Shape From Focus (SFF) reconstruye la forma de una escena utilizando una serie de imágenes con diferentes configuraciones de enfoque. Sin embargo, la efectividad de SFF depende en gran medida de la Medida de Enfoque (FM) utilizada, la cual es propensa a inexactitudes inducidas por ruido en los valores de enfoque. Para abordar estos problemas, introducimos un factor influenciado por la percepción para refinar el Volumen de Enfoque tradicional (FV) derivado de una FM tradicional. Debido a la fuerte relación entre la Diferencia de Gaussianas (DoG) y cómo el sistema visual percibe los bordes en una escena, lo aplicamos a áreas locales de la secuencia de imágenes mediante la segmentación de la secuencia de imágenes en bloques no superpuestos. Este proceso produce una nueva métrica, el Factor de Enfoque Perceptual (PFF), que combinamos con el FV tradicional para obtener un FV mejorado y, en última instancia, un mapa de profundidad mejorado. Se realizan experimentos intensivos utilizando catorce conjuntos de datos sintéticos y seis conjuntos de datos del mundo real. El rendimiento del método propuesto se evalúa utilizando medidas cuantitativas, como el Error Cuadrático Medio (RMSE) y la correlación. Para catorce conjuntos de datos sintéticos, se obtiene una medida promedio de RMSE de 6.88 y una medida de correlación de 0.65, que se mejoran a través de PFF desde un RMSE de 7.44 y una correlación de 0.56, respectivamente. Los resultados experimentales y el análisis comparativo demuestran que el enfoque propuesto supera a las tradicionales FMs de vanguardia en la extracción de mapas de profundidad.