通过matlab实现以血液样本显微图像中细胞的自动计数为目标，通过图像处理和分析技术，识别出血液中的细胞，并自动检测出test1和test2中细胞的个数及各个细胞的面积。

这个问题涉及到比较复杂的图像处理和分析技术，需要涉及到以下步骤：

1. 图像预处理：包括图像去噪、增强、二值化等操作，以便更好地识别出细胞的轮廓。

2. 细胞轮廓识别：可以采用基于边缘检测的算法，如Canny算法、Sobel算法等，来检测出细胞的边缘轮廓。或者采用形态学处理算法，如膨胀、腐蚀等操作，来提取出细胞的轮廓。

3. 细胞分割：通过细胞轮廓识别得到细胞的二值图像后，可以采用连通区域分析算法，将细胞分割成不同的区域。

4. 细胞计数和面积测量：通过分割得到的细胞区域，可以采用形态学处理算法，如开运算、闭运算等操作，去除噪声和不规则区域，然后统计细胞数量和测量各个细胞的面积。

在Matlab中，可以使用Image Processing Toolbox中的函数来实现以上步骤，具体实现方法可以参考以下代码：

% 读取血液样本显微图像
img = imread('blood_sample.png');

% 图像预处理
img = im2double(img);
img = imadjust(img,[0.5,1],[]); % 增强对比度
img = medfilt2(img,[3,3]); % 中值滤波
bw = imbinarize(img,graythresh(img)); % 二值化

% 细胞轮廓识别
edgeImg = edge(bw,'Canny',[0.01,0.1],2); % Canny边缘检测
se = strel('disk',1);
edgeImg = imdilate(edgeImg,se); % 膨胀操作

% 细胞分割
cc = bwconncomp(edgeImg);
label = labelmatrix(cc);
rgb = label2rgb(label,'spring','c','shuffle');
se = strel('disk',2);
bw2 = imopen(rgb2gray(rgb),se); % 开运算
bw3 = imclose(bw2,se); % 闭运算
cc2 = bwconncomp(bw3);

% 细胞计数和面积测量
cellNum = cc2.NumObjects;
cellArea = cellfun(@numel,cc2.PixelIdxList);

% 显示分割结果和统计信息
figure;
subplot(1,2,1);imshow(img);title('原始图像');
subplot(1,2,2);imshow(bw3);title(['细胞数目：',num2str(cellNum),'，平均面积：',num2str(mean(cellArea))]);

当然，以上代码仅供参考，实际应用中还需要根据具体情况进行调整和优化。