多页TIFF转HDF5报错求助：Shape tuple is incompatible with data

• 变量覆盖：循环遍历TIFF页时，每次都会覆盖im、frame_shape和dtype，最终im仅保留最后一页的2D数组，而非完整3D数据。
• 形状参数错误：创建HDF5数据集时，shape=(n, *frame_shape)中的n是循环最后一个索引（非总帧数num_frames），且传入的data=im是单页2D数组，与指定的3D形状不匹配，触发形状兼容错误。
• 内存未优化：21GB的TIFF文件直接读入内存会溢出，必须采用分块写入方式处理。

方案1：分块写入（适合大文件，避免内存溢出） #

import numpy as np
import h5py
import tifffile

# 读取TIFF文件的基础信息
with tifffile.TiffFile('tomo.tif') as tif:
    num_frames = len(tif.pages)
    # 取第一页的形状和数据类型（假设所有页参数一致）
    first_frame = tif.pages[0].asarray()
    frame_shape = first_frame.shape
    dtype = first_frame.dtype

# 创建HDF5文件并预分配3D数据集
with h5py.File('test.h5', 'w') as f:
    dataset = f.create_dataset('temp', shape=(num_frames, *frame_shape), dtype=dtype)
    
    # 逐页写入HDF5
    with tifffile.TiffFile('tomo.tif') as tif:
        for idx, page in enumerate(tif.pages):
            dataset[idx] = page.asarray()
            # 可选：打印写入进度
            if idx % 100 == 0:
                print(f"已完成 {idx+1}/{num_frames} 页写入")

# 验证结果
with h5py.File('test.h5', 'r') as f:
    print("3D数据集形状:", f['temp'].shape)
    print("数据类型:", f['temp'].dtype)

方案2：一次性读入（仅内存充足时使用，如32GB以上内存） #

import numpy as np
import h5py
import tifffile

# 一次性读取所有TIFF页为3D数组
with tifffile.TiffFile('tomo.tif') as tif:
    stack = tif.asarray()
    print("读取的3D数组形状:", stack.shape)

# 写入HDF5
with h5py.File('test.h5', 'w') as f:
    f.create_dataset('temp', data=stack)

# 验证
with h5py.File('test.h5', 'r') as f:
    print("HDF5数据集形状:", f['temp'].shape)

• 确保所有TIFF页的形状和数据类型一致，若存在不一致需额外处理（如过滤或统一格式）。
• 分块写入时两次打开TIFF文件是为了避免长时间占用文件句柄，也可在同一个with块内完成信息读取和写入操作。

内容的提问来源于stack exchange，提问作者Sean