如何使用Python为图像添加单色边框

存在完全可落地的实用实现方案，核心逻辑非常直接：以矩阵形式存储的数字图像本质就是多维数值数组，加单色边框的本质就是对原数组做扩维操作，将扩展出的边缘区域统一填充为指定颜色的像素值即可。以下是两种生产环境常用的实现方式：

方案1：基于NumPy的纯矩阵操作实现（无额外图像处理依赖） #

如果你的图像本身就是以NumPy数组形式存储（单通道灰度图shape为(高度, 宽度)，RGB三通道图shape为(高度, 宽度, 3)），直接用NumPy内置的pad函数就能完成边框添加，不需要做任何格式转换，执行效率最高。

import numpy as np

# 此处替换为你实际存储的图像矩阵，以下为测试用随机生成的480*640 RGB图
img_mat = np.random.randint(0, 256, size=(480, 640, 3), dtype=np.uint8)

# 自定义边框参数
border_px = 15  # 边框宽度，单位为像素
border_rgb = (255, 0, 0)  # 边框颜色，RGB顺序，此处为正红色

# 根据图像通道数配置填充规则
if img_mat.ndim == 2:
    # 单通道灰度图：仅对高度、宽度两个维度做对称填充
    pad_config = ((border_px, border_px), (border_px, border_px))
    fill_val = border_rgb[0]
else:
    # 多通道彩色图：高度、宽度维度填充，通道维度不做填充
    pad_config = ((border_px, border_px), (border_px, border_px), (0, 0))
    fill_val = border_rgb

# 生成带边框的图像矩阵
img_with_border = np.pad(
    img_mat,
    pad_width=pad_config,
    mode="constant",
    constant_values=fill_val
).astype(np.uint8)

这个方案完全贴合数字图像的矩阵存储逻辑，没有额外依赖，适合纯数值计算场景使用。

方案2：基于Pillow的图像处理流程实现 #

如果你本身就在做常规图像处理流程，也可以用Pillow库快速实现，最终结果也可以转回矩阵形式存储：

from PIL import Image
import numpy as np

# 矩阵转Pillow图像对象
img = Image.fromarray(img_mat)
border_px = 15
border_rgb = (255, 0, 0)

# 生成带边框的新画布
canvas_size = (img.width + 2*border_px, img.height + 2*border_px)
bordered_canvas = Image.new(img.mode, canvas_size, border_rgb)
# 将原图粘贴到画布中心，周边自然露出单色边框
bordered_canvas.paste(img, (border_px, border_px))
# 如需转回矩阵存储直接执行以下语句即可
img_with_border = np.array(bordered_canvas)

注意事项 #

• 两种方案都支持任意宽度、任意单色的边框配置，适配灰度图、RGB图、RGBA带透明通道图等常见图像存储格式，只要对应调整通道维度的填充规则即可。
• 操作时注意保持数组的数据类型为uint8，匹配常规图像0-255的像素值范围，避免数值溢出导致的颜色显示异常。

内容的提问来源于stack exchange，提问作者D. Sukhov