用途：Histolab 面向数字病理全切片图像（WSI）处理，支持组织检测、图块提取与深度学习数据集准备，适用于 H&E、IHC 等组织病理切片。
主要能力：
- 切片管理：加载 SVS、TIFF、NDPI 等格式，读取尺寸、放大倍率、金字塔层级等元数据，生成缩略图，提供前列腺、卵巢、乳腺、心脏、肾脏等内置样本数据集。
- 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，并可排除背景、伪影与笔迹标注。
- 图块提取：RandomTiler 随机采样固定数量图块（可设 seed 复现）；GridTiler 按网格系统化覆盖组织；ScoreTiler 依据 NucleiScorer、CellularityScorer 或自定义评分选取最优图块。通用参数包括 tile_size、level、check_tissue、tissue_percent（默认 80%）、extraction_mask。
- 过滤器与预处理：提供色彩空间转换、阈值化、对比度增强及形态学操作（膨胀、腐蚀、开闭、移除小对象/小孔），可用 Compose 串联成流水线，用于组织检测、去笔迹、细胞核增强等。
- 可视化：展示缩略图、掩膜、图块位置与提取质量，导出图表与 PDF 报告，支持 Jupyter 交互。
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；建议提取前先预览并保存缩略图。
适用场景：深度学习训练数据构建、全切片分析、组织表征、质量评估与数据集整理。
限制：资料未提供收费、平台、效果等额外信息；提取结果受切片质量、染色差异与阈值设置影响，需人工校验。