所以我有一个灰度图像，它可能有一个alpha通道（透明度），它包含强度信息，但没有颜色信息。
现在我想给它着色，这意味着我有一个单一的RGB颜色，任何RGB颜色，我想合并的颜色和图像，以产生一个新的单调的图像。没有灰度图像，结果将是一个与灰度图像相同大小的图像充满给定的颜色。灰度图像使某些区域变亮或变暗，使新的图像具有可辨别的特征。
我试过了，但结果是错的：

import cv2
import numpy as np

def colorize(img, rgb):
    grey = img[..., 0]
    channels = [grey * (channel / 256) for channel in rgb[::-1]]
    
    if img.shape[2] == 4:
        channels.append(img[..., 3])
    
    return np.dstack(channels).astype(np.uint8)

原始图像：

我的原始图像是透明的，我用cv2.IMREAD_UNCHANGED标志加载它。
我想用（128，192，255）来着色它，GIMP 2的预期结果是：

但我得到了这个，这张照片太暗了：

我现在意识到，要获得与GIMP 2中相同的效果，我需要创建一个所需颜色的泛色填充图像，并将其与源图像混合，并使用“硬光”作为混合模式。
但从语义上讲，我原本想实现的是用HSV颜色模型中新颜色的HS替换原始图像每个像素的色调分量和饱和度分量，并使用原始图像的亮度作为新图像的亮度来添加阴影。
我刚才描述的是HSL颜色混合模式。
谷歌搜索任何超过几个字提供任何相关的，但搜索关键字"blend mode"给我Blend modes Wikipedia和Blend modes CSS specification，我也读过GIMP 2 docs。
这里没有列出Python实现，但这不会阻止我。我非常聪明，公式看起来并不复杂，我可以在几个小时内实现所有38个公式，我会花一天的时间来实现它们。我也在学习C++，所以我也会尝试用C++实现它们。
然而，我不认为我的自定义实现将是最有效的，可能有库方法，至少完成了部分工作，使用它们将提高效率，但我不知道这些方法。
cv2库提供了635个函数，如果我逐一检查所有函数，将花费大量时间。
我发现他们使用以下内容：

import cv2
from pathlib import Path
from typing import Callable

cv2_functions = [f'cv2.{k}' for k, v in cv2.__dict__.items() if isinstance(v, Callable)]
Path('D:/cv2_functions.txt').write_text('\n'.join(cv2_functions))

我没有使用inspect，因为：

In [74]: import inspect

In [75]: inspect.isfunction(cv2.multiply)
Out[75]: False

In [76]: inspect.ismethod(cv2.multiply)
Out[76]: False

In [77]: inspect.iscode(cv2.multiply)
Out[77]: False

现有的答案实现了乘法混合模式，与我的原始代码具有相同的效果，但未能给予期望的结果。
实现强光混合模式和HSL颜色混合模式需要新的答案，所以我可以知道如何更有效地实现混合模式。
我不是在这里寻求软件推荐。问题的范围仅限于numpy和cv2，我在numpy中实现混合模式，但cv2模块提供了423个方法，其中一些方法可能至少已经完成了这里的部分工作，因此使用这些方法可以使代码更高效，但我不知道该用什么方法
因此，我想要使用cv2提供的方法实现混合模式的示例。
至于我的目的，我目前正在用Python和PyQt 6编写一个带有AI和GUI的Tic-Tac-Toe游戏。
我已经完成了人工智能部分，但我不熟悉GUI编程，我正在努力创建GUI。
我希望用户能够完全自定义GUI来更改所有内容的颜色和样式，因此我需要找到在运行中对图片进行着色的方法。
当程序完成后，我会在代码审查上发布程序，然后我会根据反馈尝试用C++重新实现程序。
我已经实现了大部分的混合模式，我正在实现其余的混合模式。这里是它们的选择，我不会发布所有的混合模式，这样问题就不会被代码弄乱，我会为它们发布一个单独的问题，因为我不知道如何使用Alpha通道混合图像，公式中没有提到透明度：

import numpy as np
import cv2

def scale_down(base: np.ndarray, top: np.ndarray) -> np.ndarray:
    return base / 255, top / 255

def scale_up(img: np.ndarray) -> np.ndarray:
    return (img * 255).astype(np.uint8)

def blend_overlay(base: np.ndarray, top: np.ndarray) -> np.ndarray:
    mask = base >= 0.5
    result = np.zeros_like(base)
    result[~mask] = (mult_2 := (2 * base * top))[~mask]
    result[mask] = (2 * base + 2 * top - mult_2 - 1)[mask]
    return result

def blend_hardlight(base: np.ndarray, top: np.ndarray) -> np.ndarray:
    return blend_overlay(top, base)

def blend_multiply(base: np.ndarray, top: np.ndarray) -> np.ndarray:
    return base * top

def blend_screen(base: np.ndarray, top: np.ndarray) -> np.ndarray:
    return base + top - base * top

def blend_softlight(base: np.ndarray, top: np.ndarray) -> np.ndarray:
    return (1 - 2 * top) * base**2 + 2 * base * top

def blend_colorburn(base: np.ndarray, top: np.ndarray) -> np.ndarray:
    result = np.zeros_like(base)
    result[ones := base == 1.0] = 1
    result[zeros := top == 0.0] = 0
    mask = (~ones == ~zeros) == (ones == 0)
    result[mask] = 1 - np.minimum(1, (1 - base[mask]) / top[mask])
    return result