重采样法是一种统计推断的非参数方法，它从原始数据样本中提取重复样本，即不使用通用分布来逼近计算概率 P
的值。
重采样法基于实际数据生成独特的采样分布，其采用经验性方法而非分析方法生成，它可以理解为基于数据所有可能结果的无偏样本获取无偏估计。
常用的重采样方法
- Nearest Neighbor
Resampling(临近值)：根据目标图像的宽 (高) 与原图像的宽 (高) 比值，并以原图像相对位置的像素点作为目标图像像素点的值；
- Bilinear Resampling(双线性)：参考原像素对应位置周围 4 个点的值，并根据相对位置取相应的权重以获得目标图像；
- Bicubic Resampling(双立方)：参考原像素点周围 4 * 4 个像素的值，并以此获取目标图像；
- Lanczos Resampling：Arnoldi 算法对于对称矩阵的特殊形式，可被用于对称矩阵线性方程组求解的
Krylov 子空间方法以及特征值问题，这种算法参考更多的原图像像素值，计算量有所增大，但效果也是最好的。