Los algoritmos clásicos de detección de bordes a menudo tienen dificultades para procesar conjuntos de datos de imágenes grandes y de alta resolución de manera eficiente. El procesamiento de imágenes cuánticas ofrece una alternativa prometedora, pero las implementaciones actuales enfrentan desafíos significativos, como la adquisición de datos que consume mucho tiempo, requisitos complejos de dispositivos y capacidades limitadas de procesamiento en tiempo real. Este trabajo presenta una nueva representación cuántica basada en transformaciones emparejadas para un procesamiento de imágenes eficiente. Esta representación permite la paralelización de operaciones de convolución, simplifica los cálculos de gradientes y facilita el procesamiento de señales unidimensionales y bidimensionales. Demostramos que nuestro enfoque logra una velocidad de procesamiento mejorada en comparación con los métodos clásicos, manteniendo una precisión comparable. La implementación exitosa de imágenes del mundo real destaca el potencial de esta investigación para el procesamiento de imágenes cuánticas a gran escala, optimizaciones específicas de arquitectura y aplicaciones más allá de la detección de bordes.