One of the most lethal precursor tumors among adults and the elderly are glioma tumors, according to the CBTRUS, gliomas constitute 78% of cases of malignant tumors. Their diffuse aspect over the central nervous system causes necrosis in the brain tissue, and their rapid expansion competes with the brain's space within the cranial vault, leading to poor life prospects when they are discovered in the high-grade stage. Thus, an algorithmic strategy was developed capable of segmenting the glioma in its correct location and extracting features based on area, perimeter, compactness and circularity calculations in magnetic resonance images, using image processing techniques. A comparative analysis of the results obtained by the algorithm in relation to the model generated by the database specialist was performed, obtaining important results, with a sensitivity rate of 76% in the segmentation and extraction of tumor characteristics, 67.08% in the axial plane, 80.44% in the sagittal plane and 76.62% in the coronal plane. The solutions obtained were promising, where in some cases the segmentation by the algorithm proved to be more suitable for the glioma than the conventional methods used by specialists.Um dos tumores percussores de maior letalidade entre adultos e idosos, são os tumores de gliomas, segundo o CBTRUS, gliomas constituem 78% dos casos de tumores malignos. Seu aspecto difuso sobre o sistema nervoso central causa necrose no tecido cerebral, e sua rápida expansão compete com o espaço do cérebro dentro da caixa craniana, levando a baixa perspectiva de vida quando são descobertos em fase de alto grau. Dessa forma, foi desenvolvido uma estratégia algorítmica capaz de segmentar o glioma em sua localidade correta e extrair características com base nos cálculos de área, perímetro, compacidade e circularidade nas imagens de ressonância magnética, utilizando técnicas de processamento de imagens. Uma análise comparativa dos resultados obtidos pelo algoritmo em relação ao modelo gerado pelo especialista da base de dados foi realizada, obtendo resultados importantes, com uma taxa de sensibilidade 76% na segmentação e extração das características dos tumores, 67,08% no plano axial, 80,44% no plano sagital e 76,62% no plano coronal. As soluções obtidas foram promissoras, onde em alguns casos a segmentação pelo algoritmo se mostrou mais adequado ao glioma que os métodos convencionais usados pelos especialistas.