Este estudio presenta un algoritmo novedoso para mejorar la segmentación de imágenes basada en objetos para aplicaciones de aprendizaje automático. El algoritmo logra una delineación precisa de objetos al integrar operaciones de convolución, técnicas de cuantización y ajustes polinómicos, y genera metadatos ricos. Esta metodología mejora la precisión de extracción de características y asegura una representación consistente de los objetos en diversas condiciones. Los resultados empíricos demuestran avances sustanciales en la identificación y clasificación de objetos, particularmente en escenarios complejos. En comparación con los métodos tradicionales, el algoritmo propuesto ofrece una eficiencia computacional superior. Esta investigación proporciona un pipeline de preprocesamiento escalable y efectivo que mejora significativamente el rendimiento de los modelos de aprendizaje automático. Los esfuerzos futuros se centrarán en optimizar parámetros dinámicos y extender la aplicación del algoritmo a conjuntos de datos más amplios.