ในคอมพิวเตอร์กราฟิกและการประมวลผลภาพดิจิทัลการปรับขนาดภาพ (Image scaling)คือการปรับขนาดของภาพดิจิทัล ในเทคโนโลยีวิดีโอ การขยายภาพดิจิทัลเรียกว่าการเพิ่มความละเอียด (Upscaling หรือResolution enhancement )

เมื่อปรับขนาด ภาพ กราฟิกแบบเวกเตอร์องค์ประกอบกราฟิกพื้นฐานที่ประกอบเป็นภาพสามารถแสดงผลได้โดยใช้การแปลงทางเรขาคณิตที่ความละเอียดใด ๆ โดยไม่สูญเสียคุณภาพของภาพแต่เมื่อปรับขนาด ภาพ กราฟิกแบบแรสเตอร์จะต้องสร้างภาพใหม่ที่มีจำนวนพิกเซลมากขึ้นหรือน้อยลง ในกรณีที่จำนวนพิกเซลลดลง (การปรับขนาดลง) มักจะส่งผลให้คุณภาพลดลงอย่างเห็นได้ชัด จากมุมมองของการประมวลผลสัญญาณดิจิทัลการปรับขนาดกราฟิกแบบแรสเตอร์เป็นตัวอย่างสองมิติของการแปลงอัตราการสุ่มตัวอย่างซึ่งเป็นการแปลงสัญญาณแบบไม่ต่อเนื่องจากอัตราการสุ่มตัวอย่างหนึ่ง (ในกรณีนี้คืออัตราการสุ่มตัวอย่างเฉพาะที่) ไปเป็นอีกอัตราหนึ่ง

การปรับขนาดภาพสามารถตีความได้ว่าเป็นรูปแบบหนึ่งของการสุ่มตัวอย่างภาพใหม่หรือการสร้างภาพขึ้นใหม่จากมุมมองของทฤษฎีการสุ่มตัวอย่างของ Nyquistตามทฤษฎีนี้ การลดขนาดภาพจากภาพต้นฉบับที่มีความละเอียดสูงกว่าให้มีขนาดเล็กลง จะทำได้ก็ต่อเมื่อใช้ตัวกรองป้องกันการเกิดรอยหยัก แบบ 2 มิติที่เหมาะสม เพื่อป้องกันสิ่งแปลกปลอมที่เกิดจากรอยหยัก ภาพจะถูกลดขนาดลงเหลือเพียงข้อมูลที่สามารถบรรจุได้ในภาพที่มีขนาดเล็กกว่านั้น

ในกรณีของการเพิ่มความละเอียดของภาพ (up sampling) ตัวกรองการสร้างภาพใหม่ (reconstruction filter ) จะเข้ามาทำหน้าที่แทนตัวกรองป้องกันการเกิดรอยหยัก (anti-aliasing filter)

• 
  ภาพต้นฉบับขนาด 160x160 พิกเซล
• 
  ภาพต้นฉบับในโดเมนความถี่เชิงพื้นที่
• 
  ภาพ 2 มิติผ่านการกรองความถี่ต่ำแต่ยังคงมีขนาด 160x160 พิกเซล
• 
  ภาพ ที่ผ่านการกรองในโดเมนความถี่เชิงพื้นที่

• 
  ภาพขนาด 160x160 พิกเซล ที่ผ่านการกรองความถี่ต่ำ และลดขนาดลง 4 เท่า เหลือขนาด 40x40 พิกเซล 
• 
  การขยายภาพด้วยวิธี Fourier 4 เท่า จากภาพขนาด 40x40 พิกเซลที่ลดขนาดลงมา เป็นภาพขนาด 160x160 พิกเซล (การสร้างภาพใหม่ที่ถูกต้อง)
• 
  การขยายภาพด้วยวิธี Fourier 4 เท่า จากภาพขนาด 40x40 พิกเซลที่ลดขนาดลงมา เป็นภาพขนาด 160x160 พิกเซล (โดยมีรอยหยัก)

