La segmentación es la primera y más importante parte en el desarrollo de cualquier sistema de visión artificial con objetivos específicos. La segmentación es especialmente importante cuando el sistema de visión artificial trabaja bajo condiciones ambientales, lo que significa bajo luz natural con fondos naturales. En este caso, la segmentación enfrentará muchos desafíos, incluida la presencia de varios objetos naturales y artificiales en el fondo y la falta de uniformidad de la intensidad lumínica en diferentes partes del campo de visión de la cámara. Sin embargo, hoy en día, debemos utilizar diferentes sistemas de visión artificial para uso en exteriores. Por esta razón, en este estudio se propuso un algoritmo de segmentación para su uso en condiciones ambientales sin necesidad de control de luz y la creación de un fondo artificial utilizando procesamiento de video con énfasis en el reconocimiento de frutas de manzana en los árboles. Por lo tanto, se estudió un video con una duración de más de 12 minutos que contiene más de 22,000 cuadros bajo condiciones de luz y fondo naturales. En general, en el algoritmo de segmentación propuesto se utilizaron cinco pasos de segmentación. Estos pasos incluyen: 1. Utilizar un modelo de color adecuado; 2. Utilizar la característica de textura apropiada; 3. Utilizar el método de transformación de intensidad; 4. Utilizar operadores morfológicos; y 5. Utilizar diferentes umbrales de color. Los resultados mostraron que el algoritmo de segmentación tuvo un porcentaje total de detección correcta del 99.013%. La sensibilidad y especificidad más altas del algoritmo de segmentación fueron del 99.224 y 99.458%, respectivamente. Finalmente, los resultados mostraron que la velocidad del procesador fue de aproximadamente 0.825 segundos para la segmentación de un cuadro.