随着计算机图像处理技术的不断提高,基于“精准林业”理论的一系列相关研究相继出现,树木图像的分割则为林木农药精确对靶施药、图像的树木可视化重建、树木的生长状态评估等课题研究奠定基础,本文针对彩色树木图像进行分割研究,分割方法主要有：对树木图像进行过绿特征变换、梯度变换、K-mean聚类变换、并以此作为改进的分水岭分割方法的输入图像,然后进行开闭重建运算,提取出图像的目标与背景,使距离变换图像只在基于目标与背景(内外约束)的约束位置上存在极小值区域,最后,通过分水岭变换获得分割结果。对树木图像在RGB颜色空间下,进行K-mean聚类初分割,引入最大熵理论,分别采用二维最大熵和灰度-梯度最大熵对聚类结果进行分割,再结合形态学后处理,将二者的分割结果进行比较分析。将原彩色树木图像转换为灰度图像,建立C-V模型,对树木图像在灰度空间下进行水平集曲线演化运动,将得到的分割结果进行形态学后处理,获得边缘轮廓曲线,从而达到分割树木图像的目的,同时,通过对不同条件下的分割结果进行分析,找出有哪些因素影响着分割效果。将本文的各种分割方法集成到GUI界面实验系统中,提高实验操作方便性。通过实验,比较了上述各种图像分割方法对彩色树木图像的分割结果,并证明了方法对树木图像分割的可行性。