我们正处于一个迷人的视觉世界。图像处理技术发挥中心作用，处理视觉信息，以使其适合于多媒体应用和视觉感知[1]。在这个时代的互联网和多媒体通信，规模和大小的图像，使它特别适合观看，传输，下载，共享，编辑，并进一步加工，成为非常重要的。图像插值成为多面手和广泛使用的工具，在图像处理，因为其众多的应用在各种领域，包括计算机图形学，渲染，编辑，医学图像重建，在线图片浏览等等。图像插值技术的文献中提到的许多叫法，如图片大小，图像重采样，数字变焦，图像放大，图像增强等基本上，图像插值算法转换或调整数字图像从一个决议（维）的另一项决议，没有松动的视觉内容的图片。图像插值是许多商业图像处理工具或免费图形观众如Adobe ®的Photoshop ® CS2的软件[ 2 ] ， IrfanView [ 3 ]等作者认为，简明讨论技术的图像插值在审查性质将有助于研究人员，开发人员和从业人员。

静态图片，是一个两维空间不同的信号。这需要以数字化过程中，它由一个数字电脑。在数字图像，这两个三维空间不同的信号是根据奈奎斯特采样标准和强度，然后每一个采样点是量化离散值整数。每个这种采样和数字化的价值被称为像素值的数字图像[1]。该决议或层面的数字图像是一些采样点的二维信号。如果在彩色图像，每个像素包含三个强度值的贡献，代表三原色红，绿，蓝颜色，形成一个特定像素点的图像。因此，彩色图像的主要三个这种双向飞机代表红，绿，蓝组成部分图像像素。

当图像插值从一个更高的分辨率，以较低的分辨率，它是传统所谓的图像向下调整或降采样。另一方面，当图像插值从一个较低的分辨率，以更高的分辨率，它是指图像的缩放或采样。大多数的图像插值技术在文学已经制订了插值像素基于特征的局部特征，如边缘信息，近邻标准等。图像插值技术可以大致分为两类-非适应性，和自适应技术。的原则，适应插补算法基本上依靠内在形象的功能或内容的图片和相应的计算逻辑主要是取决于内在的图像功能和内容的输入图像。非自适应算法不依赖图像特征或其内容和相同的计算逻辑是重复在每一个像素或团体，不论当地像素的图像内容。