แนวทางที่ซับซ้อนกว่าในการขยายภาพจะมองปัญหาเป็นปัญหาผกผันโดยแก้ปัญหาการสร้างภาพที่ดูสมจริงซึ่งเมื่อย่อขนาดลงแล้วจะดูเหมือนภาพต้นฉบับ มีการใช้เทคนิคต่างๆ มากมายสำหรับเรื่องนี้ รวมถึงเทคนิคการเพิ่มประสิทธิภาพด้วย เงื่อนไข การปรับค่าและการใช้การเรียนรู้ของเครื่องจากตัวอย่าง

สามารถเปลี่ยนขนาดภาพได้หลายวิธี

หนึ่งในวิธีที่ง่ายที่สุดในการเพิ่มขนาดภาพคือ การประมาณค่าแบบ เพื่อนบ้านที่ใกล้ที่สุด (nearest-neighbor interpolation ) โดยการแทนที่ทุกพิกเซลด้วยพิกเซลที่ใกล้ที่สุดในภาพผลลัพธ์ สำหรับการขยายภาพ (upscaling) หมายความว่าจะมีพิกเซลสีเดียวกันหลายพิกเซล วิธีนี้สามารถรักษาความคมชัดของรายละเอียดได้ แต่ก็อาจทำให้ ภาพที่เคยเรียบเนียน ดูไม่เรียบเนียนได้เช่นกัน คำว่า 'ใกล้ที่สุด' ในการประมาณค่าแบบเพื่อนบ้านที่ใกล้ที่สุดนั้น ไม่จำเป็นต้องหมายถึงความใกล้ที่สุดทางคณิตศาสตร์เสมอไป การใช้งานทั่วไปอย่างหนึ่งคือการปัดเศษเข้าหาศูนย์เสมอ การปัดเศษแบบนี้จะทำให้เกิดสิ่งผิดปกติในภาพน้อยลงและคำนวณได้เร็วกว่า

อัลกอริทึมนี้มักนิยมใช้กับภาพที่มีขอบไม่เรียบหรือมีขอบน้อยมาก ตัวอย่างที่พบได้ทั่วไปคือภาพพิกเซลอาร์ต

การประมาณค่า แบบ Bilinear interpolationทำงานโดยการประมาณค่าสีของพิกเซล ทำให้เกิดการเปลี่ยนสีอย่างต่อเนื่องในผลลัพธ์ แม้ว่าภาพต้นฉบับจะมีการเปลี่ยนสีแบบไม่ต่อเนื่องก็ตาม ถึงแม้ว่าวิธีนี้จะเหมาะสมสำหรับภาพที่มีโทนสีต่อเนื่อง แต่ก็ลดความคมชัด (ขอบคม) ซึ่งอาจไม่เหมาะสมสำหรับภาพลายเส้น การประมาณ ค่าแบบ Bicubic interpolationให้ผลลัพธ์ที่ดีกว่ามาก แต่ก็มีต้นทุนการคำนวณที่สูงขึ้นด้วย

ในทางทฤษฎี การสุ่มตัวอย่างแบบซินค์ (sinc resampling ) ให้ผลลัพธ์การสร้างภาพที่ดีที่สุดสำหรับสัญญาณที่มีแบนด์วิดท์จำกัดอย่างสมบูรณ์แบบ แต่ในทางปฏิบัติ ข้อสมมติฐานเบื้องหลังการสุ่มตัวอย่างแบบซินค์นั้นไม่ตรงกับภาพดิจิทัลในโลกแห่งความเป็นจริงทั้งหมดการสุ่มตัวอย่างแบบแลนซอส (Lanczos resampling)ซึ่งเป็นการประมาณค่าของวิธีซินค์ ให้ผลลัพธ์ที่ดีกว่า ส่วนการแทรกสอดแบบไบคิวบิก (Bicubic interpolation) สามารถถือได้ว่าเป็นวิธีการประมาณค่าการสุ่มตัวอย่างแบบแลนซอสที่มีประสิทธิภาพในการคำนวณมากกว่า

