La segmentación de los vasos retinianos desempeña un papel crucial en la detección de muchas enfermedades oculares, y su implementación computarizada confiable se está volviendo esencial para los sistemas automatizados de detección de enfermedades retinianas. Un gran número de algoritmos de segmentación de vasos retinianos están disponibles, pero estos métodos mejoran los niveles de precisión. Su sensibilidad sigue siendo baja debido a la falta de una segmentación adecuada de vasos de bajo contraste, y este bajo contraste requiere más atención en este proceso de segmentación. En este documento, hemos propuesto nuevos pasos de preprocesamiento para la extracción precisa de los vasos sanguíneos retinianos. Estos pasos de preprocesamiento propuestos también se han probado en otros algoritmos existentes para observar su impacto. Hay dos pasos en nuestro módulo sugerido para segmentar los vasos sanguíneos retinianos. El primer paso implica implementar y validar el módulo de preprocesamiento. El segundo paso aplica estos pasos de preprocesamiento a nuestras etapas de binarización propuestas para extraer los vasos sanguíneos retinianos. La fase de preprocesamiento propuesta utiliza el método tradicional de procesamiento de imágenes para proporcionar una imagen de vaso segmentada mucho mejorada. Nuestros pasos de binarización contenían la técnica de coherencia de imagen para los vasos sanguíneos retinianos. El método propuesto tiene un buen rendimiento en una base de datos accesible al público llamada DRIVE y STARE. La novedad de este método propuesto es que es un método no supervisado y ofrece una precisión de alrededor del 96% y una sensibilidad del 81% superando a los enfoques existentes. Debido a las nuevas tácticas en cada paso del proceso propuesto, esta aplicación de segmentación de vasos sanguíneos es adecuada para el análisis computarizado de imágenes retinianas, como la detección automatizada para el diagnóstico temprano de enfermedades oculares.