这是一种最简单的插值算法，输出像素的值为输入图像中与其最邻近的采样点的像素值。例如，图4.13中的点P 0 在几何变换中被映射至点P 1 \'，但由于点P 1 \'处于非整数的坐标位置，无法提取其像素灰度值。所以可以用与P 1 \'最邻近的采样点P 1 的灰度值近似作为P 1 \'的灰度值。
双线性插值又称为一阶插值，是线性插值扩展到二维的一种应用。它可以通过一系列的一阶线性插值得到。
线性（linear），指量与量之间按比例、成直线的关系，在数学上可以理解为一阶导数为常数的函数；线性插值则是指根据两个点的值线性地确定位于这两个点连线上的某一点的值。
输出像素的值为输入图像中距离它最近的2×2邻域内采样点像素灰度值的加权平均。
高阶插值在几何运算的一些情况中，双线性插值的平滑作用会使图像的细节退化，而其斜率的不连续性则会导致变换产生不希望的结果。这些都可以通过高阶插值得到弥补，高阶插值常用卷积来实现。输出像素的值为输入图像中距离它最近的4×4领域内采样点像素值的加权平均值。
图像配准简介所谓图像配准就是将同一场景的两幅或多幅图像进行对准。如航空照片的配准，以及在很多人脸自动分析系统中的人脸归一化，即要使各张照片中的人脸具有近似的大小，尽量处于相同的位置。
一般来说，使用者以基准图像为参照，并通过一些基准点（Fiducial Points）找到适当的空间变换关系s 和t ，对输入图像进行相应的几何变换，从而实现它与基准图像在这些基准点位置上的对齐。
空间域图像增强图像增强是数字图像处理相对简单却最具艺术性的领域之一，增强的目的是消除噪声，显现那些被模糊了的细节或简单地突出一幅图像中读者感兴趣的特征。一个简单的例子是增强图像的对比度，使其看起来更加一目了然。应记住，增强是图像处理中非常主观的领域，它以怎样构成好的增强效果这种人的主观偏好为基础，也正是这一点为其赋予了艺术性。这与图像复原技术刚好相反，图像复原也是改进图像外貌的一个处理领域，但它是客观的。
图像增强基础 为什么要进行图像增强图像增强是指根据特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理方法。其主要目的是使处理后的图像对某种特定的应用来说，比原始图像更适用。因此，这类处理是为了某种应用目的而去改善图像质量的。处理的结果是使图像更适合于人的观察或机器的识别系统。
应该明确的是增强处理并不能增强原始图像的信息，其结果只能增强对某种信息的辨别能力，而同时这种处理有可能损失一些其他信息。正因如此很难找到一个评价图像增强效果优劣的客观标准，也就没有特别通用模式化的图像增强方法，总是要读者根据具体期望的处理效果做出取舍。
图像增强的分类图像增强技术基本上可分成两大类：一类是空间域增强，另一类是频率域增强。
空间域图像增强与频率域图像增强不是两种截然不同的图像增强技术，实际上在相当程度上说它们是在不同的领域做同样的事情，是殊途同归的，只是有些滤波更适合在空间域完成，而有些则更适合在频率域中完成。
空间域图像增强技术主要包括直方图修正、灰度变换增强、图像平滑化以及图像锐化等。在增强过程中可以采用单一方法处理，但更多实际情况是需要采用几种方法联合处理，才能达到预期的增强效果（永远不要指望某个单一的图像处理方法可以解决全部问题）。
空间域滤波滤波是信号处理中的一个概念，是将信号中特定波段频率滤除的操作，在数字信号处理中通常通过傅里叶变换及其逆变换实现。由于下面要学习的内容实际上和通过傅里叶变换实现的频域下的滤波是等效的，故而也称为滤波。空间域滤波主要直接基于邻域（空间域）对图像中像素执行计算，本章使用空间域滤波这一术语区别于第7章中将要讨论的频率域滤波。
批注：空间域的概念是相对于时域和频域来说的。
空间域滤波和邻域处理对图像中的每一点(x ，y )，重复下面的操作。
对预先定义的以（x ，y ）为中心的邻域内的像素进行运算。
将（1）中运算的结果作为（x ，y ）点新的响应。