Introducimos un algoritmo de agrupamiento de optimización de múltiples características para la segmentación de imágenes en color. El patrón binario local, la media de la diferencia min-máx y los componentes de color se combinan como vectores de características para describir el cambio de magnitud del valor gris y la información contrastiva de píxeles vecinos. En la etapa de agrupamiento, se obtiene el centro de agrupamiento inicial y se evita caer en la optimización local añadiendo un operador de mutación de algoritmo genético a la optimización por enjambre de partículas. En comparación con métodos conocidos, el método propuesto tiene un rendimiento de segmentación global mejor y puede segmentar la imagen de manera más precisa al evaluar la proporción de clasificaciones erróneas.