这需求太常见啦，我给你整理了几种Python生态里最实用的实现方式，挑你顺手的工具用就行：

方法一：用NumPy直接运算（最灵活通用） #

Python里的图像处理库基本都基于NumPy数组，直接用数组运算就能高效完成需求：

import numpy as np

# 假设rgb_img是MxNx3的NumPy数组，mask是MxN的二进制掩码数组（元素为0或1）
# 利用NumPy广播机制，把单通道掩码扩展为3通道，和RGB图像维度匹配
result_img = rgb_img * mask[..., np.newaxis]

如果你的掩码是0-255的灰度图（比如从PNG文件读取的），记得先转成0-1的数值：

# 把0-255的掩码转成0-1的浮点数数组
normalized_mask = mask / 255.0
result_img = rgb_img * normalized_mask[..., np.newaxis]

运算完成后，记得把结果转成uint8类型（0-255）才能正常保存为图像。

方法二：用OpenCV实现 #

OpenCV处理图像本质也是操作NumPy数组，步骤和上面类似，只是多了图像读写的细节：

import cv2
import numpy as np

# 读取RGB图像（注意OpenCV默认读入是BGR格式，要转成RGB）
rgb_img = cv2.cvtColor(cv2.imread("your_rgb_image.jpg"), cv2.COLOR_BGR2RGB)
# 读取掩码，用灰度模式确保是单通道
mask = cv2.imread("your_mask.png", cv2.IMREAD_GRAYSCALE)

# 归一化掩码并扩展通道，然后相乘
normalized_mask = mask / 255.0
result_img = rgb_img * normalized_mask[..., np.newaxis]

# 保存结果时要转回BGR格式
cv2.imwrite("result.jpg", cv2.cvtColor(result_img.astype(np.uint8), cv2.COLOR_RGB2BGR))

方法三：用PIL/Pillow实现 #

如果你习惯用PIL库，有两种便捷方式：

方式1：转NumPy数组处理（和方法一逻辑一致） #

from PIL import Image
import numpy as np

rgb_img = Image.open("your_rgb_image.jpg").convert("RGB")
mask = Image.open("your_mask.png").convert("L")  # 转成单通道灰度图

# 转成数组运算
rgb_array = np.array(rgb_img)
mask_array = np.array(mask) / 255.0
result_array = rgb_array * mask_array[..., np.newaxis]

# 转回PIL图像
result_img = Image.fromarray(result_array.astype(np.uint8))
result_img.save("result.jpg")

方式2：用PIL内置的Image.composite #

如果你的掩码是标准的二进制灰度图（0为黑，255为白），可以直接用合成函数：

from PIL import Image

rgb_img = Image.open("your_rgb_image.jpg").convert("RGB")
mask = Image.open("your_mask.png").convert("L")

# 创建全黑图像，作为掩码0位置的替代图
black_img = Image.new("RGB", rgb_img.size, (0, 0, 0))
# 合成：掩码白的地方保留原图，黑的地方用全黑图
result_img = Image.composite(rgb_img, black_img, mask)
result_img.save("result.jpg")

内容的提问来源于stack exchange，提问作者avinash k