El café es un producto de exportación muy importante para la economía colombiana. Sin embargo, el mercado de alta calidad hacia el que está dirigido, exige una recolección selectiva que aumenta su costo de producción. Por lo tanto, para mantener la competitividad el costo de producción debe ser reducido. Una alternativa para esto, es la mecanización de la cosecha. En países como Brasil, Australia y Hawaii utilizan dispositivos mecánicos para la recolección. Estos dispositivos aplican vibraciones al tallo o al follaje de los árboles de café, desprendiendo los frutos de una manera no selectiva. Su utilización en nuestro país, generaría mayor cantidad de frutos verdes en el proceso, que disminuiría la calidad del café. Una alternativa que permitiría utilizar estos dispositivos, sería implementar un sistema de clasificación al inicio de la etapa de beneficio del café. Este sistema de clasificación puede ser desarrollado utilizando técnicas de procesamiento de imágenes. Este trabajo presenta un algoritmo para la segmentación de imágenes de frutos de café. El objetivo de este sistema de segmentación, es permitir la posterior clasificación de los frutos en sus diferentes etapas de maduración, para controlar la calidad del café producido. El sistema completo de clasificación será ubicado al inicio de la etapa de beneficio del café, lo que permite el control de las condiciones de iluminación durante la adquisición de las imágenes. El algoritmo de segmentación utiliza una combinación de análisis de color, análisis de conectividad, detección de bordes y crecimiento de regiones. Las imágenes son preprocesadas usando el filtro de mediana. Los bordes son detectados aplicando los filtros de Sobel y Laplaciano de Gausiano. La transformada a coordenadas esféricas (Spherical Coordinate Transform SCT) es utilizada para realizar el análisis de color. El análisis de conectividad etiqueta los diferentes objetos en la imagen. Por último, el crecimiento de regiones termina el proceso de segmentación, utilizando medidas de color y de contraste. El porcentaje de segmentación fue superior al 60% en el 93,75% de los frutos segmentados, lo cual es un buen desempeño para la aplicación. El tiempo promedio de segmentación fue de un minuto y medio por imagen