在图像处理中，保持图像中的插值通常是指在改变图像大小或者进行图像缩放的过程中，保持图像中的细节和纹理不变。下面是一种常用的实现方法，使用Python和OpenCV库：

import cv2

def preserve_interpolation(image, new_width, new_height):
    height, width = image.shape[:2]

    scale_width = new_width / width
    scale_height = new_height / height

    # 根据新的大小计算缩放比例
    scale = min(scale_width, scale_height)

    # 根据缩放比例计算新的大小
    new_width = int(width * scale)
    new_height = int(height * scale)

    # 使用双线性插值方法进行图像缩放
    resized_image = cv2.resize(image, (new_width, new_height), interpolation=cv2.INTER_LINEAR)

    # 使用最近邻插值方法进行图像放大
    if scale_width > 1 or scale_height > 1:
        resized_image = cv2.resize(resized_image, (new_width, new_height), interpolation=cv2.INTER_NEAREST)

    return resized_image

# 读取图像
image = cv2.imread('input.jpg')

# 保持图像中的插值，将图像缩放为新的大小
new_width = 800
new_height = 600
resized_image = preserve_interpolation(image, new_width, new_height)

# 显示图像
cv2.imshow('Original Image', image)
cv2.imshow('Resized Image', resized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，preserve_interpolation()函数接受一个图像、新的宽度和高度作为参数。它根据新的大小计算出缩放比例，并使用双线性插值方法进行图像缩放。如果缩放比例大于1（即放大图像），则使用最近邻插值方法进行图像放大。最后，返回缩放后的图像。

在示例中，我们读取了一个名为input.jpg的图像，并将其缩放为800x600的大小。然后，我们分别显示原始图像和缩放后的图像。

请注意，这只是一种常用的方法，并不是唯一的解决方案。根据具体的需求和应用场景，可能需要使用其他的插值方法或者进行更复杂的图像处理操作。