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：
- 切片管理：通过 Slide 类加载 SVS、TIFF、NDPI 等格式，读取尺寸、放大倍数等元数据，生成缩略图，处理金字塔层级，按坐标提取区域。
- 组织检测与掩膜：TissueMask 分割全部组织区域，BiggestTissueBoxMask 返回最大组织区域边界框（多数提取器默认），BinaryMask 支持自定义掩膜，可排除背景、伪影与笔迹标注。
- 图块提取：RandomTiler 随机抽取固定数量图块（适合采样与训练数据），GridTiler 按网格系统覆盖组织（适合完整覆盖与空间分析），ScoreTiler 依据评分函数选取高信息量图块（如 NucleiScorer、CellularityScorer）。通用参数包括 tile_size、level、check_tissue、tissue_percent、extraction_mask。
- 过滤器与预处理：提供颜色空间转换、阈值化、对比度增强等图像过滤器，以及膨胀、腐蚀、开闭运算、去除小对象/小孔等形态学过滤器，可用 Compose 组合成流水线。
- 可视化：显示缩略图、掩膜、图块位置预览，评估图块质量，导出图表与报告。
使用方式：安装命令为 uv pip install histolab。基本流程为加载 Slide、配置 tiler、用 locate_tiles() 预览位置、再调用 extract() 提取；ScoreTiler 可输出 CSV 报告。
适用场景：深度学习训练数据准备、全切片分析、组织特征描述、质量评估与数据集整理。
限制：资料未提供具体收费、价格、平台支持范围与效果指标；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。