Las enfermedades cardiovasculares son la primera causa de mortalidad en el mundo y el diagnostico de estas es clave a la hora de realizar un tratamiento o intervención temprana. En cardiología, la Tomografía Axial Computarizada (TAC) es uno de los principales medios de diagnóstico. Sin embargo, a pesar de la calidad de los equipos actuales al tomar estas imágenes, existen pequeñas estructuras, ya sea de órganos o tejidos, cuyos bordes se encuentran difuminados y por lo tanto no es posible percibirlos adecuadamente, incluso en softwares de simulación y diagnóstico. Para enfrentar estos inconvenientes, se requiere procesar las imágenes de tal manera que, se muestre una representación precisa de lo que se desea observar. Para ello, se requieren técnicas de filtrado con el objetivo de mejorar la imagen recibida del TAC. En este proyecto, se desea mejorar la calidad de las imágenes de tal manera, que sean más fáciles de segmentar por softwares. Con este objetivo, se tuvo la necesidad de seleccionar filtros que eliminen detalles innecesarios y suavicen los bordes para poder identificar las diferentes secciones de una imagen con mayor precisión y facilidad. Se seleccionaron 4 filtros diferentes, el mediano, el gaussiano, el bilateral y el anisotrópico. A través de MATLAB, se diseñó una interfaz gráfica que, al seleccionar un filtro, lee una carpeta llena de imágenes TAC y las filtra con la técnica de filtrado escogida. En el mismo proceso, se midió la diferencia por pixel y estructural que tenían las imágenes filtradas con respecto a las originales. También se modelaron en tres dimensiones las imágenes filtradas para observar la mejora en la segmentación de estas a través de un script de Python. Al final, se pudieron aplicar todas las técnicas de filtrado a imágenes TAC, y se pudo modelarlas en tres dimensiones. Las que tuvieron mejores resultados a la percepción visual humana fueron los filtros gaussiano y mediano con máscara de 9X9 pixeles.Cardiovascular diseases are the leading cause of mortality in the world and their diagnosis is key when it comes to an early treatment or intervention. In cardiology, Computerized Axial Tomography (CAT) is one of the main means of diagnosis. Despite the quality of the improvements in the technology of the CT equipment and the quality of the images they provide, there are small structures, either from organs or tissues, whose edges are blurred and therefore cannot be properly perceived, even in simulation and diagnostic software. In spite of these drawbacks, it is required to process the images in such a way that, when modeling them in three dimensions, a precise representation of what is wanted to observe is shown. For this, filtering techniques are required in order to improve the image received from the TAC. In this project, the objective to improve the quality of the images in such a way that they are easier to segment by software. With this objective, there was a need to select filters that eliminate unnecessary details and soften the edges in order to identify the different sections of an image with greater precision and ease. Four different filters were selected, the median, the gaussian, the bilateral and the anisotropic. Through MATLAB, a graphical interface was designed in such a way that, after selecting a filter, reads a folder full of TAC images and filters them with the selected technique. In the same process, the difference per pixel and structural difference between the filtered images and the original ones was measured. The filtered images were also modeled in three dimensions to observe the improvement in their segmentation through a Python script. Finally, all filtering techniques could be applied to CT images, and they could be modeled in three dimensions. The ones that had the best results to the human visual perception were the gaussian and median filters with a 9X9 pixel mask.