我有三个大的2D高程数据数组（5707，5953），每个数组在不同的基线上获取。我已经对数组进行了规范化，例如：normalize = (eledata-np.mean(eledata))/np.std(eledata)
我在网上看过，似乎我的数组中的每个数据点都需要有一个0-255的值，才能根据字节限制为其分配RGB颜色值。从我在网上拼凑的内容来看，我有点卡住了，并尝试过这个，但一直在循环与不同的错误。每一个其他指南，我看到网上有一个基本的数组填充零，这是混乱的，我的大型数组。下面是我使用PIL，astropy，opencv库尝试过的一些不同的方法。我不喜欢哪一种，只喜欢在这种情况下最简单的方法。

normalize[:,:,0] = normalize*64/255.0
normalize[:,:,1] = normalize*128/255.0
normalize[:,:,2] = normalize*192/255.0
cv2.imwrite('C://User/Downloads/color_img.jpg', normalize)
cv2.imshow("image", normalize)
cv2.waitKey()

def rescale(arr):
     arr_min = arr.min()
     arr_max = arr.max()
     return (arr - arr_min) / (arr_max - arr_min)

red_arr_b = 255.0 * rescale(diff)
green_arr_b = 255.0 * rescale(diff2)
blue_arr_b = 255.0 * rescale(diff3)

img = Image.fromarray(arr.astype(int), 'RGB')
image = make_lupton_rgb(normalize1,normalize2,normalize3)
plt.show(image)

当我在上面的代码中执行plot show时，它只是返回一个空的图表，其中包含我设置的x和y范围。我也尝试了np.dstack，但它似乎没有给予有意义的数据，文档也很短。

rgb = np.dstack((normalize1,normalize2,normalize3))

我可以尝试做三个数组，一个在R中，一个在G中，一个在B中，然后将它们堆叠在另一个上面吗？

***UPDATE***我尝试了两种解决方案的合并，但现在我遇到了一个问题，因为图像是一种奇怪的蓝色，即使我的限制设置为0，255，这种颜色似乎接管。变量diff，diff 2和diff 3是我一直在谈论的（5705，5953）数组。在result和im中都有 *255不是重复的吗？

diff = simslope(data_nan,2,pixsize) - simslope(data_nan,4,pixsize)
diff2 = simslope(data_nan,4,pixsize) - simslope(data_nan,8,pixsize)
diff3 = simslope(data_nan,8,pixsize) - simslope(data_nan,16,pixsize)

normdiff = (diff-np.nanmean(diff))/np.nanstd(diff)
normdiff2 = (diff2-np.nanmean(diff2))/np.nanstd(diff2)
normdiff3 = (diff3-np.nanmean(diff3))/np.nanstd(diff3)
data = (normdiff - np.nanmin(normdiff))/(np.nanmax(normdiff)-np.nanmin(normdiff) + 1e-9)
data2 = (normdiff2 - np.nanmin(normdiff2))/(np.nanmax(normdiff2)-np.nanmin(normdiff2) + 1e-9)
data3 = (normdiff3 - np.nanmin(normdiff3))/(np.nanmax(normdiff3)-np.nanmin(normdiff3) + 1e-9)
result = (255*np.stack((data,data2,data3))).clip(0,255).astype(np.uint8)
im = Image.fromarray((result[0]*255).clip(0,255).astype(np.uint8)) 
im.save("C://Users/Downloads/img.png")
plt.imshow(im,vmin=np.nanmin(im),vmax=np.nanmax(im))