植物的叶子和花瓣组织，对研究植物的生长发育，以及植物的健康状况具有重要的意义。而通常情况下使用图像采集技术可以非常方便而且可以更加直观的获取整株植物的图像信息或者获取部分植物的图像信息，然而仅仅获取了图像还不够，还需要对植物图像中的信息进行图像分割，有效并精确的获得植物图像的叶子、花瓣信息，排除无关信息的干扰，进而为分析植物的生长发育以及健康状况奠定良好的基础，在获得叶子、花瓣信息的时候，最有效的方法便是图像分割方法。到目前为止，已经有很多算法可以实现图像分割要求，并且不同的算法都可以在某些方面表现出与其它算法的优势。归一化图像分割（Normalized cut,NCut）算法，是通过采用一副带权无向图表示图像方法，将图像中的每个像素都当作是带权无向图中的一个点，并采用基于图论的分割准则来对图像进行分割。NCut方法与其他图像分割方法相比，具有很明显的优势--充分利用图像的灰度值，梯度信息，几何形状，纹理信息等低阶和高阶信息，而且这些信息有效的结合在一起，相互补充。所以NCut算法得到许多研究单位的青睐，受到各种研究者的关注。本文将NCut方法应用到植物图像分割领域，并与其它方法进行比较，分析该算法的优势。本文主要研究内容如下：1.首先对植物图像的预处理进行了研究，主要是根据植物树叶和花瓣的特点分别使用三个方法进行图像的处理，第一种方法是灰度化处理，第二种方法是图像滤波处理，第三种方法是图像增强处理，针对这三种方法分别进行相关研究，并且使用植物图像进行相关的实验，进行不同方法对比。2.使用基于区域的水平集方法的植物单片树叶和花瓣分割研究。首先分析几种传统的分割方法，然后提出基于活动轮廓模型的方法，并且具体到水平集方法分割，研究了这种水平集方法的算法模型，并且进行树叶和花瓣的图像分割实验，进行参数和算法的鲁棒性测试，并且进行算法的对比，算法存在的问题分析，并且提出不同颜色空间中的使用该种方法分割的特点。3.详细介绍了NCut算法的流程和原理等，然后针对树叶，花瓣图像进行算法的验证，结果表明Ncut可以从有多花瓣和多树叶的图像中获取一朵花瓣，或者一片树叶，并且和前面的分割方法进行对比试验。