از آنجا که فرآیند تشخیص بصری در تشخیص بیماری ها وقت گیر و دشوار است و باعث اختلاف نظر در بین میکروکوپیست ها می شود، تشخیص خودکار بیماری ها در کاهش وقت و نیروی انسانی و نیز خطاهای موجود می تواند کمک شایانی باشد. در راستای رسیدن به این هدف و به منظور تشخیص مالاریا به عنوان یکی از مهم ترین بیماری های انگلی، این پروژه بر آن است که مبتنی بر علم پردازش تصویر و بینایی ماشین سیستمی برای تشخیص بیماری مالاریا و شناسایی انگل مالاریا و مراحل زندگی یکی از انواع این انگل در تصویر رنگ آمیزی شده خون بدست آورد. در این تحقیق 400 تصویر لام خونی آلوده به انگل مالاریا که قبلاً وجود انگل در آنها تأیید شده بود مورد استفاده قرار گرفت و از نرم افزار matlab جهت شبیه سازی استفاده شد. نخست ماسک گلبول قرمز از سایر عناصر رنگی خون نظیر انگل، گلبول سفید، و پلاکت جدا شد. در مرحله بعد ماسک گلبول قرمز بر عناصر رنگی استخراج شده تطبیق داده شد تا فقط گلبول های قرمز جهت بررسی های بعدی مورد استفاده قرار گیرند. در ادامه ویژگی های هیستوگرام رنگ،گرانولومتری، بافت، هیستوگرام کانال اشباع و گرادیان استخراج شدند و برای تفکیک تصاویر انگلی از تصاویر غیر انگلی از طبقه بندهای مختلف و ترکیب آن ها استفاده شد. در این مرحله با استفاده از الگوریتم آدابوست و بر پایه ی طبقه بند درخت تصمیم گیری به دقت 5/95 درصد رسیدیم که نسبت به کارهای پیشین بهبود خوبی داشته ایم. در ادامه به شناسایی مراحل زندگی گونه فراوان انگل مالاریا در ایران یعنی پلاسمودیوم ویواکس پرداختیم. روش کار همانند تشخیص انگل است با این تفاوت که ویژگی های این قسمت اندکی متفاوت است. در این مرحله با ترکیب طبقه بندهای qdو فیشر از قانون حاصل ضرب به دقت 98/33% رسیدیم که نسبت به کارهای گذشته بسیار بهبود داشت.