栅格/影像数据进行配准或纠正、投影等几何变换后，像元中心位置通常会发生变化，其在输入栅格中的位置不一定是整数的行列号，因此需要根据输出栅格上每个像元在输入栅格中的位置，对输入栅格按一定规则进行重采样，进行栅格值的重新计算，建立新的栅格矩阵。
重采样方法同样会应用在不同分辩率的栅格/影像数据之间运算时，需要将栅格大小统一到一个指定的分辩率上，此时就需要对栅格进行重采样。
一般提供了三种重采样的方法：最邻近法、双线性内插法、三次卷积法。
1. 最邻近法（Nearest Neighbor）
-
最邻近法直接将与某像元位置最邻近的像元值作为该像元的新值。该方法的优点是方法简单，处理速度快，且不会改变原始栅格值，但该种方法最大会产生半个像元大小的位移。
适用于表示分类或某种专题的离散数据，如土地利用，植被类型等。
以下示意图为栅格数据经过平移和旋转的几何变换之后，输出栅格采用最邻近法重采样，其中黑色线框示意的是输入栅格，蓝色填充示意的是输出栅格，红色的点表示输出栅格某一像元的中心位置，其栅格值需要被重新计算，此处采用距离它最近的输入栅格的值。
-
2. 双线性内插法（Bilinear Interpolation）
-
双线性内插法取采样点到周围4邻域像元的距离加权计算栅格值。先在 Y 方向进行内插（或 X 方向），再在 X 方向（或 Y 方向）内插一次，得到该像元的栅格值。使用该方法的重采样结果会比最邻近法的结果更光滑，但会改变原来的栅格值，丢失一些微小的特征。
适用于表示某种现象分布、地形表面的连续数据，如 DEM、气温、降雨量分布、坡度等，这些数据本来就是通过采样点内插得到的连续表面。
以下示意图为栅格数据经过平移和旋转的几何变换之后，输出栅格采用双线性内插法重采样，其中黑色线框示意的是输入栅格，蓝色填充示意的是输出栅格，红色的点表示输出栅格某一像元的中心位置，其栅格值需要被重新计算，此处采用距离它最近的4个输入栅格的值通过距离加权平均计算。
-
-
图：双线性内插法示意图
-
3. 三次卷积法（Cubic Convolution）
-
-
三次卷积内插法是一种精度较高的方法，通过增加参与计算的邻近像元的数目达到最佳的重采样结果。使用采样点到周围16邻域像元距离加权计算栅格值，方法与双线性内插相似，先在 Y 方向内插四次（或 X 方向），再在 X 方向（或 Y 方向）内插四次，最终得到该像元的栅格值。该方法会加强栅格的细节表现，但是算法复杂，计算量大，同样会改变原来的栅格值，且有可能会超出输入栅格的值域范围。
适用于航片和遥感影像的重采样。
以下示意图为栅格数据经过平移和旋转的几何变换之后，输出栅格采用三次卷积内插法重采样，其中黑色线框示意的是输入栅格，蓝色填充示意的是输出栅格，红色的点表示输出栅格某一像元的中心位置，其栅格值需要被重新计算，此处采用距离它最近的16个输入栅格的值通过距离加权平均计算。
-
-
图：双线性内插法示意图
-
