Python读取电镜TIFF图像元数据的方法求助

电镜生成的TIFF常包含前置纯文本元数据块，这部分不属于标准TIFF的IFD标签体系，所以PIL、exifread这类标准TIFF工具无法识别。要提取这些信息，需要手动读取文件开头的文本内容，直到遇到标准TIFF的文件标识。

解决步骤 #

1. 识别TIFF的起始标记：标准TIFF以4字节标识开头，小端格式为II*（字节序列b'II\x2A\x00'），大端格式为MM*（字节序列b'MM\x00\x2A'）。
2. 逐行读取文件，收集文本内容，直到遇到上述标记，停止读取并返回收集到的文本。
3. 提取文本后，可自行解析所需字段（如Image Pixel Size）。

代码实现 #

def extract_em_tiff_metadata(file_path):
    # 标准TIFF的起始标识（小端/大端）
    tiff_signatures = [b'II\x2A\x00', b'MM\x00\x2A']
    metadata_lines = []
    
    with open(file_path, 'rb') as f:
        while True:
            line_bytes = f.readline()
            if not line_bytes:
                break
            
            # 检查当前行是否包含TIFF起始标识
            for sig in tiff_signatures:
                sig_pos = line_bytes.find(sig)
                if sig_pos != -1:
                    # 提取标识之前的文本并加入列表
                    if sig_pos > 0:
                        metadata_lines.append(line_bytes[:sig_pos].decode('utf-8', errors='ignore'))
                    # 停止读取，返回拼接后的元数据
                    return '\n'.join(metadata_lines)
            
            # 尝试解码当前行为文本，加入元数据列表
            try:
                metadata_lines.append(line_bytes.decode('utf-8'))
            except UnicodeDecodeError:
                # 遇到非文本字节，说明已到TIFF图像数据边界
                return '\n'.join(metadata_lines)
    
    return '\n'.join(metadata_lines)

# 使用示例
metadata = extract_em_tiff_metadata('your_em_image.tif')
print(metadata)

# 解析Image Pixel Size字段
import re
match = re.search(r'Image Pixel Size\s*:\s*([\d.]+)\s*(\w+)', metadata)
if match:
    pixel_size = float(match.group(1))
    unit = match.group(2)
    print(f"图像像素尺寸: {pixel_size} {unit}")

# 正常读取图像数据不受影响
from skimage import io
image = io.imread('your_em_image.tif')

注意事项 #

• 部分电镜TIFF的文本元数据可能包含非UTF-8编码字符，使用errors='ignore'可跳过解码错误，保留大部分可读内容。
• 提取元数据后，可根据实际需求调整正则表达式或字符串处理逻辑，解析其他字段。

内容的提问来源于stack exchange，提问作者Mika R.