本文以图像处理为研究基础，针对农作物病害自动分类和危害程度自动分级方法进行了研究。对彩色图像的颜色模型及其转换方法、图像预处理方法、图像分割方法、图像特征提取技术、病害类型的自动分类和识别、农作物病害危害程度自动分级的实现方法进行了系统研究。 针对实际图像噪声类型的复杂性，深入研究了图像预处理中的图像去噪问题，针对不同种类的图像噪声，采用的均值滤波、中值滤波、小波分解和重构等方法，完成了图像噪声的抑制。 针对彩色图像的色彩模型-的不同特点和图像分割的需要，采用的两种不同彩色模型相结合的方法，提出了使用R-H特征进行图像分割的方法。利用图像的颜色特征，有效地完成了图像叶片目标的提取。讨论了图像分割的阈值选取问题，根据农作物叶片图像的复杂性特点，采用手动选取阈值的方法完成了图像分割。并利用数学形态学的基本运算，实现了图像分割的后处理工作。 深入研究了农作物病害图像的特征提取工作，分别从形状特征、颜色特征和纹理特征三个方面对测试图像进行了实验，并尝试使用分形特征用于病害分类和分级，取得了较好的效果。 针对农作物病害危害程度自动分级问题具有复杂性和借助专家意见的特点，采用了神经元网络方法，选取了病斑面积、叶片颜色、分形维数三类特征，设计了三输入五输出的BP神经网络，完成了病害危害程度自动分级系统的实现。 利用MATLAB工具，开发了GUI界面，编写了相关处理函数，实现了系统功能的仿真。