Magpie:实现游戏窗口无损放大的强大工具
2026-02-06 05:27:10作者:何举烈Damon
项目介绍
Magpie是一个强大的显示窗口放大工具,它可以将任何窗口放大至全屏,并支持多种先进的缩放算法,包括Lanczos、Anime4K、FSR、FSRCNNX等。该项目主要应用于游戏窗口的放大显示,特别适用于那些不支持全屏模式或全屏模式下图像模糊的情况。
核心功能特性
多种缩放算法
Magpie提供了多种高质量的缩放算法,每种算法针对不同的使用场景:
- Lanczos算法:传统的插值算法,擅长保持边缘的锐度
- RAVU变体:基于mpv-prescalers的RAVU变体,具有独特的缩放效果
- FSRCNNX变体:在各种场合下表现卓越的FSRCNN变体
- ACNet:从ACNetGLSL移植而来,适用于动画风格的图像和视频放大
- Anime4K:开源的高质量实时动画缩放/降噪算法
- FSR:适用于3D游戏的缩放算法
- 像素模式:通过整数倍数放大每个像素,保持原始图像的视觉效果
灵活的捕获模式
Magpie支持多种窗口图像捕获方式:
- WinRT Capture:使用Windows 10 v1803及以上版本提供的Screen Capture API捕获窗口,是最推荐的方法
- GDI:使用GDI技术抓取源窗口,速度略慢但兼容性更好
进程注入功能
为了解决自定义光标显示问题,Magpie提供了进程注入功能:
- 无注入:适用于源窗口没有自定义光标的情况
- 运行时注入:在执行缩放时注入源窗口线程,退出全屏后取消注入
- 启动时注入:适用于运行时注入无效的情况,需要手动选择要启动和注入的程序
技术实现原理
Magpie的实现原理比Lossless Scaling和IntegerScaler等工具更加先进。它使用全屏窗口覆盖屏幕,将捕获的原始窗口内容放大并显示在全屏窗口中。这种方式使得缩放算法不受任何限制,可以自由使用现有的优秀缩放算法。
使用建议
- DPI缩放设置:如果设置了DPI缩放,且要放大的窗口不支持(表现为图片模糊),请先在程序的兼容性设置中将"高DPI缩放替代"设置为"应用程序"
- 游戏窗口设置:某些游戏支持调整窗口大小,但只使用简单的线性缩放。在这种情况下,请先将其设置为原始分辨率
安装与使用
要使用Magpie,您可以克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/magpie7/Magpie
项目提供了详细的编译指南,建议用户查看源码并自行编译以确保安全性。
算法效果对比
Magpie内置的多种缩放算法在不同场景下表现出色:
配置说明
项目的缩放模式配置存储在ScaleModels.json文件中,用户可以自定义各种缩放参数和效果组合。内置的缩放模型包括Lanczos、RAVU、FSRCNNX、ACNet、Anime4K、FSR以及2倍和3倍的像素缩放模式。
安全声明
由于使用了进程注入技术,Magpie可能会被某些安全软件报告为病毒。为了安全起见,建议用户查看源码并自行编译。开发此程序的初衷不包含任何恶意目的,但使用后果需由用户自行承担。
Magpie项目遵循开源协议,为用户提供了极大的自由度,允许根据需求调整项目设置,实现最佳的显示效果。无论是技术探索还是实际应用,Magpie都是一个值得尝试和使用的强大工具。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220





