El muestreo de imágenes es una técnica fundamental para la compresión de imágenes, que mejora en gran medida la eficiencia del almacenamiento, la transmisión y las aplicaciones de imágenes. Sin embargo, los algoritmos de muestreo existentes principalmente consideran la percepción visual humana y descartan información irrelevante basada en preferencias subjetivas. Desafortunadamente, estos métodos pueden no satisfacer adecuadamente las demandas de las tareas de visión por computadora e incluso pueden llevar a la redundancia debido a las diferentes preferencias entre humanos y computadoras. Para abordar este problema, este documento investiga las características clave de la visión por computadora. Basándonos en nuestros hallazgos, proponemos un método de muestreo de imágenes basado en el componente de color dominante (ISDCC). En este método, utilizamos una imagen en escala de grises para preservar la información estructural esencial para la visión por computadora. Luego, construimos un mapa de características de color conciso basado en el canal dominante de píxeles. Este enfoque proporciona información de color relevante para las tareas de visión por computadora. Realizamos evaluaciones experimentales utilizando conjuntos de datos de referencia bien conocidos. Los resultados demuestran que ISDCC se adapta de manera efectiva a los requisitos de la visión por computadora, reduciendo significativamente la cantidad de datos necesarios. Además, nuestro método tiene un impacto mínimo en el rendimiento de los algoritmos de visión por computadora principales en diversas tareas. En comparación con otros enfoques de muestreo, nuestro método propuesto presenta claras ventajas al lograr resultados superiores con un menor uso de datos.