使用Deeplake上传至S3(MinIO)的JPG/TIF图片EXIF丢失问题求助

1. 上传阶段：图像解码过程丢失元数据 #

你使用deeplake.read(file)读取JPG/TIF文件时，该方法会自动将图像解码为像素张量（numpy数组）。这个解码流程会直接剥离EXIF、ICC配置文件等所有附加元数据——因为张量数据结构仅存储像素数值，不支持携带任何非像素类的元信息。

你提到PNG文件无此问题，大概率是因为你的PNG文件本身没有自定义EXIF数据，或者默认生成的PNG元数据与原图一致，导致你误以为元数据被完整保留。

2. 下载阶段：无法从像素张量恢复元数据 #

下载代码中，你将张量转换为numpy数组后，通过Image.fromarray()创建PIL图像对象。此时的图像对象完全不包含原文件的元数据（因为numpy数组里根本没存储这些内容），后续保存为JPG/TIF时自然无法写入原EXIF信息。

3. sample_compression=None未解决问题的原因 #

这个参数控制的是Deeplake对张量数据的压缩策略，但你上传的已经是解码后的像素数组，压缩参数无法影响元数据的保留——因为元数据在解码阶段就已经丢失了。

补充解决建议 #

如果需要完整保留图像元数据，需改为存储原始文件二进制而非解码后的像素：

上传代码修改：

dirpath = '/home/images'

ds = deeplake.empty('s3://deeplake/image-dataset', creds=credentials)
files = []
for file in os.listdir(dirpath):
    files.append(os.path.join(dirpath, file))
with ds:
    # 创建binary类型张量存储原始文件字节
    ds.create_tensor('images', htype='binary')
with ds:
    for file in files:
        # 读取原始文件字节
        with open(file, 'rb') as f:
            ds.append({'images': f.read()})

下载代码修改：

import os

ds = deeplake.load('s3://deeplake/image-dataset', creds=credentials)
image_tensor = ds['images']

for i in range(len(image_tensor)):
    # 获取原始字节数据
    image_bytes = image_tensor[i].numpy()
    # 获取原文件后缀，保证保存格式匹配
    _, ext = os.path.splitext(files[i])
    with open(f"/home/downloaded_images/image{i}{ext}", 'wb') as f:
        f.write(image_bytes)

内容的提问来源于stack exchange，提问作者Atacan Turan