Le rééchantillonnage est une méthode non paramétrique d'inférence statistique qui extrait des échantillons répétés de l'échantillon de données d'origine, c'est-à-dire qui n'utilise pas de distribution commune pour approximer la valeur de la probabilité calculée P.

La méthode de rééchantillonnage génère une distribution d’échantillonnage unique basée sur des données réelles. Elle est générée à l’aide de méthodes empiriques plutôt que de méthodes analytiques. Cela peut être compris comme l’obtention d’estimations impartiales basées sur des échantillons impartiaux de tous les résultats possibles des données.

Méthodes de rééchantillonnage couramment utilisées

• Rééchantillonnage du voisin le plus procheSelon le rapport largeur (hauteur) de l'image cible par rapport à l'image d'origine, les points de pixel à la position relative de l'image d'origine sont utilisés comme points de pixel de l'image cible ;
• Rééchantillonnage bilinéaire :Reportez-vous aux valeurs des quatre points autour de la position correspondante du pixel d'origine et prenez les poids correspondants en fonction des positions relatives pour obtenir l'image cible ;
• Rééchantillonnage bicubique :Reportez-vous aux valeurs de 4 * 4 pixels autour du pixel d'origine et utilisez-les pour obtenir l'image cible ;
• Rééchantillonnage de Lanczos :La forme spéciale de l'algorithme d'Arnoldi pour les matrices symétriques peut être utilisée dans la méthode du sous-espace de Krylov et le problème des valeurs propres pour résoudre les équations linéaires des matrices symétriques. Cet algorithme fait référence à des valeurs de pixels d'image plus originales et la quantité de calcul augmente, mais l'effet est également le meilleur.