En los últimos años, el diagnóstico de cáncer de piel ha sido ayudado por los algoritmos de aprendizaje automático más sofisticados y avanzados, implementados principalmente en el dominio espacial. En este trabajo de investigación, nos concentramos en dos fases cruciales de un sistema de diagnóstico asistido por computadora: (i) mejora de imágenes a través de algoritmos de filtrado mediano mejorados basados en el método de rango, método relacional difuso y coeficiente de similitud, y (ii) descomposición en wavelet utilizando DB4, Symlet, RBIO, y extrayendo siete características de entropía únicas y ocho características estadísticas de la imagen segmentada. Las características extraídas fueron luego normalizadas y proporcionadas para la clasificación basada en algoritmos de aprendizaje supervisado y profundo. El sistema propuesto está compuesto por algoritmos de filtrado mejorados, segmentación normalizada de Otsu y entropía basada en wavelet. La extracción de características estadísticas llevó a una precisión de clasificación del 93.6%, un 0.71% más alta que la clasificación basada en el dominio espacial. Con una mejor precisión de clasificación, el sistema propuesto ayudará a los clínicos y especialistas en dermatología a identificar el cáncer de piel en sus etapas tempranas.