TensorFlow中encode_png与decode_png无法可逆转换问题排查

你当前的相等判断逻辑本身就不成立：

• PNG是包含文件头、多类元数据块的容器格式，除了核心的像素压缩数据外，还会存储创建时间、编码工具标识、色彩配置、gamma校正值等可选元信息
• tf.io.encode_png 编码生成PNG时，只会写入最基础的必要数据块，不会保留原始PNG里的自定义/额外元数据，同时压缩时的块排列、deflate算法实现细节也和原始文件的编码逻辑不一定完全匹配
• 即使你把compression参数调到和原文件完全一致，只要有1字节的元数据或压缩流细节差异，逐字节的相等判断就会返回False，这和压缩等级没有关系。

TensorFlow的PNG编解码可逆，指的是像素级无损，而非编码后的二进制字节流和原文件逐字节一致。你应该比对两次解码得到的像素张量，而非编码后的字节：

decodedBase64 = tf.io.decode_base64(imgBase64)
# 第一次解码得到原始像素张量
original_tensor = tf.io.decode_png(decodedBase64)
# 重新编码再解码
re_encoded = tf.io.encode_png(original_tensor)
re_decoded_tensor = tf.io.decode_png(re_encoded)
# 像素完全一致即代表编解码是无损可逆的，该判断会返回True
pixel_equal = tf.reduce_all(tf.equal(original_tensor, re_decoded_tensor)).numpy()

如果你要求输出的PNG字节和原始decodedBase64完全相等，不需要走decode_png->encode_png的流程：decodedBase64本身就是base64解码得到的原始PNG二进制字节，直接使用该值即可。
tf.io.encode_png没有提供保留原始PNG元数据、对齐原始压缩流细节的参数，只要经过一轮重新编码，就不可能保证输出字节和原文件逐字节相等，反复调整compression参数没有实际意义。

内容的提问来源于stack exchange，提问作者Andrey