如何计算高斯核sigma与尺寸以匹配卫星图像目标低分辨率（像素/米）

核心背景理解 #

你要做的不是常规的图像缩放（缩小再放大），而是在保持像素数不变的前提下，模拟更低空间分辨率的卫星成像效果：

• 当前图像：512×512，0.3m/像素 → 每个像素对应0.3m的地面宽度
• 目标图像：512×512，0.5m/像素 → 每个像素对应0.5m的地面宽度
• 本质是让目标图像的每个像素，对应原图像中一块更宽的地面区域的“平滑整合”，高斯模糊就是用来模拟这个整合过程，同时避免混叠（Aliasing）。

Sigma与目标分辨率的关联 #

高斯核的标准差（sigma）直接决定了模糊的“扩散范围”，这个范围需要和目标分辨率与当前分辨率的缩放比例绑定：

1. 先计算缩放比例 R = 目标分辨率 / 当前分辨率，比如你的场景中 R = 0.5 / 0.3 ≈ 1.666
2. 这个R的物理意义是：目标像素对应的地面宽度，是原像素的R倍；反映在原图像上，就是一个目标像素需要覆盖原图像中R个像素宽度的区域。

高斯核的设计要让它的**半高全宽（FWHM）**等于这个R值——FWHM是高斯函数下降到峰值一半时的宽度，它和sigma的关系是：

FWHM = 2 * sigma * sqrt(2 * log(2)) ≈ 2.3548 * sigma

我们需要FWHM = R，这样模糊的范围刚好覆盖目标像素对应的原图像区域，完美模拟低分辨率的成像积分效果。

Sigma的推导与计算 #

把FWHM = R代入上面的公式，解出sigma：

sigma = R / (2 * sqrt(2 * log(2)))

这就是ChatGPT给出的公式的来源。代入你的场景数值：

sigma = (0.5/0.3) / (2*sqrt(2*log(2))) ≈ 1.666 / 2.3548 ≈ 0.707

核尺寸的确定 #

高斯函数的能量95%以上集中在±2*sigma的范围内，超出这个范围的像素值对模糊结果的影响可以忽略。因此核尺寸的计算逻辑是：

1. 取2*sigma的向上取整值，作为核的半宽
2. 核尺寸 = 2 * ceil(2*sigma) + 1
   比如你的场景中2*sigma≈1.414，ceil后是2，核尺寸就是2*2+1=5（即5×5的高斯核），这个尺寸足够覆盖高斯函数的主要能量区域，同时不会引入不必要的计算开销。

实际调整建议 #

• 如果需要更严格的抗混叠（比如原图像高频细节多），可以适当把sigma增大10%-20%，但不要过度，否则会丢失过多有效细节
• 如果是模拟特定型号卫星的成像效果，需要参考该卫星的官方点扩散函数（PSF）参数调整sigma，通用场景下用上述公式即可
• 避免用盒式滤波（简单平均）替代高斯滤波，盒式滤波会产生振铃效应，远不如高斯滤波贴近真实卫星成像的平滑效果

内容的提问来源于stack exchange，提问作者draven