准确有效的图像清晰度评价函数是采用数字图像处理技术实现自动调焦的关键。通过分析比较3 种聚焦效果较好的清晰度评价函数, 提出了一种基于聚焦窗口模式的平方梯度函数作为聚焦评价函数, 建立了评价函数的数学模型, 并给出了实验分析和结果。与以往常用的评价函数相比, 具有更高的可靠性和聚焦灵敏度。

Vi)构造评价函数 将每个样本的主成分带入评价函数，得到每个样本的综合得分，依据一定的准则可对样本进行排序。 主成分分析

图像清晰度评价算法性能比较，absolute gradient value，eigenvalues，based on DCT，Laplacian ，gauss gradient，gradient magnitud，gradient magnitud，Log–histogram，Normalized variance。

本资源是光学设计软件zemax评价函数操作符的汇总，对zemax初学者很有帮组

自动对焦评价函数的评价函数 ，对图像的清晰度焦点做出评价。越高清晰度越清楚。

ZEMAX评价函数介绍

该脚本中集合了几种常用的评价函数，例如，Brenner、Tenengrad、SMD、entropy等。有全局评价，也有区域评价，并画出了最后的归一化曲线。可直接使用。

RMSE评价算法，RMSE一般指均方根误差。均方根误差亦称标准误差。 RMSE（A，B）：A为原图，B为类比图

从理论上分析了抖动法锁相技术中性能评价函数对锁相效果的影响。研究发现，相干合成中获取性能评价函数的针孔光阑大小对锁相效果影响较大，随着针孔尺寸增大，性能评价函数的符号将会改变，取值也会产生较大变化。详细分析了光束阵列占空比、光束数目、单元光束尺寸和波长对最优评价函数的影响。分析表明，光束阵列占空比和阵列光束数目对正值最优评价函数对应的针孔尺寸影响较小，针孔直径取值范围为远场光斑中央主瓣宽度的0.7~0.8，单元光束光斑尺寸和波长不对最优针孔尺寸造成影响。负值最优评价函数对应的针孔尺寸随光束数目的增大近似呈线性增大趋势，占空比对其影响较小。

基于图像处理的自动调焦法的常用的聚焦评价函数的类型大致有：灰度梯度函数、信息学函数、频域函数、统计学函数等