用途：Histolab 是用于处理数字病理全切片图像（WSI）的 Python 库，可自动完成组织检测、从超大图像中提取信息小图块，并为深度学习流程准备数据集，适用于组织病理切片及 H&E、IHC 染色等场景。
主要能力：一是切片管理，加载 SVS、TIFF、NDPI 等格式的 WSI，读取尺寸、倍率、层级等元数据，生成缩略图，按坐标提取区域，核心类为 Slide。二是组织检测与掩膜，提供 TissueMask、BiggestTissueBoxMask、BinaryMask 等生成二值组织掩膜，排除背景、伪影和笔迹标注。三是图块提取，提供 RandomTiler（随机固定数量）、GridTiler（网格全覆盖）、ScoreTiler（按评分选最优）三种策略，常用参数包括 tile_size、level、check_tissue、tissue_percent、extraction_mask。四是过滤器与预处理，可在 Compose 中串联颜色空间转换、阈值、形态学等过滤器构建检测管线。五是可视化，支持缩略图、掩膜与图块位置预览及提取质量评估。
使用方式：安装命令为 uv pip install histolab。基本流程为加载切片、配置提取器、用 locate_tiles 预览位置、再执行 extract 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, n_tiles=20); tiler.extract(slide)。
适用场景：深度学习训练数据集构建、全切片分析、组织特征刻画、质量评估与数据集整理。
限制：本资料未提供收费、平台兼容性或性能基准等信息；实际使用需依据具体切片与染色类型调整参数。