当我们进行栅格重采样时，该如何选择插值算法呢？常见的插值算法包括
最近邻算法（Nearest Neighbor）
新栅格数据中的每个像元都被分配与原始栅格中最近像元的值。此方法适用于土地利用和像元分类等分类需求的应用中。
双线性插值算法（Bilinear Interpolation）
新栅格数据中的每个像元都会根据四个最近的原始像元分配一个平均值。这种方法适用于通用的平滑处理，进行的平均运算通常会轻微剪切局部峰值和谷值。
三次卷积算法（Cubic Convolution）
这种方法本质上与双线性插值类似，它扩展了参与计算的邻近像元。它的目的是在新栅格中均衡保留了局部像元均值和像元变化性特征（特别是减缓了局部极值的削减）。
本算法的运算时间长于双线性插值，但效果肯定是优于双线性插值的。常用于地形、高精度卫片等精度较高数据的重采样。
更多算法问题，欢迎留言或联系我们。转载须注明出处。