4. 评价函数性能评估：准确性、单调性、无偏性、灵敏度、计算复杂度

评价函数（也叫对焦评价函数、清晰度评价函数）是整个AF系统的“眼睛”。你想想看，如果眼睛看东西都是花的，那后面的搜索算法再快也没用。所以，怎么科学地评价一个评价函数好不好，是我们做AF算法首先要解决的问题。

我入行那会儿，踩过一个坑：选了一个计算量很小的评价函数，跑起来飞快，但实际拍照时经常对不准。后来才明白，评价函数的性能评估，不能只看“快不快”，得从多个维度去衡量。

这一章，我们就来拆解评价函数的五个核心指标：准确性、单调性、无偏性、灵敏度、计算复杂度。最后再聊聊怎么用ROC曲线与AUC做综合评估。

4.1 五个核心指标详解

这五个指标，说白了就是回答五个问题：

• 准确性：它找到的峰值，是不是真正的合焦位置？
• 单调性：从离焦到合焦，曲线是不是一路向上，没有“假峰”？
• 无偏性：峰值位置会不会因为场景变化而偏移？
• 灵敏度：在合焦点附近，曲线变化够不够陡？
• 计算复杂度：算一次评价函数，要花多少时间？

下面我们逐个来看。

4.1.1 准确性（Accuracy）

准确性是最直观的指标。它衡量的是：评价函数计算出的最佳对焦位置，与真实合焦位置之间的偏差。

我习惯用均方根误差（RMSE）来量化这个偏差：

RMSE = sqrt( (1/N) * Σ (p_pred_i - p_true_i)^2 )

其中，p_pred_i是算法预测的峰值位置，p_true_i是实际合焦位置（通常用高精度标定或人工确认得到）。

4.1.2 单调性（Monotonicity）

单调性描述的是：从远离合焦点到接近合焦点的过程中，评价函数值是否单调递增（或递减）。

如果曲线有多个峰值（多峰性），AF算法很容易陷入局部最优，导致对焦失败。我遇到过最头疼的情况是：在拍摄带有规则纹理（比如百叶窗、栅栏）的场景时，评价函数会出现周期性假峰。

衡量单调性的常用指标是单调性比率（MR）：

MR = (单调递增的区间长度) / (总区间长度)

MR越接近1，说明单调性越好。我个人建议，MR至少要大于0.85，才能保证搜索算法的稳定性。

4.1.3 无偏性（Unbiasedness）

无偏性关注的是：评价函数的峰值位置，会不会因为图像内容（如亮度、对比度、颜色）的变化而发生偏移。

一个理想的评价函数，应该只对“清晰度”敏感，而对其他因素不敏感。但实际上，很多评价函数都有偏。比如，基于梯度的评价函数，在低光照条件下，峰值位置可能会向某个方向漂移。

我通常用偏移量标准差（σ_offset）来评估无偏性：

σ_offset = std( p_pred_i - p_true_i )

σ_offset越小，说明评价函数越稳定，无偏性越好。

场景类型	理想偏移量（像素）	可接受偏移量（像素）
高对比度纹理	0	≤ 1
低对比度纹理	0	≤ 2
重复纹理	0	≤ 3
低光照	0	≤ 2

4.1.4 灵敏度（Sensitivity）

灵敏度描述的是：在合焦点附近，评价函数值随镜头位置变化的剧烈程度。

灵敏度越高，AF系统对微小离焦的响应越敏感，对焦精度也就越高。我常用峰值陡度（Peak Sharpness）来量化：

Peak Sharpness = (F_peak - F_neighbor) / Δstep

其中，F_peak是峰值处的评价函数值，F_neighbor是相邻位置的值，Δstep是步长。

4.1.5 计算复杂度（Computational Complexity）

计算复杂度直接决定了评价函数能不能在实时系统中跑起来。我一般从两个维度来衡量：

• 时间复杂度：处理一帧图像需要多少时间（ms）。
• 空间复杂度：需要多少额外的内存（KB）。

下面是一个常见的评价函数计算复杂度对比：

评价函数	时间复杂度（相对值）	空间复杂度	适用场景
Tenengrad（梯度）	高	低	高精度对焦
Laplacian（拉普拉斯）	中	低	通用场景
Brenner（梯度）	低	低	实时系统
方差（Variance）	低	低	简单场景
FFT（频域）	非常高	高	离线分析

