Este documento presenta el método de Contorneado de Histograma de Color (CHC), un nuevo enfoque sin entrenamiento para la detección de objetos que enfatiza las características distintivas en los componentes de cromaticidad. Al construir un vector de características rico en cromaticidad con un tamaño de bin de 1, el método CHC propuesto explota la información precisa en las características de cromaticidad sin aumentar los tamaños de bin, lo que puede llevar a detecciones falsas. Este vector de características demuestra invarianza a los cambios de iluminación y está diseñado para imitar los ejes de color opuestos utilizados por el sistema visual humano. El algoritmo CHC propuesto itera sobre los bins de histograma no nulos de características de color únicas en el modelo, creando un vector de características para cada uno, y enfatiza aquellos que coinciden tanto en los histogramas de la escena como del modelo. Cuando tanto los histogramas del modelo como de la escena para estas características únicas se alinean, se asegura la presencia del modelo en la imagen de la escena. Experimentos extensos en varios escenarios muestran que la técnica CHC propuesta supera al método de Swain y Ballard sin entrenamiento y al algoritmo de Viola y Jones. Además, un experimento comparativo con la técnica de "You Only Look Once" (YOLO) de última generación revela que la técnica CHC propuesta supera a YOLO en escenarios con datos de entrenamiento limitados, destacando un avance significativo en la detección de objetos sin entrenamiento. Este enfoque ofrece una valiosa adición a la visión por computadora, proporcionando una solución efectiva sin entrenamiento para la localización y el mapeo de robots autónomos en tiempo real en entornos desconocidos.