Ampliar foto sem perder qualidade

Como ampliar uma foto

Ampliar uma foto com IA acontece em três passos. Sem software para instalar, sem conta para criar — todo o processo roda no seu navegador.

1. Envie sua foto. Arraste e solte sua imagem no upscaler acima, ou toque em "Escolher imagem" para selecionar um arquivo do seu dispositivo. A ferramenta aceita JPG, PNG, WebP, BMP e TIFF de até 20 MB. Imagens com mais de 1.500 px são reduzidas primeiro para 1.500 px.
2. Escolha escala e qualidade. Selecione ampliação 2x ou 4x. Uma escala 2x duplica cada dimensão (uma imagem de 1000×750 se torna 2000×1500). Uma escala 4x as quadruplica (para 4000×3000). Depois, escolha o modo Rápido (2x ou 4x) para resultados ágeis ou o modo Qualidade para o máximo de detalhe. O Qualidade sempre amplia 4x e usa uma rede neural maior, o que gera uma saída mais nítida em cabelo, pele, tecido e texturas naturais.
3. Baixe a foto ampliada. O tempo de processamento depende do modelo e do tamanho da imagem. Quando terminar, você obtém uma comparação lado a lado das versões original e ampliada. Clique em "Baixar" para salvar o resultado em resolução completa no seu dispositivo.

Por que a ampliação comum falha

Toda foto digital é uma grade de pixels. Quando você amplia uma imagem em um editor de fotos padrão, o software precisa preencher novos pixels que não existiam no original. Os algoritmos tradicionais lidam com isso calculando a média dos valores dos pixels próximos — e é precisamente por isso que o resultado fica ruim.

A interpolação do vizinho mais próximo é a abordagem mais simples: cada novo pixel copia o valor do pixel original mais próximo. O resultado é uma imagem quadriculada, com padrão de escada, onde é possível ver os quadrados de cada pixel. Essa é a clássica "pixelização" que aparece ao dar zoom em uma imagem pequena.

As interpolações bilinear e bicubic são mais inteligentes. Elas calculam médias ponderadas de 4 ou 16 pixels ao redor para produzir transições mais suaves. O efeito escada pixelado desaparece, mas é substituído por algo indiscutivelmente pior: suavidade uniforme. Cada borda na imagem fica borrada. Cabelo vira um borrão liso. Texto se torna um mingau ilegível. Tecido perde seu padrão de trama. A foto parece tirada através de uma janela suja.

O problema fundamental é que média não pode criar informação. Quando você dobra uma imagem de 1000 para 2000 pixels de largura, 75 % dos pixels na saída são inventados. A média produz o palpite matematicamente mais seguro para cada novo pixel, mas "palpite mais seguro" significa "meio-termo borrado" — nunca uma borda nítida, nunca uma textura crocante, nunca um detalhe distinto. O clichê de "zoom e melhorar" dos filmes policiais foi pura ficção científica por décadas porque os softwares reais não conseguiam gerar detalhe que nunca havia sido capturado pelo sensor da câmera.

Isso mudou com o deep learning. Redes neurais treinadas com pares de imagens nítidas e degradadas aprenderam a prever como deveria ser o detalhe nítido a partir de uma entrada de baixa resolução — transformando ficção científica numa ferramenta prática.

Como a IA amplia fotos de forma diferente

Nosso ampliador usa Real-ESRGAN (Enhanced Super-Resolution Generative Adversarial Network), uma arquitetura de rede neural projetada especificamente para upscaling de imagens do mundo real. Diferente da interpolação tradicional que trata cada pixel independentemente, a Real-ESRGAN processa a imagem inteira através de dezenas de camadas convolucionais que entendem a relação entre as características da imagem em diferentes escalas.

Durante o treinamento, a rede recebeu pares de imagens: um original de alta resolução e uma cópia degradada e de baixa resolução dele. A rede aprendeu a prever a saída de alta resolução a partir da entrada de baixa resolução — não memorizando imagens específicas, mas aprendendo padrões gerais. Aprendeu como é um cabelo nítido a partir de um cabelo borrado. Como é um texto nítido a partir de um texto manchado. Como é uma parede de tijolos detalhada a partir de manchas de cor lisas.

