如何将3个以上（含7个）波段（滤镜）合成为单张彩色图像？

因为RGB图像只有3个通道，7个波段必须先映射/合并到RGB三个通道，同时要做数据归一化（把FITS的浮点数据缩放到0-255的uint8范围），避免过曝或欠曝。以下是两种实用方案：

方案一：同色系波段加权合并 #

把7个波段按色系分组，加权合并到对应的RGB通道，保留所有波段的信息。权重可以根据你的数据特性调整：

import numpy as np
from PIL import Image

# 假设已读取7个波段数据：stamp_blue_light、stamp_blue_dark、stamp_pink、stamp_green、stamp_yellow、stamp_orange、stamp_red
stamp_size = stamp_red.shape[0]

# 1. 按色系合并通道
r_channel = stamp_red + 0.6*stamp_orange + 0.3*stamp_yellow  # 红色系加权
g_channel = stamp_green + 0.4*stamp_yellow + 0.2*stamp_pink   # 绿色系+辅助色
b_channel = stamp_blue_light + 0.8*stamp_blue_dark + 0.5*stamp_pink  # 蓝色系+辅助色

# 2. 归一化处理（截断异常值+线性缩放，避免极端值干扰）
def normalize(data):
    p_low = np.percentile(data, 0.1)
    p_high = np.percentile(data, 99.9)
    data_clipped = np.clip(data, p_low, p_high)
    return ((data_clipped - p_low) / (p_high - p_low)) * 255

r_norm = normalize(r_channel)
g_norm = normalize(g_channel)
b_norm = normalize(b_channel)

# 3. 组装RGB图像，保留原代码的flip操作
img_rgb = np.zeros((stamp_size, stamp_size, 3), dtype=np.uint8)
img_rgb[:,:,0] = np.flip(r_norm, 0).astype(np.uint8)
img_rgb[:,:,1] = np.flip(g_norm, 0).astype(np.uint8)
img_rgb[:,:,2] = np.flip(b_norm, 0).astype(np.uint8)

# 生成并保存图像
imb_rgb_png = Image.fromarray(img_rgb, mode='RGB')
imb_rgb_png.save('7band_merged_rgb.png')

方案二：选择核心波段+细节增强 #

如果不想复杂合并，直接选最接近标准RGB的三个波段，再叠加同色系波段增强细节：

import numpy as np
from PIL import Image

# 读取7个波段数据...

# 核心波段+细节增强
r_channel = stamp_red + 0.5*stamp_orange  # 红色通道叠加橙色增强暖色调
g_channel = stamp_green                   # 直接用绿色通道
b_channel = stamp_blue_light + 0.7*stamp_blue_dark  # 蓝色通道叠加深蓝增强冷色调

# 对数归一化（适合高动态范围的天文数据，避免亮星压制其他细节）
def log_normalize(data):
    data_log = np.log1p(data)  # 加1避免log(0)错误
    p_low = np.percentile(data_log, 0.1)
    p_high = np.percentile(data_log, 99.9)
    data_clipped = np.clip(data_log, p_low, p_high)
    return ((data_clipped - p_low) / (p_high - p_low)) * 255

r_norm = log_normalize(r_channel)
g_norm = log_normalize(g_channel)
b_norm = log_normalize(b_channel)

# 组装图像
img_rgb = np.zeros((stamp_size, stamp_size, 3), dtype=np.uint8)
img_rgb[:,:,0] = np.flip(r_norm, 0).astype(np.uint8)
img_rgb[:,:,1] = np.flip(g_norm, 0).astype(np.uint8)
img_rgb[:,:,2] = np.flip(b_norm, 0).astype(np.uint8)

imb_rgb_png = Image.fromarray(img_rgb, mode='RGB')

关键注意点 #

• 权重和归一化方法要根据实际数据调整：如果某波段噪声大，降低它的权重；如果数据动态范围大，优先用对数/平方根归一化。
• 必须做异常值截断（用percentile），否则少数亮星会导致整个通道的像素被压暗。

内容的提问来源于stack exchange，提问作者Igor Kolesnikov