1.影象內插：從根本上看，內插是用已知資料來估計未知位置的數值的處理。
例如，假設一幅大小為500500畫素的影象要放大1.5倍到75075畫素，一種簡單的放大方法是建立一個假想的750750網格，它與原始影象有相同的間隔，然後將其收縮，使它準確的與原影象匹配。顯然，收縮後的750750網格的畫素間隔要小於原影象的畫素間隔，為了對覆蓋的每一個點賦以灰度值，我們在原影象中尋找最接近的畫素，並把該畫素的灰度賦給750*750網格中的新畫素。當我們完成對網格中覆蓋的所有點的灰度賦值後，就把影象擴充套件到原來規定的大小，得到放大後的影象
上面描述的方法我們稱之為最近鄰內插法。
該方法簡單，但會產生某些直邊緣的嚴重失真，所以並不常用，常用的是雙線性內插

在該方法中，我們用4個最近鄰去估計給定位置的灰度。令(x,y)為我們想要賦以灰度值的位置，並令v(x,y)表示灰度值，對於雙線性內插來說，賦值有下面公式得到：v(x,y)=ax+by+cxy+d。其中，4個係數可由4個用(x,y)點最近鄰點寫出的未知方程確定。
對於雙線性更直觀的描述，參見部落格(http://blog.csdn.net/xbinworld https://blog.csdn.net/xbinworld/article/details/65660665)

2.相鄰畫素
位於座標(x,y)處的畫素p有4個水平和垂直的相鄰畫素，其座標為(x+1,y),(x-1,y),(x,y+1),(x,y-1)這組畫素稱為p的4鄰域，用N₄

( p )表示
p的4個對角相鄰畫素的座標如下：(x+1,y+1),(x+1,y-1),(x-1,y+1),(x-1,y-1)，用N_D( p )表示，N₄( p )和N_D( p )合稱為N₈( p )

3.鄰接性
令V是用於定義鄰接性的灰度值集合。在二值影象中，如果把具有1值的畫素歸諸於臨街畫素，則V={1}。在灰度影象中，概念是一樣的，但是集合V一般包含更多的元素。例如，具有可能的灰度值範圍為0-255的臨街畫素中，集合V可能是這256個值的任何一個子集，有三種鄰接：
1） 4鄰接。若q在集合N₄( p ) 中，則具有V中數值的兩個畫素p和q是4鄰接的
2） 8鄰接。若q在集合N₈( p ) 中，則具有V中數值的兩個畫素p和q是8鄰接的
3） m鄰接（混合鄰接）。若i)q在N₄

( p ) 中，或ii)q在N_D( p ) 中，且集合N₄( p ) 和N₄( q ) 的交集是空的（即沒有灰度值在V集合中的畫素點），則具有V中數值的兩個畫素p和q是m鄰接的
注意對m鄰接的理解，博主在m鄰接上花費了很大功夫。一定要注意到V是一個畫素值，值，值的集合。

4.距離度量：和我們平常用的距離一樣，不多說