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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
559
3.8 K
Ascend Extension for PyTorch
Python
372
435
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++
890
641
昇腾LLM分布式训练框架
Python
115
144
暂无简介
Dart
794
195
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.36 K
769
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
117
146
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
347
195
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.12 K
265





