Streamlit如何使用st.image展示.tif（含大尺寸）图像

Streamlit的st.image组件默认依赖Pillow库完成图像解码，原生不支持16位整数、32位浮点、多波段压缩的科学类TIFF格式（你测试的density.tiff就属于32位浮点的科研成像文件）。当传入这类不被Pillow支持的TIFF路径/URL时，组件会静默解码失败，返回值为整数0，最终页面就只渲染出字符"0"，和调用st.write(0)效果完全一致，和路径、URL是否能正常访问无关。

• 通用方案（适配所有TIFF，含大尺寸高分辨率文件）：使用tifffile库完成TIFF解码，转码为浏览器支持的8位图像格式后传入st.image
  1. 先安装依赖：

  pip install tifffile numpy pillow requests
  

  2. 参考代码（同时支持本地文件、在线URL两种加载方式）：

  import streamlit as st
  import tifffile as tiff
  import numpy as np
  from PIL import Image
  import io
  import requests
  
  # 加载图像：二选一即可
  # 本地文件加载
  # img_array = tiff.imread("./your_local_high_res.tif")
  # 在线URL加载
  tif_url = "http://www.bmsc.washington.edu/raster3d/examples/density.tiff"
  resp = requests.get(tif_url, timeout=15)
  img_array = tiff.imread(io.BytesIO(resp.content))
  
  # 像素值归一化到0-255的8位区间，适配浏览器渲染规则
  img_normalized = (
      (img_array - img_array.min()) 
      / (img_array.max() - img_array.min()) 
      * 255
  ).astype(np.uint8)
  
  # 单通道灰度图转Pillow支持的格式
  if len(img_normalized.shape) == 2:
      img_render = Image.fromarray(img_normalized, mode="L")
  else:
      img_render = Image.fromarray(img_normalized)
  
  # 大尺寸高分辨率图自动缩放，避免前端加载卡顿、内存溢出
  max_edge_length = 2000
  if max(img_render.size) > max_edge_length:
      scale_ratio = max_edge_length / max(img_render.size)
      new_size = (
          int(img_render.size[0] * scale_ratio),
          int(img_render.size[1] * scale_ratio)
      )
      img_render = img_render.resize(new_size)
  
  st.image(img_render, caption="TIFF图像渲染结果")
  

• 轻量方案（仅适用于普通8位RGB TIFF）：升级Pillow版本
  低版本Pillow的TIFF解码插件存在已知bug，会导致普通8位TIFF解码失败，执行以下命令升级后重启Streamlit服务即可正常加载：

  pip install --upgrade pillow
  

注意：只要是TIFF格式文件，不要直接把本地路径、在线URL传入st.image。必须先解码为Pillow Image对象或者8位numpy数组后再传入组件，才能避免静默解码失败只显示"0"的问题。如果是GB级别的超大TIFF，建议先做分块加载再渲染，避免服务端内存溢出。

内容的提问来源于stack exchange，提问作者nisalap