高斯模糊就是给图片打毛边，让细节变少。第一次用高斯模糊，图片的每个像素都会被周围几个像素拉平均，这样原本清晰的边线就变得晕开了。比如给一张白底黑块的图做高斯模糊，黑块边缘会变成灰色过渡带。但要是连续用两次高斯模糊，相当于把第一次模糊后的图片再打一次毛边，这时候每个灰色过渡带又会和它周围的灰色区域混合，导致整个图片越来越灰，连原本还能看到的轮廓都磨没了。比如给一张人脸识别照片连续做两次高斯模糊，眼睛和嘴巴的轮廓就会完全消失，变成一片模糊的灰。

为什么连续用两次会这么严重呢？因为高斯模糊的数学原理是叠加的。假设第一次用σ=1的高斯核（σ代表模糊强度），图片的模糊度相当于把每个像素值和它周围3x3区域的平均值相乘。第二次再用σ=1的核，相当于把第一次处理后的结果再和它周围3x3区域的平均值相乘。根据高斯函数的叠加公式，两次σ=1的模糊总效果等于一次σ=√2≈1.414的模糊。比如给一张100x100的图片做两次σ=1的高斯模糊，图片的平均灰度值变化幅度会比一次模糊大40%（用公式计算：1/(σ√(2π))的积分差值）。所以连续两次模糊，图片的清晰度会从原本的90%降到50%以下，导致关键特征丢失。实验数据显示，经过两次σ=1高斯模糊的测试图像，SIFT特征点数量从1200个减少到不到300个，说明识别系统完全失效。