1. WSI基础与格式解析

全切片图像（Whole Slide Image，WSI）是病理数字化工作流的起点。它并不是一张“超大照片”，而是由扫描仪在显微镜光路上逐行采集、再拼接压缩得到的多分辨率图像集合。理解它的成像原理、文件格式与金字塔结构，是后续分割、定量分析能否正确读取像素、坐标和物理尺度的前提。

一、WSI是怎么来的：从玻片到像素

数字切片扫描仪的核心是“光学显微 + 线阵/面阵相机 + 精密位移平台”。以常见的20×物镜扫描为例，其光学分辨率约为0.25 μm/pixel，即一个像素对应0.25微米组织。扫描时，平台按固定步进移动玻片，相机逐条带（strip）或逐视野（tile）曝光，系统记录每个视野的位置，再通过图像配准与拼接消除重叠区，形成一张覆盖整张玻片的“全分辨率”图像。由于单张全分辨率图可达数万×数万像素（例如40×下约100000×80000像素，未压缩约24 GB），必须做分块压缩与多级降采样，于是产生了金字塔层级。

这里有一个关键约定：WSI中的坐标通常以“层级0（level 0）”为基准，即最高分辨率层。其他层级都是level 0按2的幂次降采样得到。例如level 1是level 0的1/2，level 2是1/4，依此类推。OpenSlide等库读取时，返回的坐标默认是level 0坐标，这一点在后续做分割掩膜映射时必须牢记。

二、常见格式：SVS、NDPI、MRXS等

不同厂商的扫描仪输出不同容器格式，但底层大多遵循“金字塔 + 瓦片（tile）+ 元数据”的结构。常见格式对比如下：

格式差异主要体现在：瓦片尺寸（如256×256或512×512）、压缩方式（JPEG/JPEG2000/WebP）、金字塔层数、是否内嵌缩略图（thumbnail）与标签图（label/macro）。实际项目中，若只处理SVS，可直接用OpenSlide；若涉及MRXS，必须保证整个文件夹完整。

三、金字塔层级与瓦片结构

金字塔的本质是“同一张切片的多级缓存”。以一张SVS为例，常见层级为：level 0（20×，0.25 μm/pixel）、level 1（10×，0.5 μm/pixel）、level 2（5×，1.0 μm/pixel）、level 3（2.5×，2.0 μm/pixel），以及一张缩略图。每一层内部再按瓦片切分，读取时按需加载，避免一次性载入整图。

下面这张SVG展示了WSI的金字塔层级、瓦片切分与元数据读取路径的关系，帮助建立“层级—坐标—物理尺度”的整体印象。

四、元数据读取与OpenSlide实战

OpenSlide是读取WSI最常用的开源库，支持SVS、NDPI、MRXS、SCN等格式。安装后，核心操作只有几步：打开文件、读取元数据、按层级读取区域、关闭文件。下面给出一个可直接运行的Python示例，用于读取一张SVS并输出关键元数据。

import openslide

slide = openslide.OpenSlide("sample.svs")

# 1. 金字塔层数
print("level_count:", slide.level_count)

# 2. 每层尺寸与降采样因子
for i in range(slide.level_count):
    dims = slide.level_dimensions[i]
    ds = slide.level_downsamples[i]
    print(f"level {i}: size={dims}, downsample={ds:.2f}")

# 3. 关键元数据
props = slide.properties
print("mpp-x:", props.get("openslide.mpp-x"))
print("mpp-y:", props.get("openslide.mpp-y"))
print("objective-power:", props.get("openslide.objective-power"))
print("vendor:", props.get("openslide.vendor"))

# 4. 读取Level 2的一块区域（坐标以Level 0为基准）
region = slide.read_region((4000, 3200), 2, (512, 512))
region = region.convert("RGB")
region.save("level2_region.png")

# 5. 读取缩略图
thumb = slide.get_thumbnail((1024, 1024))
thumb.save("thumbnail.png")

slide.close()

运行后，典型输出可能如下（示例数据，实际以文件为准）：

level_count: 4
level 0: size=(100352, 79872), downsample=1.00
level 1: size=(50176, 39936), downsample=2.00
level 2: size=(25088, 19968), downsample=4.00
level 3: size=(6272, 4992), downsample=16.00
mpp-x: 0.25
mpp-y: 0.25
objective-power: 20
vendor: aperio

这里有两个容易踩坑的点。第一，read_region的坐标参数是Level 0坐标，而不是目标层级的坐标；第二个参数才是层级。第二，level_dimensions返回的是该层级的宽高，若直接用该层坐标去读，会得到错误区域。正确做法是：先确定目标层级，再把Level 0坐标传入，由OpenSlide内部完成换算。

最后强调一个贯穿本课程的原则：WSI的所有分析都建立在“层级—坐标—物理尺度”三者一致的基础上。分割模型在Level 2上推理，掩膜要映射回Level 0；定量结果若以微米为单位，必须用mpp换算；可视化时若用缩略图，要按比例还原。把这一章的金字塔结构和元数据读取掌握牢固，后续的像素级分割与定量分析才不会在坐标和尺度上出错。