Se han propuesto muchos descriptores diferentes para medir la convexidad de formas digitales. La mayoría de estos se basan en la definición de convexidad continua y presentan tanto ventajas como inconvenientes cuando se aplican en el dominio digital. En contraste, dentro del campo de la Tomografía Discreta, se ha introducido un tipo especial de convexidad llamado convexidad de cuadrante. Esta forma de convexidad surge naturalmente de la representación basada en píxeles de formas digitales y demuestra propiedades favorables para la reconstrucción a partir de proyecciones. En este artículo, presentamos una visión general del uso de la convexidad de cuadrante como base para diseñar descriptores de formas. Exploramos dos enfoques diferentes: el primero se basa en las características geométricas de objetos convexos de cuadrante, mientras que el segundo se basa en la identificación de píxeles cóncavos de cuadrante. Para ambos enfoques, realizamos experimentos extensos para evaluar las fortalezas y limitaciones de los descriptores propuestos. En particular, mostramos que todos nuestros descriptores logran una precisión promedio de aproximadamente en imágenes ruidosas de retina para una tarea de clasificación binaria. Además, en un entorno de clasificación multiclase utilizando un conjunto de datos de desmidos, todos nuestros descriptores superan a los descriptores de formas tradicionales de bajo nivel, logrando una precisión del 76.74%.