Dafür stehen mehrere Methoden zur Verfügung, die im Folgenden erläutert werden:
 - Nächste Nachbarschaft (Nearest Neighbour)
 - Bilineare Interpolation (Bilinear Interpolation)
 - Bikubische Interpolation (Cubic Convolution)

Interpolationsverfahren:

1. Verfahren der nächsten Nachbarschaft:
Es wird der Grauwert jenes Pixels im Eingabebild übernommen, welches den berechneten neuen Koordinaten x' und y ' am nächsten liegt. Die Originalgrauwerte bleiben daher unverändert, weshalb diese Methode bevorzugt angewandt wird, wenn eine nachfolgende Klassifizierung der Daten erfolgt.
Das Verfahren benötigt am wenigsten CPU-Zeit, es kann aber zu einer Wiederholung von Grauwerten kommen und damit zu einem blockigen Aussehen des Bildes (vgl. Abbildung unten). Es führt zu einem hohen geometrischen Genauigkeitsverlust [Bähr, Vögtle 1991].

Schematische Darstellung der Resampling-Methoden

2. Bilineare Interpolation:
Betrachtet die unmittelbare Nachbarschaft des Pixels (also die 4 Nachbarpixel) und interpoliert daraus den neuen Grauwert (gewichtete Mittel der Werte).
Das Verfahren ist aufwendiger als das der nächsten Nachbarschaft und hat einen Glättungseffekt (Tiefpass).

3. Bikubische Interpolation:
Hier werden die 16 Nachbarpixel des zentralen Bildpunktes interpoliert um den Grauwert für dieses Pixel zu bestimmen. Diese Methode ist die komplizierteste und benötigt die längsten Rechenzeiten, führt dafür aber nicht auf das blockige Aussehen von Nächste Nachbarschaft-Bildern, was in den bilinear interpolierten Bilddaten auch noch sichtbar sein kann. Allerdings geht Information von hohen Frequenzen auch hier verloren, da der Interpolator im Grunde ein Tiefpassfilter ist.
Die Abbildung zeigt einen Bildausschnitt bei verschiedenen Interpolationsverfahren [aus Albertz 2001]

Home > Lernmodule > Modul 6