如何正确对 .fits 文件进行“重新分类”？

Question

问题是我正在处理两个 .fits 图像，但每个图像的像素比例不同。 假设图 1 有一个

CDELT = +- 0.0013888888888889 [deg] 

图 2 有一个

 CDELT = +- 0.00277778000000 [deg]

因此，为了准确地处理它们，我需要图像 1 来匹配图像 2 的像素比例。我不是这方面的专家，但从我能找到的内容来看，我读到这称为“重新分箱”。

我尝试过在网上或IA找到的代码，因为我只是一个初学者，并且对如何自己做这件事一无所知。

但它似乎不起作用，因为数据总是变得混乱，而且它的绘图没有任何意义。另外，生成的文件比原始文件大得多，我认为这是不对的，因为我降低了它的分辨率。

有人知道如何正确执行此操作而不影响我的数据吗？

我尝试过的最后一个代码是这个：

import numpy as np
from scipy.ndimage import zoom
from astropy.io import fits

# Load the data from the second image
ha_hdul = fits.open('ha_image.fits')
ha_data = ha_hdul[0].data
ha_header = ha_hdul[0].header

# Calculate the rebinning factors
scale_factor_x = 0.00277778000000 / 0.0013888888888889
scale_factor_y = 0.00277778000000 / 0.0013888888888889

# Rebin the data using zoom
rebinned_ha_data = zoom(ha_data, (scale_factor_y, scale_factor_x), order=1)

# Update the WCS information
ha_header['CDELT1'] = -0.00277778000000
ha_header['CDELT2'] = 0.00277778000000

# Create a new PrimaryHDU object with the rebinned data and updated header
rebinned_ha_hdu = fits.PrimaryHDU(rebinned_ha_data, header=ha_header)

# Save the rebinned image to a new FITS file
rebinned_ha_hdu.writeto('rebinned_ha_image.fits', overwrite=True)```

Answer 1

CDELTi

标题关键字是世界坐标系（WCS）的一部分，它描述了如何将一组坐标映射到另一组坐标。通常，这用于将图像中的 x,y 像素坐标映射到天空上的赤经、赤纬（RA、Dec）（但这不是唯一的坐标系、维数或用途）。至关重要的是，与

scipy.ndimage

用于处理的常规 2D 图像不同，FITS 数据和 WCS 中不假设像素轴和天空轴对齐或彼此线性相关。 RA 可能 与图像的 x 轴对齐，但它几乎总是不是，即使是，它也不会是完美的，并且会有一些旋转。

CDELTi

（其中

i

是轴编号，通常为 1 或 2）是以度/像素为单位的比例，但该符号还告诉您值增加的方向。假设一个

CDELT

值意味着假设每个轴上的图像比例相同，即使对于方形 CCD 像素，这也不一定是一个好的假设，因为产生图像的光学器件（望远镜、相机等）可能不会产生相同的结果在每个方向上缩放。其他问题是旋转，如果 FITS 标头使用

CROTAi

表示法，则将由

CDELT

关键字指定，否则使用 2x2

CDi_j

矩阵（并且允许包含倾斜；本文中的一般信息） ）以及由

PVi_j

关键字或 SIP 多项式指定的潜在失真（例如 here）。

通过将 FITS 图像数据视为规则的、对齐的、线性的 2D 图像并选择平均比例因子，这会忽略 WCS 标头中有关变换的其余信息，并且不会将像素信息重新采样为新的图像。非对齐网格的方式可以防止混叠，更重要的是，保留图像中的天文通量并将其组合起来进行有意义的测量。正如 @9769953 所建议的，强烈建议您查看天文学专用工具，例如 reproject、SWarp 和 Montage，它们将处理 WCS 映射的所有细节和复杂性，并且不会假设 1 或 2恒定比例因子。