插值是对原图像的像素重新分布，从而来改变像素数量的一种方法。在图像放大过程中，像素也相应地增加，增加的过程就是“插值”发生作用的过程，“插值”程式自动选择信息较好的像素作为增加、弥补空白像素的空间，而并非只使用临近的像素，所以在放大图像时，图像看上去会比较平滑、乾净。不过需要说明的是插值并不能增加图像信息，儘管图像尺寸变大，但效果也相对要模糊些，过程可以理解为白酒掺水。

在大多数 GIS 文献资料中，区域插值特指数据从一组面(源面)到另一组面(目标面)的重新聚合。例如，人口统计学家经常需要缩减或扩大其数据的行政单位。如果按县的级别进行人口统计，人口统计学家可能需要缩减数据以预测人口普查区块中的人口数量。如果要在大比例下重新划分区块，可能需要对一组全新的面进行人口预测。

ArcGIS Geostatistical Analyst 扩展模组中的区域插值法是将克里金理论扩展到面要素上的平均数据或聚合数据的地统计插值方法。可以针对输入面内部或之间的所有点生成预测和标準误差，然后将预测(连同标準误差)重新聚合回一组新的面。

Geostatistical Analyst 中的其他克里金方法需要连续的高斯点数据，但区域插值允许面数据为离散计数。还可以使用另一组面作为协同克里金法变数；这些次要面的几何可以与主变数的面的几何相同，面也可以完全不同。

面数据的重新聚合(例如，缩减人口计数)过程分为两步。首先，针对源面中的各个点创建一个平滑预测表面(该表面通常被解释为密度或风险表面)，然后将预测表面聚合回到目标面。创建预测表面需要互动式变异分析，因此必须在地统计嚮导 中进行创建。地统计嚮导 的输出是一个预测或预测标準误差的地统计图层。如果不需要重新聚合到新面，工作流程可以在此结束。

创建预测表面后，使用区域插值图层至面工具将其聚合回另一组面。下图显示了根据洛杉矶学校区域中的肥胖率预测洛杉矶人口普查区块中的肥胖率的工作流程。

插值几乎套用于所有需要进行图像缩放功能的领域内，如数位相机、图像处理软体（如Photoshop）。

最临近插值：即将每一个原像素原封不动地複製映射到扩展后对应多个像素中。这种方法在放大图像的同时保留了所有的原图像的所有信息。在传统图像插值算法中，最临近像素插值较简单，容易实现，早期的时候套用比较普遍。但是，该方法会在新图像中产生明显的锯齿边缘和马赛克现象。

双线性插值：双线性插值法具有平滑功能，能有效地克服最临近像素插值的不足，但会退化图像的高频部分，使图像细节变模糊。

高阶插值：在放大倍数比较高时，高阶插值，如双三次插值和三次样条插值等比低阶插值效果好。