嗯，这里要注意：时间复杂度低的不一定好，关键要看你的硬件平台和帧率要求。我在一个嵌入式项目里，CPU主频只有200MHz，最后选了Brenner函数，因为它只需要做水平方向的差分运算，计算量极小。

4.2 ROC曲线与AUC指标

前面五个指标是从不同角度单独评估的。但实际应用中，我们需要一个综合性的评估方法。ROC曲线和AUC就是干这个的。

4.2.1 什么是ROC曲线？

ROC（Receiver Operating Characteristic）曲线，最初是用于雷达信号检测的。在AF系统中，我们可以用它来评估评价函数区分“合焦”和“离焦”的能力。

具体做法是：

1. 设定一个阈值T。如果评价函数值大于T，判定为“合焦”；否则判定为“离焦”。
2. 改变T的值，计算每个T下的真阳性率（TPR）和假阳性率（FPR）。
3. 以FPR为横轴，TPR为纵轴，画出曲线。

TPR和FPR的定义如下：

TPR = TP / (TP + FN)   // 真正例率，也叫召回率
FPR = FP / (FP + TN)   // 假正例率

其中：

• TP：正确判定为合焦的样本数
• FN：漏判的合焦样本数
• FP：误判为合焦的离焦样本数
• TN：正确判定为离焦的样本数

4.2.2 AUC：曲线下的面积

AUC（Area Under the Curve）就是ROC曲线下的面积。它的取值范围是0.5到1.0。

• AUC = 0.5：相当于随机猜测，评价函数没有区分能力。
• AUC = 1.0：完美区分，所有合焦和离焦样本都能正确分开。
• AUC > 0.9：一般认为评价函数有很高的实用价值。

4.2.3 如何生成ROC曲线？

生成ROC曲线的步骤其实不复杂：

1. 准备测试数据集：包含大量合焦和离焦的图像，以及对应的评价函数值。
2. 对评价函数值进行排序。
3. 从最小值到最大值，依次作为阈值T。
4. 对每个T，计算TPR和FPR。
5. 以FPR为x轴，TPR为y轴，绘制曲线。

下面是一个简单的Python伪代码示例：

def compute_roc(scores, labels):
    # scores: 评价函数值列表
    # labels: 真实标签，1表示合焦，0表示离焦
    thresholds = sorted(set(scores))
    tpr_list = []
    fpr_list = []
    for t in thresholds:
        tp = sum((s >= t) and (l == 1) for s, l in zip(scores, labels))
        fp = sum((s >= t) and (l == 0) for s, l in zip(scores, labels))
        fn = sum((s < t) and (l == 1) for s, l in zip(scores, labels))
        tn = sum((s < t) and (l == 0) for s, l in zip(scores, labels))
        tpr = tp / (tp + fn) if (tp + fn) > 0 else 0
        fpr = fp / (fp + tn) if (fp + tn) > 0 else 0
        tpr_list.append(tpr)
        fpr_list.append(fpr)
    return fpr_list, tpr_list

4.3 知识体系总览

为了让你更直观地理解这一章的知识结构，我画了一张图：

4.4 综合评估流程

在实际项目中，我不会只看单一指标。我总结了一套综合评估流程，分享给你：

1. 初筛：用AUC快速过滤。AUC < 0.85的直接淘汰。
2. 复杂度评估：在目标硬件上实测计算时间。超过帧率预算的淘汰。
3. 单调性测试：在典型场景（纹理、光照、运动）下测试MR。MR < 0.85的淘汰。
4. 无偏性测试：在不同场景下测试σ_offset。σ_offset超过阈值的淘汰。
5. 灵敏度微调：对通过前四轮的候选函数，用峰值陡度做最终排序。