用途：Histolab 是处理数字病理全切片图像（WSI）的 Python 库，用于组织检测、从超大图像中提取图块，并为深度学习准备数据集。适合轻量级 WSI 图块流程：组织检测、构建 ML 训练图块数据集、H&E 染色处理及快速图块分析。若需端到端计算病理、细胞核分割、多重成像或空间转录组，应改用其他工具。
安装：histolab 0.7.0 需 Python >= 3.8 且 < 3.12、numpy 1.x，建议独立环境： uv venv --python 3.11 .venv-histolab uv pip install --python .venv-histolab "histolab==0.7.0" openslide-bin 注意 0.7.0 固定 numpy <= 1.24.4、scipy < 1.10.1、scikit-image < 0.19.4、openslide-python 1.3.1，无法与 numpy 2.x / Python 3.12+ 项目共用环境。OpenSlide 是 C 库，不随 wheel 打包，可用 openslide-bin 预编译二进制，或 macOS 上 brew install openslide、Debian/Ubuntu 上 apt install libopenslide0，否则导入会报错。
核心流程：用 Slide(path, processed_path=...) 加载切片并查看尺寸/层级；用 TissueMask 或 BiggestTissueBoxMask 检测组织；先用 tiler.locate_tiles(slide) 预览图块位置；再用 Random/Grid/Score 三种 tiler 之一提取。示例： from histolab.slide import Slide from histolab.tiler import RandomTiler slide = Slide("slide.svs", processed_path="output/") tiler = RandomTiler(tile_size=(512, 512), n_tiles=100, level=0, seed=42) tiler.locate_tiles(slide) tiler.extract(slide) 注意 0.7.0 中 n_tiles、seed、level、tile_size、check_tissue、tissue_percent 是构造参数，locate_tiles()/extract() 只接受 slide、可选 extraction_mask 及日志/样式参数。
主要能力：切片管理（加载 SVS、TIFF、NDPI 等，读取元数据、生成缩略图、处理金字塔层级）；组织检测与掩膜（TissueMask 全部组织、BiggestTissueBoxMask 最大区域包围盒为默认、BinaryMask 自定义）；图块提取（RandomTiler 随机采样、GridTiler 系统网格、ScoreTiler 按评分选优，评分器如 NucleiScorer、CellularityScorer）；过滤器与预处理（RgbToGrayscale、OtsuThreshold、形态学过滤等，可用 Compose 串联）；可视化（缩略图、掩膜叠加、图块位置预览、马赛克、评分分布）。
限制：版本较旧且依赖固定，需独立环境；OpenSlide 需单独安装；API 与旧版本不同；资料未提供收费、价格或平台信息。