จุดอ่อนอย่างหนึ่งของอัลกอริธึมแบบไบลิเนียร์ ไบคิวบิก และอัลกอริธึมที่เกี่ยวข้อง คือพวกมันสุ่มตัวอย่างพิกเซลจำนวนหนึ่ง เมื่อลดขนาดลงต่ำกว่าเกณฑ์ที่กำหนด เช่น มากกว่าสองเท่าสำหรับอัลกอริธึมการสุ่มตัวอย่างแบบไบลิเนียร์ทั้งหมด อัลกอริธึมเหล่านี้จะสุ่มตัวอย่างพิกเซลที่ไม่ติดกัน ซึ่งส่งผลให้ข้อมูลสูญหายและผลลัพธ์ไม่คมชัด

วิธีแก้ปัญหาอย่างง่ายที่สุดคือการสุ่มตัวอย่างแบบกล่อง (box sampling) ซึ่งก็คือการพิจารณาพิกเซลเป้าหมายเป็นกล่องบนภาพต้นฉบับ และสุ่มตัวอย่างพิกเซลทั้งหมดที่อยู่ภายในกล่องนั้น วิธีนี้จะช่วยให้มั่นใจได้ว่าพิกเซลอินพุตทั้งหมดมีส่วนร่วมในเอาต์พุต จุดอ่อนสำคัญของอัลกอริทึมนี้คือการปรับให้เหมาะสมที่สุดทำได้ยาก

อีกวิธีหนึ่งในการแก้ปัญหาการลดขนาดของการปรับขนาดแบบไบลิเนียร์คือการ ใช้ มิปแมป ( mipmap) มิปแมปคือชุดสำเนาที่ลดขนาดแล้วซึ่งผ่านการปรับขนาดล่วงหน้า เมื่อทำการลดขนาด มิปแมปที่ใหญ่ที่สุดที่อยู่ใกล้ที่สุดจะถูกใช้เป็นจุดกำเนิดเพื่อให้แน่ใจว่าจะไม่มีการปรับขนาดต่ำกว่าเกณฑ์ที่มีประโยชน์ของการปรับขนาดแบบไบลิเนียร์ อัลกอริทึมนี้รวดเร็วและง่ายต่อการปรับให้เหมาะสม เป็นมาตรฐานในเฟรมเวิร์กหลายอย่าง เช่นOpenGLข้อเสียคือการใช้หน่วยความจำภาพมากขึ้น ซึ่งมากกว่าเดิมถึงหนึ่งในสามในการใช้งานแบบมาตรฐาน

การแทรกสอดแบบง่ายโดยใช้การแปลงฟูริเยร์จะเติมโดเมนความถี่ด้วยส่วนประกอบที่เป็นศูนย์ (วิธีการแบบใช้หน้าต่างที่ราบเรียบจะช่วยลดการ เกิด สัญญาณรบกวนได้ ) นอกเหนือจากการรักษา (หรือการกู้คืน) รายละเอียดที่ดีแล้ว สิ่งที่น่าสังเกตคือสัญญาณรบกวนและการรั่วไหลของเนื้อหาเป็นวงกลมจากขอบด้านซ้ายไปยังขอบด้านขวา (และในทางกลับกัน)

อัลกอริทึมการแทรกสอดแบบกำหนดทิศทางขอบมีเป้าหมายเพื่อรักษาขอบในภาพหลังจากปรับขนาด ซึ่งแตกต่างจากอัลกอริทึมอื่นๆ ที่อาจทำให้เกิดสิ่งผิดปกติคล้ายขั้นบันได

