O mapeamento da vegetação arbórea em áreas urbanas pode ser realizado por classificação semiautomática ou automática de imagens orbitais ou aéreas. Contudo, esse tipo de tarefa tem um custo computacional dependente da resolução espacial da imagem. Neste estudo é proposto uma abordagem de extração semiautomática de vegetação arbórea em imagens de alta resolução espacial a baixo custo computacional. Trabalhamos com ortofotos de 1m de resolução, disponibilizadas por órgãos gestores públicos. A abordagem proposta aplica um filtro de médias em recortes de imagens, com 500x500 pixels cada. Ao todo utilizamos 90 recortes. Testamos o algoritmo nas seguintes configurações: separadamente nas bandas (azul, verde e vermelho), em imagem colorida (RGB) e em imagem em tons de cinza. Validamos sua performance usando a matriz de confusão e a curva do Receiver Operating Characteristic (ROC), considerando 3.695 pontos distribuídos homogeneamente em todos os recortes de imagens. Comparamos, ainda, a performance do algoritmo com uma classificação supervisionado por pixel (máxima verossimilhança). Obtivemos uma acurácia global de 90,18%, um índice kappa de 0,80 e uma velocidade de processamento de aproximadamente 1 minuto e 30 segundos para o algoritmo proposto em um computador convencional. A curva ROC obteve uma Area Under the Curve (AUC) equivalente a 0,91 para o algoritmo, considerando o resultado de todas as bandas, e um valor de 0,79 para a classificação supervisionada por pixel. Concluímos que nossa abordagem é computacionalmente eficiente para separar as áreas cobertas por vegetação de áreas não cobertas em ambiente urbano. Semiautomatic extraction of arboreal vegetation in urban areas using aerial imagery of high spatial resolution A B S T R A C TMapping of tree vegetation in urban areas can be performed by semi-automatic or automatic classification of orbital or aerial images. However, this type of task has a computational cost dependent on the spatial resolution of the image. This study proposes an approach of semi-automatic tree vegetation extraction in high spatial resolution images at a low computational cost. We work with 1m resolution orthophotos, made available by public management agencies. The proposed approach applies a medium filter on image clippings of 500x500 pixels each. In all, we use 90 clippings. We tested the algorithm in the following configurations: separately in the bands (blue, green and red), color image (RGB) and grayscale image. We validated its performance using the Confusion Matrix and Receiver Operating Characteristic (ROC) curve, considering 3,695 points evenly distributed across all clippings. We also compared the performance of the algorithm with a pixel supervised classification (maximum likelihood). We obtained an overall accuracy of 90.18%, a kappa index of 0.80 and a processing speed of approximately 1 minute and 30 seconds for the proposed algorithm in a conventional computer. The ROC curve obtained an Area Under the Curve (AUC) equivalent to 0.91 for the algorithm, considering the result of all bands, and a value of 0.79 for the supervised pixel classification. We conclude that our approach is computationally efficient for separating areas covered by vegetation from areas not covered in an urban environment.Keywords: digital image processing; image classification; urban environmental planning.