在 Python 中使用 JPEG 压缩有效地从大型多页 TIFF 中删除单个页面

Question

我正在处理一个 JPEG 压缩的大型多页 TIFF 文件，我需要从中删除一页。我正在使用 tifffile Python 包来处理 TIFF，并且我已经根据与该页面关联的元数据标签知道要删除哪个页面。我当前的方法是读取所有页面，修改目标页面（通过跳过或替换它），然后将其余部分写回新的 TIFF 文件。

这是我迄今为止尝试过的：

import tifffile

with tifffile.TiffFile('file') as tif:
    for i, page in enumerate(tif.pages):
        if some condition with tags is true:
            # Skip the page to delete or replace with a dummy page

        image_data = page.asarray(memmap=True)  # Memory-mapped access to the page's data

        # Write the page to the output file
        writer.write(
            image_data,
            compression='jpeg',
            photometric=page.photometric,
            metadata=page.tags,
        )

但是，这种方法有几个问题：

• 内存使用：处理大文件会消耗几乎所有可用内存（我有32GB RAM，但它最多使用28GB），这使得处理大文件不可行。

• 压缩问题：LZW、ZSTD 和 JPEG 等不同的压缩方法会创建大小截然不同的文件，有些比原始文件大得多。

• 性能：使用条带或分块等方法会导致处理速度非常慢，删除单个页面需要很长时间。

• 输出文件大小：使用不同的压缩方法时输出文件的大小太大了！ （JPEG 上 3GB 输入到 LZW 上 50GB+ 输出）

Python 有没有什么方法可以有效地从大型多页 TIFF 文件中删除单个页面，而不消耗太多内存或花费很长时间？我见过一些 .NET 包可以就地删除页面——Python 有类似的解决方案吗？

Answer 1

我创建了一个 Python 包来处理它。虽然它可以变得更具可扩展性，但它可以有效地解决问题，而无需将所有图像数据加载到内存中。

核心理念：

该软件包的工作原理是：

• 重建IFD（图像文件目录）链：删除了 关注 IFD，同时保留对原始图像数据的引用。
• 调整元数据：指向“标签”信息的元数据 在重建过程中隐式更新。内存
• 效率：通过引用实际图像数据，该包避免了 需要将大图像文件加载到内存中。

安装： 您可以直接从 PyPI 安装该软件包：

pip install tiff-wsi-label-removal

用途： 安装后，您可以使用

remove-label

命令行工具从 TIFF 文件中删除标签：

bash
remove-label <input_tiff_file> <output_tiff_file>

当前的局限性和未来的工作：

该软件包功能齐全，但仍有改进的空间，包括使其更具可扩展性。

来自此处评论的建议和其他计划的功能正在包的 PyPI 页面的描述中进行跟踪。

欢迎任何反馈！