ตัวอย่างของอัลกอริธึมสำหรับงานนี้ ได้แก่ New Edge-Directed Interpolation (NEDI) ^{[ 1 ] [ 2 ]} Edge-Guided Image Interpolation (EGGI) ^{[ 3 ]} Iterative Curvature-Based Interpolation (ICBI) ^{[ 4 ]}และDirectional Cubic Convolution Interpolation (DCCI) ^{[ 5 ]} การวิเคราะห์ในปี 2013 พบว่า DCCI มีคะแนนดีที่สุดในอัตราส่วนสัญญาณต่อสัญญาณรบกวนสูงสุดและความคล้ายคลึงเชิงโครงสร้างในชุดภาพทดสอบ^{[ 6 ]}

สำหรับการขยายภาพกราฟิกคอมพิวเตอร์ที่มีความละเอียดต่ำและ/หรือมีสีน้อย (โดยปกติ 2 ถึง 256 สี) จะได้ผลลัพธ์ที่ดีกว่าโดยใช้hqxหรือ อัลก อริทึมการปรับขนาดภาพพิกเซลอาร์ต อื่นๆ ซึ่งจะสร้างขอบที่คมชัดและรักษาความละเอียดในระดับสูง

การสกัดเวกเตอร์หรือการแปลงเป็นเวกเตอร์เป็นอีกแนวทางหนึ่ง การแปลงเป็นเวกเตอร์จะสร้างภาพกราฟิกที่จะปรับขนาดในรูปแบบเวกเตอร์ที่ไม่ขึ้นกับความละเอียดก่อน จากนั้นไฟล์เวกเตอร์ SVG ที่ได้สามารถส่งออกและแสดงผลที่ความละเอียดใดๆ ที่ต้องการได้โดยไม่สูญเสียคุณภาพ และทำหน้าที่เป็นงานศิลปะที่พร้อมสำหรับการผลิตเพื่อการแสดงผลและการพิมพ์ที่ปรับขนาดได้โดยตรง^{[ 7 ]}เทคนิคนี้ใช้โดยAdobe Illustrator , Live Trace และInkscape ^{[ 8 ]}กราฟิกเวกเตอร์ที่ปรับขนาดได้นั้นเหมาะสมกับภาพเรขาคณิตแบบง่ายๆ ในขณะที่ภาพถ่ายไม่เหมาะกับการแปลงเป็นเวกเตอร์เนื่องจากมีความซับซ้อน

วิธีการนี้ใช้การเรียนรู้ของเครื่องสำหรับภาพที่มีรายละเอียดสูง เช่น ภาพถ่ายและงานศิลปะที่ซับซ้อน โปรแกรมที่ใช้วิธีนี้ ได้แก่waifu2x , Imglarger และ Neural Enhance

การสาธิตการเปรียบเทียบการเพิ่มความละเอียดภาพแบบดั้งเดิมกับแบบ waifu2x พร้อมการลดสัญญาณรบกวน โดยใช้ภาพรายละเอียดของPhosphorus and HesperusโดยEvelyn De Morgan [คลิกที่ภาพเพื่อดูภาพขนาดเต็ม]

• 
  ภาพต้นฉบับ
• 
  ภาพถูกขยายขนาด 200% โดยใช้PaintShop Pro
• 
  ภาพถูกขยายขนาด 200% โดยใช้waifu2xในโหมดภาพถ่าย พร้อมลดสัญญาณรบกวนระดับปานกลาง
• 
  ภาพถูกขยายขนาด 400% โดยใช้ Topaz AI Gigapixel พร้อมระบบลดสัญญาณรบกวนต่ำ
• 
  ภาพถูกขยายขนาด 400% โดยใช้ RealSR DF2K-JPEG

ซอฟต์แวร์เพิ่มความละเอียดภาพด้วย AI ช่วยเพิ่มรายละเอียดและความคมชัดให้กับภาพถ่ายทางประวัติศาสตร์ที่ขาดรายละเอียดและความคมชัดในภาพต้นฉบับ

