Reconociendo que el cuerpo humano esta formado por millones de celulas, y que gracias a la proliferacion de estas es que existen tejidos, organos, aparatos y sistemas, ademas, que son las celulas en caso de enfermedad las que responden a la agresion o lesion; se presenta relevante el hacer investigacion a nivel celular con el objetivo de estudiar caracteristicas propias de las celulas de cada organo, como estructura y funcion. Por lo tanto, la identificacion de los nucleos de las celulas es el punto de partida para gran parte de los analisis a nivel celular, ya que la mayoria de los 30 billones de celulas del cuerpo humano contienen un nucleo, y permite a los investigadores identificar cada celula individual en una muestra, y al medir como reaccionan las celulas a diversos tratamientos, el investigador puede comprender los procesos biologicos subyacentes en el trabajo. En funcion de lo anterior, la base de datos usada en este proyecto es un conjunto de datos obtenidos de la primera fase del concurso Data Science Bowl 2018 (DSB) que consta de 670 imagenes histologicas con sus respectivas mascaras de nucleos previamente segmentados, que se proporcionan con fines de validacion. Dichas imagenes varian entre si, en el tipo de celula, el tamano y la modalidad de estas (campo claro frente a fluorescencia). El proyecto tiene como objetivo principal la segmentacion de los nucleos en cada uno de los diferentes tipos de imagenes histologicas, a traves del uso de tecnicas de procesamiento de imagenes. La metodologia empleada abarca tres fases, pre-procesamiento, procesamiento y post-procesamiento. La primera, consta de procesamiento de color en funcion de las caracteristicas del histograma para tomar el plano con la mayor cantidad de informacion posible. La segunda, implica segmentacion mediante contornos activos y crecimiento de regiones utilizando multiples pixeles semilla, para trabajar sobre las zonas de interes. Finalmente, se realiza un post-procesamiento de los nucleos celulares segmentados por medio de operaciones morfologicas y el empleo de la tecnica de Watershed. Los resultados fueron obtenidos por medio de la validacion con las mascaras de referencia del total de imagenes de la base de datos. Se uso como metrica de desempeno la correlacion entre la imagen de los nucleos segmentados utilizando el metodo propuesto, y los nucleos segmentados en las mascaras de referencias disponibles. Obteniendo entonces, una correlacion promedio de 0.9468±0.1825. Ademas, en funcion de las 670 imagenes se determino que hay en promedio 2 falsos positivos o nucleos no identificables en cada una. Asi como la identificacion maxima de 69 falsos negativos o zonas identificadas erroneamente como nucleos, en el conjunto total de imagenes.