The images obtained with drones from a vertical perspective present important information on crops, which makes it possible to systematize various activities related to precision agriculture (AP). Sequential algorithms developed in traditional programming languages ​​consume high time and hardware resources in processing large digital images. A parallel algorithm will be developed to segment images using the OpenMP library to reduce computation times. OpenMP is a library compatible with low-level programming languages ​​that allow the implementation of parallel algorithms in C or C++ languages ​​in Linux environments for multicore architectures. The sequential algorithm to implement it through parallelism was necessary to divide into several smaller tasks and run them on several cores available on multicore processors to improve processing speed. The metrics used (execution time, acceleration, efficiency, and computational cost) allowed evaluating of the algorithms' performance with images of different dimensions, obtaining favorable results that verify the improvement of the parallel algorithm. The parallelization of sequential algorithms shows a significant reduction in execution times (66.37%) with large images and (74.73%) with small images using the maximum number of cores (8)Las imágenes obtenidas con drones desde perspectiva vertical presentan información importante de los cultivos agrícolas, lo que permite sistematizar diversas actividades relacionadas con la agricultura de precisión (AP). Los algoritmos secuenciales desarrollados en lenguajes de programación tradicionales consumen tiempos y recursos de hardware altos en el procesamiento de imágenes digitales de grandes tamaños. Para reducir los tiempos de cómputo se desarrolló un algoritmo paralelo para segmentar imágenes utilizando la librería OpenMP. OpenMP es una librería compatible con lenguajes de programación de bajo nivel que permiten la implementación de algoritmos paralelos en lenguajes C o C++ en entornos Linux para arquitecturas multicore. El algoritmo secuencial para implementarlo mediante paralelismo fue necesario dividir en varias tareas más pequeñas y ejecutarlas en varios núcleos disponibles en procesadores multicore para mejorar la velocidad de procesamiento. Las métricas utilizadas (tiempo de ejecución, aceleración, eficiencia y costo computacional) permitieron evaluar el rendimiento de los algoritmos con imágenes de diferentes dimensiones obteniendo resultados favorables que verifica la mejora del algoritmo paralelo. La paralelización de algoritmos secuenciales muestra un importante reducción de los tiempos de ejecución (66.37%) con imágenes grandes y (74.73% ) con imágenes pequeñas utilizando el número máximo de núcleos (8)