• 
  ภาพถ่ายคุณภาพต่ำขนาด 270×368 พิกเซลของจอห์น ฮาวเวิร์ด ลินเดาเออร์สแกนจากสมุดรายชื่อของสภานิติบัญญัติแห่งรัฐ
• 
  ภาพเดียวกันนี้ได้รับการปรับปรุงและขยายขนาดเป็น 2160×2944 พิกเซล

ความพร้อมใช้งานของเครื่องมือเพิ่มความละเอียดภาพด้วย AI ทำให้เกิดความสับสน โดยที่บางคนเข้าใจผิดว่าภาพที่เบลอแล้วถูกเพิ่มความละเอียดขึ้นมานั้น แสดงให้เห็นภาพของบุคคลในภาพถ่ายต้นฉบับอย่างแท้จริง ในปี 2025 ผู้ใช้เว็บไซต์โซเชียลมีเดียXได้โพสต์ภาพโดนัลด์ ทรัมป์ ที่มีความละเอียดต่ำ ซึ่งถูกเพิ่มความละเอียดด้วย AI และถามว่ามีใครสามารถ "อธิบายได้ไหมว่าเกิดอะไรขึ้นกับหน้าผากของเขา" ผู้เชี่ยวชาญตั้งข้อสังเกตว่าภาพนั้นถูกบิดเบือนโดยกระบวนการเพิ่มความละเอียด และเครื่องมือดังกล่าว "จำเป็นต้องสร้างหรืออย่างน้อยก็สร้างรายละเอียดขึ้นมาใหม่ ซึ่งมีหรือไม่มีอยู่แล้ว" ^{[ 9 ]}

การปรับขนาดภาพใช้ในแอปพลิเคชันต่างๆ เช่นเว็บเบราว์เซอร์ [ ^{10 ] โปรแกรม}แก้ไขภาพโปรแกรมดูภาพและไฟล์ โปรแกรมขยายภาพ การซูมดิจิทัล กระบวนการสร้างภาพขนาดย่อและเมื่อส่งออกภาพผ่านหน้าจอหรือเครื่องพิมพ์

แอปพลิเคชันนี้ใช้สำหรับขยายภาพในระบบโฮมเธียเตอร์สำหรับอุปกรณ์แสดงผล HDTV ที่รองรับความละเอียดสูง (HDTV) จากเนื้อหาความละเอียด PAL เช่น จากเครื่องเล่น DVD การขยายภาพจะทำแบบเรียลไทม์ และสัญญาณเอาต์พุตจะไม่ถูกบันทึก

เนื่องจาก ภาพกราฟิก แบบพิกเซลอาร์ตมักมีความละเอียดต่ำ จึงต้องอาศัยการจัดวางพิกเซลแต่ละพิกเซลอย่างระมัดระวัง โดยมักใช้สีที่มีจำกัด ส่งผลให้ภาพกราฟิกเหล่านี้อาศัยลักษณะเฉพาะทางสายตาในการกำหนดรูปทรงที่ซับซ้อนด้วยความละเอียดต่ำถึงระดับพิกเซลแต่ละพิกเซล ซึ่งทำให้การปรับขนาดภาพพิกเซลอาร์ตเป็นปัญหาที่ยากเป็นพิเศษ

อัลกอริทึมเฉพาะ^{[ 11 ]}ได้รับการพัฒนาขึ้นเพื่อจัดการกับกราฟิกพิกเซลอาร์ต เนื่องจากอัลกอริทึมการปรับขนาดแบบดั้งเดิมไม่ได้คำนึงถึงเบาะแสการรับรู้

เนื่องจากการใช้งานทั่วไปคือการปรับปรุงรูปลักษณ์ของวิดีโอเกมรุ่นที่สี่และรุ่นก่อนหน้าบน โปรแกรมจำลอง เกมตู้และเกมคอนโซลหลายโปรแกรมจึงได้รับการออกแบบให้ทำงานแบบเรียลไทม์สำหรับภาพอินพุตขนาดเล็กที่ 60 เฟรมต่อวินาที

