sie daher mit deutlich größeren Dateien und planen Sie Speicherplatz ein oder komprimieren Sie das Ergebnis als WebP/AVIF.

Häufig gestellte Fragen

Bei natürlichen Fotos meist ja. Für präzise technische Bilder wie Schaltpläne, UI-Screenshots oder Pixel-Art sind Lanczos oder der nächste Nachbar oft besser, weil KI Details erfinden kann, die nie vorhanden waren.

Generische Upscaler können Gesichtszüge leicht verändern. Verwenden Sie für Porträts ein gesichtsspezifisches Modell wie GFPGAN oder ein ähnliches Verfahren, das auf die Rekonstruktion von Gesichtsdetails abgestimmt ist. Dieses Tool bietet im KI-Modus eine Gesichtsoption.

KI-Upscaling läuft auf einem GPU-Server, weil die Berechnung im Browser zu langsam wäre. Bilder werden verarbeitet und unmittelbar nach dem Download des Ergebnisses gelöscht. Lanczos-Upscaling läuft dagegen ohne Upload direkt im Browser.

Mit Lanczos ja, auch in unbegrenzten Stapeln. KI-Upscaling wird in eine Warteschlange gestellt und ist durch den GPU-Durchsatz begrenzt, typischerweise auf bis zu 20 Bilder pro Stapel.

Verwandte Tools