利用图像分割测试cell.tif图像中的微小结构：先调用imcomplement（）对图像进行处理，再调用graythresh（）函数获取图像阈值，用im2bw( )函数对图像分割；选用大小为6的圆盘结构元素，对分割图像先闭运算结果图B1、再开运算结果图B2，通过B1&B2得到检测结果图。显示原图、分割图像、删除微小结构后图像B2、检测结果的图像(B1&B2)。

好的，我来为你演示一下如何利用图像分割测试 cell.tif 图像中的微小结构。你可以使用 Python 的 OpenCV 库来实现。

首先，我们需要导入图像并进行预处理，包括对图像进行反转（即调用 `imcomplement()` 函数）、获取阈值、对图像进行二值化等操作：

import cv2

# 导入图像并进行预处理
img = cv2.imread('cell.tif')
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = cv2.bitwise_not(img)
thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

接下来，我们可以使用一个大小为 6 的圆盘结构元素对分割图像进行闭运算（即调用 `cv2.morphologyEx()` 函数，使用 `cv2.MORPH_CLOSE` 参数），再进行开运算（即使用 `cv2.MORPH_OPEN` 参数）：

# 对分割图像进行闭运算和开运算
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (6, 6))
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
opened = cv2.morphologyEx(closed, cv2.MORPH_OPEN, kernel)

最后，我们可以将闭运算和开运算的结果进行交集运算，得到检测结果：

# 对闭运算和开运算的结果进行交集运算，得到检测结果
result = cv2.bitwise_and(closed, opened)

# 显示原图、分割图像、删除微小结构后图像B2、检测结果的图像(B1&B2)
cv2.imshow('original', img)
cv2.imshow('thresholded', thresh)
cv2.imshow('B2', opened)
cv2.imshow('B1&B2', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

你可以根据需要调整结构元素的大小以及阈值等参数，以获得最佳的分割效果。

希望这个例子对你有帮助！