บนฮาร์ดแวร์ที่เร็ว อัลกอริทึมเหล่านี้เหมาะสำหรับการเล่นเกมและการประมวลผลภาพแบบเรียลไทม์อื่นๆ อัลกอริทึมเหล่านี้ให้ภาพกราฟิกที่คมชัดและละเอียด ในขณะที่ลดการเบลอให้น้อยที่สุด อัลกอริทึมการปรับขนาดภาพได้รับการนำไปใช้ในโปรแกรมจำลองเกมหลากหลายประเภท เช่น HqMAME และDOSBoxรวมถึงเอนจิ้นเกม 2 มิติ และโปรแกรมจำลองเอนจิ้นเกมเช่นScummVMเทคโนโลยีเหล่านี้ได้รับการยอมรับจากนักเล่นเกม ซึ่งกระตุ้นให้เกิดการฟื้นคืนชีพของประสบการณ์การเล่นเกมในยุค 1980 และ 1990

ปัจจุบันมีการใช้ฟิลเตอร์ดังกล่าวในโปรแกรมจำลองเกมเชิงพาณิชย์บนXbox Live , Virtual ConsoleและPSNเพื่อให้เกมคลาสสิกที่มีความละเอียดต่ำดูสวยงามยิ่งขึ้นบน จอแสดงผล HD สมัยใหม่ เกมที่เพิ่งวางจำหน่ายซึ่งใช้ฟิลเตอร์เหล่านี้ ได้แก่Sonic's Ultimate Genesis Collection , Castlevania: The Dracula X Chronicles , Castlevania: Symphony of the NightและAkumajō Dracula X Chi no Rondo

บริษัทหลายแห่งได้พัฒนาเทคนิคในการเพิ่มความละเอียดของเฟรมวิดีโอแบบเรียลไทม์เช่น เมื่อเฟรมเหล่านั้นถูกวาดบนหน้าจอในวิดีโอเกม เทคโนโลยีDeep Learning Super Sampling (DLSS) ของNvidia ใช้ การเรียนรู้เชิงลึก เพื่อเพิ่มความละเอียดของภาพที่มี ความละเอียดต่ำให้มีความละเอียดสูงขึ้นสำหรับการแสดงผลบนจอภาพคอมพิวเตอร์ที่มีความละเอียดสูง^{[ 12 ]}เทคโนโลยี FidelityFX Super Resolution 1.0 (FSR) ของAMDไม่ได้ใช้การเรียนรู้ของเครื่อง แต่ใช้อัลกอริทึมที่เขียนด้วยมือแบบดั้งเดิมเพื่อให้ได้การเพิ่มความละเอียดเชิงพื้นที่บนหน่วยประมวลผลเฉดสีแบบดั้งเดิม FSR 2.0 ใช้การเพิ่มความละเอียดเชิงเวลา โดยใช้อัลกอริทึมที่ปรับแต่งด้วยมือเช่นกัน ค่าที่ตั้งไว้ล่วงหน้ามาตรฐานของ FSR ไม่ได้ถูกบังคับใช้ และบางเกม เช่นDota 2มีแถบเลื่อนความละเอียด^{[ 13 ]}เทคโนโลยีอื่นๆ ได้แก่Intel XeSS และ Nvidia Image Scaler (NIS) ^{[ 14 ] [ 15 ]}

• การแทรกสอดแบบไบคิวบิก
• การแทรกสอดเชิงเส้นสองมิติ
• การสร้างภาพขึ้นใหม่
• การสุ่มตัวอย่างใหม่ของ Lanczos
• การประมาณค่าแบบสปลายน์
• การแกะสลักตะเข็บ
• ตัวปรับขนาดวิดีโอ
• การปรับขนาด (เรขาคณิต)