用途：Histolab 是面向数字病理全切片图像（WSI）的 Python 处理库，用于自动化组织检测、从超大图像中提取信息性图块，并为深度学习流程准备数据集。
主要能力：支持加载与检查多种 WSI 格式（如 SVS、TIFF、NDPI），读取尺寸、放大倍率等元数据，生成缩略图，处理金字塔层级结构。提供组织掩膜（TissueMask、BiggestTissueBoxMask、BinaryMask）用于分割组织、排除背景与伪影。提供三种图块提取策略：RandomTiler（随机采样）、GridTiler（网格全覆盖）、ScoreTiler（基于 NucleiScorer、CellularityScorer 等评分函数选取高信息量图块）。还包含图像与形态学滤镜（如 RgbToGrayscale、OtsuThreshold、BinaryDilation、RemoveSmallObjects）及 Compose 滤镜管线，并支持可视化缩略图、掩膜与图块位置。
使用方式：安装命令为 uv pip install histolab。基本流程为：用 Slide 加载切片并设置 processed_path，配置 tiler（如 tile_size、n_tiles、level、seed、check_tissue、tissue_percent），先用 locate_tiles() 预览图块位置，再调用 extract() 提取；可传入 extraction_mask 限定区域，ScoreTiler 可输出 CSV 报告。
适用场景：为深度学习模型构建训练数据集、全切片分析、组织特征描述、质量评估与数据集整理。
限制：资料未提供收费、价格、平台支持范围与效果指标等信息；实际使用需注意组织百分比阈值、金字塔层级选择与伪影处理等参数调优。