Resumo. O melanoma é uma doença que acomete pessoas no mundo inteiro, ocorrendo quando as células responsáveis pela pigmentação da pele tornam-se cancerígenas. O intuito deste estudo é examinar o desempenho de algoritmos de segmentação de imagens como, Otsu, Watershed, Chan-Vese, de extração de atributos, Gray Level Co-occurrence Matrix, Local Binary Pattern e Structural Co-occurrence Matrix, seguidos de algoritmos de classificação, como Random Forest, K-Nearest Neighbors e MultilayerPerceptron. Nesse sentido, o conjunto de dados PH2 foi utilizado para avaliar as estratégias sugeridas. Os resultados obtidos mostraram taxas de acurácia de 95%, precisão de 96%, revocação de 100%, especificidade de 92% e score-F1 de 95%, o que indica a efetividade dessas abordagens na identificação do melanoma. Esses resultados fornecem informações relevantes para futuras pesquisas e aplicações clínicas no campo do diagnóstico assistido por computador.