rgb = np.dstack((r,g,b))  # stacks 3 h x w arrays -> h x w x 3

也要将浮点数0..1转换为uint8，

rgb_uint8 = (np.dstack((r,g,b)) * 255.999) .astype(np.uint8)  # right, Janna, not 256

我真的不明白你的问题，但这里有一个例子，类似的东西，我最近做了，似乎它可能会有所帮助：

# r, g, and b are 512x512 float arrays with values >= 0 and < 1.
from PIL import Image
import numpy as np
rgbArray = np.zeros((512,512,3), 'uint8')
rgbArray[..., 0] = r*256
rgbArray[..., 1] = g*256
rgbArray[..., 2] = b*256
img = Image.fromarray(rgbArray)
img.save('myimg.jpeg')

rgb = np.dstack((r,g,b))  # stacks 3 h x w arrays -> h x w x 3

这个代码不会创建三维数组，如果你通过3个通道。2通道保留。

在将numpy数组传递给Image.fromarray之前，将其转换为uint8
例如，如果浮点数在[0..1]范围内：

r = Image.fromarray(numpy.uint8(r_array*255.999))

你的失真我相信是由你的方式造成的分割成单独的波段，然后重新调整大小，然后再把它合并;

`
image=Image.open("your image")

print(image.size) #size is inverted i.e columns first rows second eg: 500,250

#convert to array
li_r=list(image.getdata(band=0))
arr_r=np.array(li_r,dtype="uint8")
li_g=list(image.getdata(band=1))
arr_g=np.array(li_g,dtype="uint8")
li_b=list(image.getdata(band=2))
arr_b=np.array(li_b,dtype="uint8")

# reshape 
reshaper=arr_r.reshape(250,500) #size flipped so it reshapes correctly
reshapeb=arr_b.reshape(250,500)
reshapeg=arr_g.reshape(250,500)

imr=Image.fromarray(reshaper,mode=None) # mode I
imb=Image.fromarray(reshapeb,mode=None)
img=Image.fromarray(reshapeg,mode=None)

#merge
merged=Image.merge("RGB",(imr,img,imb))
merged.show()
`

这个很好用！

如果使用PIL图像，将其转换为数组，然后继续执行以下操作，否则直接使用matplotlib或cv2执行。

image = cv2.imread('')[:,:,::-1]
image_2 = image[10:150,10:100]
print(image_2.shape)

img_r = image_2[:,:,0]
img_g = image_2[:,:,1]
img_b = image_2[:,:,2]

image_2 = img_r*0.2989 + 0.587*img_g + 0.114*img_b 

image[10:150,10:100,0] = image_2
image[10:150,10:100,1] = image_2
image[10:150,10:100,2] = image_2

plt.imshow(image,cmap='gray')