1.傳統差異原理及其評價
在傳統的圖像插值算法中，鄰域插值簡單易實現，早期應用廣泛。但是，這種方法會在新圖像中產生明顯的鋸齒邊緣和馬賽克現象。雙線性插值法具有平滑功能，可以有效克服相鄰法的缺點，但會使圖像的高頻部分退化，模糊圖像的細節。當放大倍數較高時，高階插值(如雙三次和三次樣條插值)優於低階插值。這些插值算法可以使插值產生的像素灰度值延續原圖像灰度變化的連續性，從而使放大圖像的灰度變化自然平滑。但在圖像中，某些像素與相鄰像素之間的灰度值會出現突變，即出現灰度不連續現象。這些具有突變灰度值的像素是描述圖像中對象的輪廓或紋理的邊緣像素。在圖像放大中，對於這些灰度特性不連續的像素，如果采用常規插值算法生成新的像素，放大後的圖像輪廓和紋理會模糊，圖像質量會降低。
2.基於邊緣的圖像插值算法
為了克服傳統方法的缺點，人們提出了許多邊緣保護的插值方法，這些方法在壹定程度上增強了插值圖像的邊緣，使圖像的視覺效果更好。邊緣保護插值方法可以分為兩類:基於原始低分辨率圖像邊緣的方法和基於插值後高分辨率圖像邊緣的方法。基於原始低分辨率圖像邊緣的方法:(1)首先檢測低分辨率圖像的邊緣，然後根據檢測到的邊緣對像素進行分類，用傳統方法對平坦區域的像素進行插值；對於邊緣區域的像素，設計了特殊的插值方法來保持邊緣細節。(2)基於插值後高分辨率圖像邊緣的插值方法:首先用傳統方法對低分辨率圖像進行插值，然後檢測高分辨率圖像的邊緣，最後對邊緣及附近像素進行特殊處理，去除模糊，增強圖像邊緣。
3.基於區域的圖像插值算法
首先將原始低分辨率圖像劃分為不同的區域，然後將插值點映射到低分辨率圖像上確定它們的區域。最後，根據插值點的相鄰像素設計不同的插值公式，計算插值點的值。上述文獻中描述的分類方法可以借鑒，但文獻中描述的方法過於狹窄，都是在線性方法的基礎上進行改進。偏微分方程插值、分形和小波逆插值也是主流插值算法之壹。小波和分形算法計算復雜度高，效果好，小波邊緣處理最好，分形次之。
小波插值充分利用了圖像奇異特征沿小波分解尺度的傳播，能夠更精確地重構高分辨率圖像細節。然而，由於小波系數奇異值的定位涉及精確和復雜的邊緣檢測，並且小波系數難以跨尺度對齊，因此算法實現非常復雜。基於小波插值的算法主要有兩種，即子帶插值和極值外推插值。本質上，小波變換使用小波函數作為。
用帶通濾波器進行濾波，將原始信號分解成壹系列頻帶內的信號。小波變換由小波函數簇定義為:小波插值公式1。
小波逆變換是對分解到不同頻帶的信號進行變換。
初始信號的重構:小波插值公式2
小波插值公式3:將二維離散小波變換推廣到數字圖像的重建和插值。如果圖像是空間頻率有限的二維信號，那麽通過相應頻率窗口的小波逆變換得到的圖像可以看作是圖像的插值。
分形圖像是壹種幾何形狀復雜的不規則圖像，但其內在的基本特征是自相似性，它反映了局部與局部、局部與整體在形態、功能、時間和空間等方面的統計相似性。提高圖像分辨率的簡單有效的方法是插值，但通常的插值後會丟失圖像的紋理特征。利用分形插值方法，可以生成高分辨率的圖像，並保持原始圖像的紋理特征。