Quando você envia uma foto, a IA realiza várias operações simultaneamente:

• Reconhecimento de padrões. A rede identifica estruturas na imagem — bordas, texturas, gradientes suaves, padrões repetidos — e os classifica internamente. Uma seção de borrão verde perto de linhas marrons é reconhecida como grama e galhos. Uma mancha rosa com pontos escuros é identificada como pele com poros.
• Síntese de detalhe. Com base nesses padrões reconhecidos, a IA gera novos pixels que contêm detalhe plausível e realista. Em vez de calcular a média de dois pixels verdes em um terceiro borrado, ela gera lâminas de grama com bordas individuais e variações de sombra. Em vez de borrar um rosto, produz textura de pele com padrões naturais de poros e variações tonais sutis.
• Nitidez de bordas. A rede produz bordas genuinamente nítidas onde a imagem original as tinha, em vez de criar os halos artificiais que a nitidez tradicional produz. O limite entre um sujeito e seu plano de fundo permanece crocante e natural.
• Supressão de artefatos. Blocos de compressão JPEG, bandeamento de cor e ruído da imagem original são limpos durante o processo de ampliação. A IA distingue características reais da imagem do dano de compressão, de modo que a saída ampliada é frequentemente mais limpa que o original, não apenas maior.

O resultado é uma foto ampliada que parece ter sido tirada com uma câmera de maior resolução, em vez de uma que foi esticada e borrada por uma fórmula matemática. Se a foto também estiver comprimida ou com ruído, veja como melhorar a qualidade da imagem com IA.

Ampliação por caso de uso

Situações diferentes exigem estratégias de ampliação diferentes. Aqui estão os cenários mais comuns e as configurações recomendadas para cada um.

Tamanho do arquivo após a ampliação

Ampliar uma imagem aumenta drasticamente o número de pixels, o que afeta diretamente o tamanho do arquivo. Entender essa relação ajuda a planejar armazenamento, limites de envio e tempos de download.

Quando você amplia uma foto 2x, cada dimensão dobra: uma imagem de 1000×750 se torna 2000×1500. São 4 vezes mais pixels (de 750.000 para 3.000.000). Quando você amplia 4x, cada dimensão quadruplica, produzindo 16 vezes mais pixels (de 750.000 para 12.000.000).

O tamanho do arquivo não escala linearmente com a contagem de pixels porque os algoritmos de compressão funcionam de forma mais eficiente em imagens maiores. Mas o aumento ainda é substancial:

• A saída é PNG. O PNG é sem perdas, então o arquivo ampliado costuma ser várias vezes maior do que um JPG do mesmo tamanho.
• O tamanho cresce com a contagem de pixels. Um resultado 2x tem 4 vezes os pixels e um resultado 4x, 16 vezes, e o tamanho do arquivo sobe mais ou menos na mesma proporção.
• O detalhe também conta. Cenas carregadas (folhagem, multidões, tecido) se comprimem pior do que céus e fundos lisos.

Se o arquivo ampliado for grande demais para suas necessidades, você tem várias opções. Primeiro, considere se 2x é suficiente em vez de 4x — o arquivo será cerca de 4 vezes menor. Segundo, converta o PNG para JPG para uma redução significativa de tamanho. Terceiro, recorte a imagem apenas na área de que precisa antes de ampliar, o que reduz tanto o tempo de processamento quanto o tamanho da saída. Se salvar o resultado em JPG, veja como reduzir o tamanho de um JPEG sem perder qualidade.

Como ampliar uma foto no Photoshop, na Pré-Visualização e no celular

Photoshop

1. Abra Imagem → Tamanho da Imagem.
2. Marque Reamostrar e escolha Preservar Detalhes 2.0.
3. Digite a nova largura em pixels ou porcentagem e clique em OK. Para fotos, o recurso Aprimorar → Super-resolução do Camera Raw dobra a largura e a altura com IA.

Pré-Visualização do Mac

Abra Ferramentas → Ajustar Tamanho, digite uma largura maior e mantenha marcada a opção “Redimensionar proporcionalmente”. A Pré-Visualização interpola, então ampliações grandes ficam suaves.

iPhone e Android

Os aplicativos de fotos nativos recortam e reduzem, mas não ampliam. Abra esta página no navegador do celular, envie a foto e baixe o PNG ampliado.