ZLIB压缩解压后返回不同字节值，3D ndarray解压形状异常如何解决？

问题根因 #

• 压缩环节输入处理错误：若nii_img1_data为原始3D numpy数组，直接对数组切片压缩得到的是numpy数组对象序列化数据而非原始二进制流；且len(nii_img1_data)返回的是数组第一维长度90，并非总元素对应的字节长度，压缩的源数据本身就存在错误。
• 解压环节API调用逻辑错误：你创建了decompressobj对象但未实际使用它执行解压，而是直接调用了全局zlib.decompress方法，后续调用该对象的flush()不仅无效，还会将多余空字节追加到解压结果中，刚好符合你遇到的字节数膨胀8倍的现象。
• 数据类型不匹配风险：解压后你强制用dtype=np.int8解析字节流，若原始数组的实际dtype不是int8（比如为int16、float32等），会直接导致解析出的元素数、数组形状完全不符。
• 压缩解压参数不匹配：如果压缩时创建compressImageObject的wbits参数和解压时的wbits=+15不一致，也会引发解压失败、数据异常。

正确实现代码 #

压缩环节 #

import zlib
import numpy as np

# nii_img1_data为原始3D数组，形状(90,104,72)
# 先将numpy数组转为原始二进制字节流
raw_bytes = nii_img1_data.tobytes()
blockSize = 1024
# 压缩参数和解压保持一致，wbits=+15对应默认zlib格式
compress_obj = zlib.compressobj(wbits=+15)
compressed_data = b''

begin = 0
while begin < len(raw_bytes):
    compressed_data += compress_obj.compress(raw_bytes[begin:begin+blockSize])
    begin += blockSize
compressed_data += compress_obj.flush()

# 写入压缩文件
with open('compressed.dat', 'wb') as f:
    f.write(compressed_data)

# 存储原始数组的元信息，用于后续解压还原，可根据需求选择存储方式
with open('array_meta.txt', 'w') as f:
    f.write(f"{nii_img1_data.shape[0]},{nii_img1_data.shape[1]},{nii_img1_data.shape[2]}\n{str(nii_img1_data.dtype)}")

解压环节 #

import zlib
import numpy as np

blockSize = 1024
# 读取原始数组元信息
with open('array_meta.txt', 'r') as f:
    shape_str, dtype_str = f.read().strip().split('\n')
    original_shape = tuple(map(int, shape_str.split(',')))
    original_dtype = np.dtype(dtype_str)

# 读取压缩文件
with open('compressed.dat', 'rb') as f:
    compressed_data = f.read()

# 用创建的decompressobj对象执行解压
decompress_obj = zlib.decompressobj(wbits=+15)
decompressed_bytes = decompress_obj.decompress(compressed_data)
decompressed_bytes += decompress_obj.flush()

# 还原为原始形状的numpy数组
decompressed_arr = np.frombuffer(decompressed_bytes, dtype=original_dtype)
decompressed_arr = decompressed_arr.reshape(original_shape)

验证方法 #

执行print(np.array_equal(nii_img1_data, decompressed_arr))，返回True即说明解压还原完全正确。

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