看起来你已经把最麻烦的分割和蒙版清理工作搞定了，剩下的重新着色其实很直接，我给你分享两种常用的实现方式，以Python+OpenCV为例：

核心思路 #

我们的目标是让原始图像中，蒙版标记为1的区域替换成指定颜色，其余区域保持原样。首先要确保你的蒙版是单通道的二值图像——如果是0/1的浮点型，记得先转成0/255的uint8格式，方便后续操作。

方法1：直接替换目标区域颜色 #

这种方式会完全覆盖原区域的颜色，适合需要纯色填充的场景：

import cv2
import numpy as np

# 假设你已经有了原始图像和处理好的蒙版
img = cv2.imread("your_original_image.jpg")
mask = ...  # 你的二值蒙版，0为背景，255为目标区域（如果是0/1的话，先转成mask = (mask * 255).astype(np.uint8)）

# 定义要替换的目标颜色（OpenCV用BGR顺序，比如这里是红色）
target_color = (0, 0, 255)

# 创建和原始图像同尺寸的颜色填充图
color_layer = np.full_like(img, target_color)

# 用蒙版融合原始图像和颜色层
result = np.where(mask[..., np.newaxis] == 255, color_layer, img)

# 保存或显示结果
cv2.imwrite("colored_result.jpg", result)
cv2.imshow("Result", result)
cv2.waitKey(0)

方法2：带透明度的颜色叠加 #

如果想要保留原区域的纹理，只叠加一层颜色（比如类似染色效果），可以用加权融合：

import cv2
import numpy as np

img = cv2.imread("your_original_image.jpg")
mask = ...  # 处理好的二值蒙版（0/255）

target_color = (0, 0, 255)
alpha = 0.5  # 颜色透明度，0为完全保留原图，1为完全覆盖原图像

color_layer = np.full_like(img, target_color)
# 先对蒙版做归一化，得到0-1的权重图
mask_weight = mask / 255.0

# 加权计算：目标区域 = 原图像*(1-alpha) + 颜色层*alpha，背景区域保持原图像
result = img.copy()
result = np.where(mask[..., np.newaxis] == 255, 
                  img * (1 - alpha) + color_layer * alpha, 
                  img).astype(np.uint8)

cv2.imwrite("transparent_colored_result.jpg", result)

注意事项 #

• 如果你的蒙版是单通道，记得用mask[..., np.newaxis]扩展维度，让它和3通道的彩色图像维度匹配，避免广播错误
• 确保蒙版的数值类型是uint8，如果之前是浮点型的0/1，一定要先转换：mask = (mask * 255).astype(np.uint8)
• 颜色顺序要注意，OpenCV默认是BGR，如果你习惯RGB的话，记得用cv2.cvtColor(img, cv2.COLOR_BGR2RGB)转换后再处理

内容的提问来源于stack exchange，提问作者Bn.F76