With the arrival of the COVID-19 pandemic, caused by the new coronavirus Sars-CoV-2, there was a global race in search of methods to diagnose the disease and understand its effects on the human body. As most severe cases refer to pulmonary infections, the effects of the virus in the lungs reached high interest for the area research, popularizing the usage of computed tomography (CT) chest scans. Aiming to ease the healthcare professional’s follow-up, this work presents an algorithmic strategy with the objective of segmenting the COVID-19 compromised region within the lungs. Using morphologic operations and an adaptive limiarization technique to achieve lung and infection masks, the algorithm could suggest a compromise rate with a mean error of 3.55%. It also presented a mean accuracy of 99.11% and a specificity of 99.65%.Com o surgimento da pandemia de COVID-19, causada pelo novo coronavírus chamado de Sars-COV-2, houve uma corrida global na busca por formas de diagnosticar a doença e entender seus efeitos no corpo humano. Como os casos mais graves compreendem infeções pulmonares, o efeito do vírus nos pulmões possui alta relevância para os estudos da área, tornando bastante popular a utilização e análise de imagens de tomografia computadorizada (TC) do tórax. Visando auxiliar o profissional de saúde no acompanhamento da doença, este trabalho apresenta uma estratégia algorítmica com o objetivo de segmentar a região comprometida pela pneumonia de COVID-19. Utilizando técnicas de operações morfológicas e um método de limiarização adaptativa para adquirir as máscaras pulmonares e de infecções, o trabalho foi capaz de sugerir um nível percentual de comprometimento pulmonar do paciente com um erro médio de 3,55%. O algoritmo também apresentou uma acurácia média de 99,11% e uma especificidade de 99,65%.