3. 病理图像预处理工程
数字病理全切片图像（WSI）在进入细胞检测与分类模型之前，必须经过一套稳定的预处理流水线。原因很直接：不同扫描仪、不同染色批次、不同切片厚度，会让同一类细胞在像素层面呈现完全不同的颜色与纹理；而切片中大量空白玻璃区域、笔迹、气泡、折叠组织，又会给后续检测带来大量无效计算与假阳性。本节围绕五个关键环节展开：去噪、颜色归一化、组织区域分割、背景剔除与伪影处理，并给出可落地的参数与判断依据。
一、去噪：先分清噪声类型，再选滤波器
病理图像常见噪声有三类：传感器热噪声（近似高斯）、低光照下的泊松噪声、以及压缩或扫描产生的椒盐噪声。对细胞核检测而言，最忌讳的是把细小染色质颗粒当成噪声抹掉。因此去噪策略应遵循“保边优先”原则。
工程上常用组合是：先做轻度高斯滤波（σ=0.5～1.0）抑制高频随机噪声，再用非局部均值或双边滤波保边。若图像存在明显椒盐噪声，可先做 3×3 中值滤波。示例参数：对 40× 物镜、0.25 μm/pixel 的 WSI，在 20× 等效分辨率下，双边滤波取空间σ_s=2、颜色σ_r=15～25，可在去除背景颗粒的同时保留核膜边界。判断依据：去噪后细胞核边缘的梯度幅值不应下降超过 15%，否则说明过平滑。
二、颜色归一化：把不同染色拉回同一参考空间
颜色归一化的核心是把 RGB 转换到光密度（OD）空间，再分解为苏木素（H）与伊红（E）两个染色通道。常用方法有 Reinhard 的 Lab 统计匹配、Macenko 的 SVD 染色向量估计、以及 Vahadane 的稀疏非负矩阵分解。工程上推荐 Macenko 或 Vahadane，因为它们显式估计染色向量，对 H&E 比例变化更鲁棒。
实现要点：先对组织区域像素做 OD 变换 OD = -log((I+1)/256)，再取 OD 值前 1%～99% 分位内的像素做 SVD，得到两个主染色方向，最后把源图像投影到参考染色向量上重建。示例：参考图选一张染色均匀、核质对比清晰的切片；归一化后，同一类淋巴细胞在源图与参考图中的 H 通道均值差异应小于 0.05 OD。若差异过大，检查是否混入了背景像素参与统计。
三、组织区域分割：从“整张图”到“有效组织”
WSI 中通常只有 30%～70% 的区域是有效组织，其余是白色玻璃背景。组织分割的目标是生成二值掩膜，把后续计算限制在组织内。最常用的方法是 Otsu 阈值法：将图像转为灰度或饱和度通道，计算类间方差最大的阈值，得到前景掩膜。对 H&E 图像，饱和度通道通常比灰度更稳定，因为组织区域饱和度高、背景饱和度低。
实操中建议在低倍缩略图（如 1/16 或 1/32 分辨率）上做分割，再映射回原始坐标。示例：对 100000×80000 像素的 WSI，在 1/32 缩略图上做 Otsu，得到掩膜后做形态学闭运算（核 15×15）填补小孔，再做开运算（核 5×5）去除孤立噪点。判断依据：组织覆盖率若低于 20%，检查是否阈值过高；若高于 90%，检查是否把玻璃反光误判为组织。
四、背景剔除：掩膜裁剪与坐标保持
背景剔除不是简单地把白色区域涂黑，而是生成有效组织掩膜，并在后续 patch 采样时只从掩膜内取块。工程上通常把 WSI 切分为固定大小的 patch（如 256×256 或 512×512），只保留掩膜覆盖率大于阈值（如 50%）的 patch。这样既减少计算量，又避免模型学习到大量空白背景。
注意：剔除后必须保留 patch 在原 WSI 中的坐标，否则检测结果无法映射回全片。建议在掩膜生成阶段就记录每个 patch 的 (x, y, level) 三元组，并写入索引文件。
五、伪影处理：笔迹、气泡、折叠与灰尘
伪影是病理图像中常见的干扰源。笔迹通常呈深蓝或黑色，在 H 通道中表现为异常高 OD；气泡呈圆形亮斑，边缘有强梯度；折叠组织表现为局部纹理突变和颜色加深；灰尘则表现为孤立小暗点。处理策略分两步：先检测，再掩膜。
检测方法：对笔迹，可在 H 通道上做阈值分割，结合形态学长条结构判断；对气泡，可用 Hough 圆检测或局部方差分析；对折叠，可用局部对比度与梯度方向一致性检测；对灰尘，可用连通域面积与圆形度过滤。示例参数：笔迹检测阈值取 H 通道 OD > 1.2 且连通域长宽比 > 3；气泡检测半径范围 20～200 像素；灰尘面积 < 50 像素且圆形度 > 0.8。
检测到伪影后，生成伪影掩膜，与组织掩膜做差集，得到最终有效区域。若伪影面积占比超过 5%，建议人工复核或重新扫描，因为大面积伪影会显著影响细胞检测的召回率。
总结来说，预处理的目标不是“让图像变好看”，而是让后续细胞检测与分类模型在跨扫描仪、跨染色批次时保持稳定。去噪保边、归一化拉齐颜色、组织分割限定范围、背景剔除减少无效计算、伪影处理排除干扰，这五个环节共同构成一条可复现、可验证的工程流水线。每一步都应有明确的输入、参数、输出与判断依据，才能在实际项目中稳定落地。