nearest-exact、bilinear、area、bicubic 还是 lanczos？放大算法实测对比

要点速览

• 放大照片和视频画面，lanczos 和 bicubic 保留的细节最多。我们的 4 倍放大测试里，它们比 nearest-exact 高约 5 dB，比 bilinear 高约 2.5 dB。
• lanczos 和 bicubic 看起来更锐，是因为它们会在边缘处“冲过头”，高反差的线条旁边会出现一圈淡淡的光晕。
• 在 ComfyUI 里按整数倍放大时，area 的结果和 nearest-exact 逐像素相同；在 FFmpeg 里，area 放大的效果等同 bilinear。
• 在 ComfyUI 里缩小图片，请选 lanczos 或 area。那里的 bilinear 和 bicubic 不做抗锯齿，会留下明显的摩尔纹。
• 这些算法都不会增加细节。想要细节，得用 AI 放大，那是另一类工具。

放大时选 lanczos 或 bicubic，边缘细节保留得最多，代价是轻微的光晕。nearest-exact 只适合像素画和遮罩；bilinear 偏软，但没有光晕。缩小则是另一回事：在 ComfyUI 里用 bilinear 和 bicubic 缩小会出摩尔纹，应该改用 lanczos 或 area。

这几个名字会出现在 ComfyUI 的 Upscale Image 节点、FFmpeg 的 scale 滤镜，以及大多数图片编辑软件里。本文会讲清每种算法在做什么、我们实测出了什么、不同任务该选哪一种，以及传统缩放算法的尽头在哪里、AI 放大又从哪里开始。

目录

1. 什么是放大算法
2. 五种算法，一句话说清
3. 我们的测试：一张照片，五种算法，两个工具
4. 光晕：边缘更锐的代价
5. ComfyUI 里缩小图片的陷阱
6. 该选哪种算法？
7. FFmpeg：对应的 flags 写法
8. 缩放算法不够用的时候
9. 在 KwaFlux 里对比两种放大
10. 问题排查
11. 常见问题

什么是放大算法

放大算法（也叫重采样滤镜）是程序改变图像尺寸时，用已有像素算出新像素的规则。 它决定参考周围多少个像素、每个像素占多大权重。它造不出拍摄时没记录下来的细节，只决定中间补出来的像素看起来是更柔和还是更清脆。

ComfyUI 的 Upscale Image 节点提供五种：nearest-exact、bilinear、area、bicubic 和 lanczos。处理潜空间（latent）的放大节点把 lanczos 换成了 bislerp，后者是给潜空间数据用的，不是给成品图片用的。

五种算法，一句话说清

旁注： 在 ComfyUI 里，其中四种算法都走 PyTorch 的 interpolate 函数，用的是默认参数。lanczos 走的是另一条路：先把每张图转成 8 位，再在 CPU 上用 Pillow 库缩放。所以批量处理很多帧时它可能更慢，而且画面会被取整到 8 位。

我们的测试：一张照片，五种算法，两个工具

我们找了一张细节丰富的 1920 × 1080 城市夜景照片，把宽高各缩到四分之一（480 × 270），再用每种算法放大回去，然后用 PSNR 和原图比较。PSNR 衡量像素层面有多接近原图，数值越高越接近。

另外三张样张的排序相同，只有画面最柔和的那张，4 倍放大时 bicubic 比 lanczos 高了 0.07 dB。有两点值得注意：

• 放大时，两个工具里的 area 不是一回事。 在 ComfyUI 里，它算出的画面和 nearest-exact 逐像素相同；在 FFmpeg 里，它和 bilinear 逐像素相同。区域平均只有在多个原像素合并成一个新像素时才起作用，也就是缩小的时候。
• lanczos 和 bicubic 差距很小。 4 倍放大时 0.2 到 0.4 dB 的差别肉眼很难分辨。真正拉开差距的，是从 bilinear 换到这两种之一。

光晕：边缘更锐的代价

bicubic 和 lanczos 显得更锐，是因为它们的加权曲线有一段低于零。到了硬边缘旁边，暗的一侧会被压得比原值更暗，亮的一侧会被推得比原值更亮。我们用一条从灰度 40 跳到 215 的边缘，放大 4 倍测了一下：

在普通照片上，这一点很少能看出来。但在文字、线稿、界面截图，以及暗色天空里的亮灯旁边，它会变成一圈细细的亮边或暗边。

在 ComfyUI 里，bicubic 还可能让数值超出纯白或纯黑的范围。我们的夜景照片放大 4 倍后，裁剪之前的取值范围是正常范围的 -4.6% 到 113%。裁剪会把超出的部分藏起来，但很亮的区域会损失一点层次。

