使用DenseNet121预训练权重测试时报UnidentifiedImageError如何解决？

问题原因 #

核心报错UnidentifiedImageError是Keras内置图像加载工具依赖的PIL/Pillow库无法识别读取.tif格式图像导致，常见触发原因：

• 安装的Pillow库未编译libtiff依赖，原生不支持tif格式读取
• 数据集中存在损坏的tif文件，或是多页tif格式，不符合PIL默认读取逻辑
• Keras的ImageDataGenerator默认仅适配jpg、png等常见图像格式，对tif格式兼容性差

定位方法 #

1. 单文件验证：运行以下代码测试单张tif能否被PIL正常读取：

from PIL import Image
# 替换为数据集内实际tif文件路径
test_path = "./data/Messidor_Classes/0/img_1.tif"
img = Image.open(test_path)
print(img.size)

如果运行报错，即可确认是Pillow兼容问题或文件本身损坏。
2. 全数据集扫描：遍历所有文件定位损坏/不兼容的tif：

import os
from PIL import Image

test_dir = './data/Messidor_Classes/'
bad_files = []
for root, _, files in os.walk(test_dir):
    for f in files:
        if f.endswith('.tif'):
            fp = os.path.join(root, f)
            try:
                img = Image.open(fp)
                img.verify()
            except Exception:
                bad_files.append(fp)
print(f"无法读取的文件数量：{len(bad_files)}，路径列表：{bad_files}")

修复方案 #

方案1：升级Pillow补全tif依赖 #

先卸载现有Pillow，重新安装带libtiff支持的版本：

# pip环境
pip uninstall -y pillow
pip install --upgrade pillow

# conda环境
conda install libtiff pillow

安装完成后重新运行定位代码验证，大部分兼容问题可直接解决。

方案2：自定义tif数据加载逻辑 #

如果升级Pillow后仍有问题，可使用专门的tif读取库tifffile替换默认加载逻辑：

1. 先安装依赖：

pip install tifffile

2. 自定义数据生成器替换原有ImageDataGenerator：

import tifffile as tiff
from tensorflow.keras.utils import Sequence
import numpy as np

class TifDataGenerator(Sequence):
    def __init__(self, file_paths, batch_size, img_size):
        self.file_paths = file_paths
        self.batch_size = batch_size
        self.img_size = img_size
    
    def __len__(self):
        return int(np.ceil(len(self.file_paths) / self.batch_size))
    
    def __getitem__(self, idx):
        batch_files = self.file_paths[idx*self.batch_size : (idx+1)*self.batch_size]
        batch_imgs = []
        for fp in batch_files:
            img = tiff.imread(fp)
            # 此处可添加resize、归一化等预处理逻辑
            batch_imgs.append(img)
        return np.array(batch_imgs)

修改原有测试代码的循环逻辑，遍历每个类别读取所有tif路径传入自定义生成器即可。

方案3：批量转换图像格式 #

如果不想修改加载逻辑，可提前将所有tif转为png格式：

from PIL import Image
import os
import tifffile as tiff

src_root = './data/Messidor_Classes/'
dst_root = './data/Messidor_Classes_png/'
os.makedirs(dst_root, exist_ok=True)

for cls_id in range(4):
    src_cls_dir = os.path.join(src_root, str(cls_id))
    dst_cls_dir = os.path.join(dst_root, str(cls_id))
    os.makedirs(dst_cls_dir, exist_ok=True)
    for f in os.listdir(src_cls_dir):
        if f.endswith('.tif'):
            src_fp = os.path.join(src_cls_dir, f)
            dst_fp = os.path.join(dst_cls_dir, f.replace('.tif', '.png'))
            img = tiff.imread(src_fp)
            Image.fromarray(img).save(dst_fp)

转换完成后将测试代码中的test_dir替换为新的png数据集路径即可正常使用原有ImageDataGenerator逻辑。

方案4：清理损坏文件 #

如果定位步骤发现仅个别文件损坏，直接删除对应bad_files列表中的文件即可。

内容的提问来源于stack exchange，提问作者arvind okram