Resampling ist eine nichtparametrische Methode der statistischen Inferenz, die wiederholte Stichproben aus der ursprünglichen Datenstichprobe extrahiert, d. h., es wird keine gemeinsame Verteilung verwendet, um den Wert der berechneten Wahrscheinlichkeit P anzunähern.

Die Resampling-Methode generiert eine einzigartige Stichprobenverteilung basierend auf tatsächlichen Daten. Es wird mithilfe empirischer und nicht analytischer Methoden erstellt. Man kann es als das Erhalten unvoreingenommener Schätzungen auf der Grundlage unvoreingenommener Stichproben aller möglichen Ergebnisse der Daten verstehen.

Häufig verwendete Resampling-Methoden

• Nächster-Nachbar-ResamplingEntsprechend dem Breiten- (Höhen-)Verhältnis des Zielbilds zum Originalbild werden die Pixelpunkte an der relativen Position des Originalbilds als Pixelpunkte des Zielbilds verwendet.
• Bilineares Resampling:Beziehen Sie sich auf die Werte der vier Punkte um die entsprechende Position des ursprünglichen Pixels und nehmen Sie die entsprechenden Gewichte entsprechend der relativen Positionen, um das Zielbild zu erhalten.
• Bikubisches Resampling:Beziehen Sie sich auf die Werte von 4 * 4 Pixeln um das Originalpixel herum und verwenden Sie diese, um das Zielbild zu erhalten.
• Lanczos-Resampling:Die spezielle Form des Arnoldi-Algorithmus für symmetrische Matrizen kann in der Krylov-Subraummethode und beim Eigenwertproblem zum Lösen symmetrischer linearer Matrixgleichungen verwendet werden. Dieser Algorithmus bezieht sich auf mehr ursprüngliche Bildpixelwerte und der Rechenaufwand steigt, aber die Wirkung ist auch die beste.