数字图像已经在工程和数学领域引起了广泛关注，而图像插值技术也已被广泛应用于数字图像处理，例如图像缩放、图形变形、图像恢复、图像重建、图像配准等。图像插值就是利用已知邻近像素点的灰度值来产生未知像素点的灰度值，以便由原始图像再生出具有更高分辨率的图像.在本文中，我们首先对经典的以及近些年来提出的图像插值算法进行了综述，由于传统的经典的插值算法存在着较为明显的锯齿现象和平滑效应，因此针对此类问题本文提出了一种基于边缘信息的图像插值方法（L-BEI插值算法）。该算法的基本思想是预先设定合适的阈值来把图像分成非边缘区域和边缘区域，而且充分考虑了图像的边缘区域内两个相邻像素点分别在四个方向的像素值的差（即水平方向、垂直方向、两个对角线方向），根据差值的大小来确定相邻像素点的相关性，四个方向中差值最小的方向的相关性最大，在此方向上应用L-BEI插值算法。同时我们分析了图像在放大两倍以上时插值的误差会加大的情况，在这样的情况下我们充分考虑了图像的局部结构特征，因为图像的插值主要是通过与待插点相邻的像素点估计得到的新的像素，所以在进行高倍放大时会出现误差累加的情况。然后基于这个问题，提出了对图像在5×3邻域内进行边缘提取，从而使得边缘部分的像素点更加的准确，然后利用边缘像素点的多方向性相关性特征，从而减少了误差的累积,最后在L-BEI基础上提出了适用于高倍放大的H-BEI插值算法。L-BEI和H-BEI算法的优点主要就是它们计算相对简单，实现起来比较容易，从而效率也相对较高。我们选定了几幅经典的测试图像，在基于图像边缘信息的基础上，对图像分别进行最近邻插值、双线性插值、立方卷积插值、NEDI插值、L-BEI和H-BEI插值，然后从主观上的视觉效果、峰值信噪比、运行时间来做出对比。结果表明在本文算法中，锯齿现象得到很好的改善，同时保证运行时间较高的同时，也较好的抑制了图像在放大过程中的平滑效应。