La segmentación precisa de leucocitos sigue siendo un desafío en el análisis hematológico automatizado debido a la variabilidad de tinción, las condiciones de imagen heterogéneas y la diversidad morfológica en los conjuntos de datos citológicos, lo que limita severamente la generalización de los modelos de aprendizaje profundo. Este trabajo propone un marco de doble módulo diseñado para lograr una segmentación de leucocitos invariante a la tinción y robusta. El primer módulo realiza una estandarización explícita de la tinción al combinar un codificador basado en VGG, un cuello de botella de transformador y un decodificador convolucional para armonizar diversas entradas hacia una apariencia de referencia de Wright-Giemsa. El segundo módulo introduce una arquitectura de segmentación de múltiples codificadores que integra representaciones espaciales complementarias, específicas de leucocitos y centradas en el núcleo extraídas de múltiples espacios de color. El marco se evalúa en seis conjuntos de datos públicos y clínicos que cubren múltiples protocolos de tinción, aumentos y escenarios de imagen. Los resultados experimentales demuestran un rendimiento consistentemente alto, con coeficientes de Dice que superan el 96% en la mayoría de los conjuntos de datos y mejoras sistemáticas sobre los métodos de última generación. Amplios estudios de ablación confirman las contribuciones sinérgicas de la estandarización de la tinción y la fusión de múltiples codificadores a la robustez del modelo y la generalización entre conjuntos de datos. Este marco supera la variabilidad de la tinción y el cambio de dominio, ofreciendo una herramienta práctica para el análisis automatizado de leucocitos en entornos clínicos.