伴随着计算机性能的提高和数字图像处理技术的飞速发展,在很多情况下,人们需要对数字图像进行近一步的处理。就需要用到图像的插值技术,将原始低分辨率图像或模糊图像进行放大,并且要保证所要求的清晰度有时候,图像在获取、传输过程中不可避免地会产生噪声,这些噪声大大损坏了图像的质量,图像的插值,分为图像内插值和图像间插值,其主要应用是对图像进行放大以及旋转等操作,是根据一幅较低分辨率图像再生出另一幅均具有较高分辨率的图像,是图像内插值。图像间的插值,也叫图像的超分辨率重建,是指在一图像序列之间再生出若干幅新的图像。传统的插值方法,在增强图像平滑效果的同时丢失了许多高频信息。本文列举了不同的放大方法的原理、数值实现、结果分析等方面对图像放大功能进行详细的阐述。具体放大算法包括:加速卷积深度网络、调整的锚定邻域回归、局部正则化、简单函数、基于转换自身、以及深度拉普拉斯金字塔网络、深度递归卷积网络、高效子像素卷积网络等几种方法。同时提出了一种基于Lanczos插值的IBP重建算法,在对图像先进行Lanczos插值放大的基础上,通过对图像旋转、模糊、产生图像的模拟序列,通过对图像进行迭代反投影的重建,产生高分辨率的图像,相对于传统的插值方法,实验结果表明,在提高图像分辨率的同时较好地保持图像的细节信息。为了验证算法的真实性和有效性,本文对不同算法在不同的输入图像中进行对比实验,其中包含主观对图像质量、纹理、细节的观测,以及客观上对图像的峰值信噪比等的一些客观数据进行对比比照。通过实验数据和实验结果来论证所提出算法的可靠性。