ComfyUI 里缩小图片的陷阱

很多人也用同一个 Upscale Image 节点来缩小图片，比如把图缩到模型要求的输入尺寸。恰恰在这里，算法选错影响最大。

缩小图片时，那些对新尺寸来说太细的纹理必须先被模糊掉，否则它们会折叠成并不存在的假图案，也就是混叠或摩尔纹。PyTorch 的 interpolate 只有在你明确要求时才会先做这一步模糊，而 ComfyUI 没有要求。所以在 ComfyUI 里，用 bilinear 和 bicubic 缩小时参考的像素太少了。

我们把一张由细密圆环组成的测试图从 1024 像素缩到 256 像素，量了残留的假图案有多强：0 最理想，90 左右说明假图案一点没被压住。

FFmpeg 和 Pillow 会自动先模糊再缩小，所以它们的平滑类算法表现都不错。在 ComfyUI 里缩小，请用 lanczos 或 area。

该选哪种算法？

小技巧： 如果放大之后还要锐化，或者再过一遍 AI 模型，放大算法就没那么重要了，因为下一步会重新塑造边缘。默认用 bicubic 就行，把精力放在后面那一步上。

FFmpeg：对应的 flags 写法

FFmpeg 的 scale 滤镜在不写 flags 时默认用 bicubic。我们实测，不写 flags 得到的文件和 flags=bicubic 逐字节相同。

# Upscale to 1080p with Lanczos
ffmpeg -i input.mp4 -vf "scale=1920:1080:flags=lanczos" -c:v libx264 -crf 18 -c:a copy output.mp4

# Keep the aspect ratio: set the height, let FFmpeg pick an even width
ffmpeg -i input.mp4 -vf "scale=-2:2160:flags=lanczos" -c:v libx264 -crf 18 -c:a copy output_2160p.mp4

# Pixel art: nearest neighbor, exact 4x
ffmpeg -i sprite.png -vf "scale=iw*4:ih*4:flags=neighbor" sprite_4x.png

第一条把视频放大到 1080P，第二条保持原比例、只指定 2160 的高度，第三条把像素画按最近邻精确放大 4 倍。FFmpeg 还有 spline，在我们的测试里得分介于 bicubic 和 lanczos 之间（35.39 dB），光晕比 lanczos 略小。更多缩放细节见怎样把 720p 视频放大到 1080p。

缩放算法不够用的时候

上面每一种算法，都是用固定公式从旧像素算出新像素。它们分不清人脸和墙面，也找不回相机当时没拍下来的纹理。如果 4 倍放大后不管选哪种算法都发软，那是缩放算法的上限，不是设置选错了。

AI 放大的思路不同：训练好的模型根据它对真实画面的认识，预测出合理的细节，顺便还能去掉压缩方块和噪点。代价是，补出来的细节是预测出来的。AI 放大与双三次、Lanczos 插值的区别把两种思路放在一起比较，480P 放大到 4K：AI 能找回什么则讲了 AI 也有做不到的地方。

在 KwaFlux 里对比两种放大

KwaFlux 的对比视图会把传统放大的结果和 AI 结果并排显示，你可以在自己的素材上判断差别：

1. 导入一段视频或一张图片，打开画质修复。
2. 把输出分辨率设成需要的尺寸，比如 2× 或 4K。
3. 渲染 1、3 或 5 秒的预览，不需要账号。
4. 打开滑杆对比。“处理前”一侧是把源文件拉到输出尺寸的结果，“处理后”一侧标注了 AI 超分后的分辨率。

照片也一样，可以在图片增强里按同样步骤操作。一份授权包含 23 个视频模块、15 个照片模块、4 个音频工具，以及字幕和文件工具，没有点数，也不按分钟收费；永久授权原价 199.99 美元，一次付清。

问题排查

结语

放大选 lanczos 或 bicubic，像素必须保持锐利时选 nearest-exact；在 ComfyUI 里缩小，选 lanczos 或 area。算法改变的是边缘的样子，造不出细节。源文件里没有的细节，要交给 AI 放大。

把 AI 放大和传统缩放放在一起看

KwaFlux 在你自己的 GPU 上运行 AI 视频放大和图片增强。AI 处理在你的 GPU 上本地完成，媒体文件不会为了处理而上传。可在 Windows 10（64 位，1809 或更新版本）、Windows 11，以及搭载 Apple Silicon 的 macOS 12 或更新版本上运行。预览不需要账号：视频可预览 1、3 或 5 秒，图片可预览整张。仅在导出、转换、文件修复和从链接下载文件时需要登录并购买付费方案。

下载 KwaFlux · 查看方案