امروزه بیماری چشمیpco (کدورت کپسول خلفی) یکی از عوارض شایع بعد از عمل جراحی آب مروارید است. نرخ وقوع pco و شدت آن به عوامل مختلفی از قبیل نوع و شکل لنز مصنوعی کاشته شده در چشم(iol) ، تکنیک به کار گرفته شده در عمل جراحی آب مروارید و ... وابسته است. از آن جا که تعیین درجه pco، یک عمل نظری است، تعیین میزان تاثیر این عوامل بر روی نرخ وقوع و شدت pco امکان پذیر نمی باشد. بنابراین سیستمی که به طور کاملا خودکار و بدون اعمال نظر شخصی درجه pco را با دقت و قابلیت اطمینان بسیار خوب مشخص نماید بسیار مطلوب است. در این پایان نامه برای اولین بار سیستم کاملا خودکاری به منظور درجه بندی pco ارائه شده است (این سیستم به دو صورت فازی و غیرفازی پیاده سازی شده است). بعد از تهیه تصویر از کپسول خلفی و انجام پیش پردازش های لازم، ناحیه هدف شناسایی می شود. در مرحله بعد، به منظور استخراج ویژگی ها از تبدیل کانتورلت استفاده شده است. مالتی رزولوشن، محلی بودن مکان و فرکانس، نمونه برداری بحرانی، استخراج ویژگی ها در جهات گوناگون و توابع پایه با نسبت ابعاد متفاوت از مهمترین ویژگی های تبدیل کانتورلت به شمار می آیند. تبدیل کانتورلت از یک گروه فیلترینگ جهتی بر روی جزئیات به دست آمده از هرم لاپلاسی تشکیل شده است. به منظور استخراج لبه های نرم منحنی به طور موثر، می توان از تبدیل کانتورلت استفاده نمود. از آنجاکه تصاویر pco دارای لبه های منحنی زیادی هستند، از تبدیل کانتورلت به منظور استخراج ویژگی ها استفاده شده است. در مرحله تعیین درجه pco از دو روش فازی و غیرفازی استفاده شده است. سیستم پیاده سازی شده به وسیله هر دو روش فازی و غیرفازی با سه سیستم درجه بندی معمول دنیا (که روش های نیمه خودکار هستند) و دو روش نظری استاندارد مقایسه شده است. مقایسه نتایج به دست آمده از سیستم طراحی شده، نشان دهنده قابلیت اطمینان بسیار بالای این سیستم است.