基本是：

• 最邻近插值法计算简单,工作量小,但处理后的图像边缘容易产生锯齿效应造成图像的不连续;
• 双线性插值法克服了最邻近法不连续的缺点,计算较三次卷积法简单,但边缘受到平滑作用出现轮廓模糊现象；
• 三次卷积插值法带有边缘增强的效果,能够较好的保持图像的细微结构,但计算量很大。

在arcgis中:

• Nearest Neighbor（for discreate data）自然邻近内插（不连续数据）
• Bilinear Interpolation（for continuous data）双线性内插（连续数据）
• Cubic Convolution（for continuous data）立方卷积内插（连续数据）

这三种插值方法, 决定了输出栅格数据的1个cell value。具体采用哪种方式，取决于输入数据的状况以及最后的用途。

• Nearest Neighbor适用于分类数据（categorical data），比如 土地使用分类（land-use classification） 或者 坡度分类. 所使用的数据在输入前后完全一致， 比如，处理前是2，处理后还是2；处理前是99，处理后还是99。处理后的数据完全由最近的中心cell来决定。这种方法可以用于连续的数据，但是结果可能是一块一块的，差异较大。

• Bilinear Interpolation按权重计算最相邻4个cell的平均值，离输入cell越近，权重越大，对输出影响越大。 也就是说，输出数值也许跟输入数值是不一样的。也正因为此，这种方法不适合 分类数据，而是适合连续的数据，比如 海拔，坡度等等。

• Cubic Convolution和BI有点类似，但是她看得更多，是16个最相邻的cell中心，以便可以输出一个平滑的曲线。由于选取了更多的计算点，输出值有可能偏离输入值较大（可以想象一下，一个平面上，有一个凸起，或有一个凹沟）。这个方式也不适合分类数据，但是 很适合做平滑的连续数据。缺点是，计算量较大。