本申请涉及图片处理技术领域，尤其涉及一种照片清理方法、装置和终端设备。
背景技术：
现有相关技术中，用户设备的存储空间越来越大，但是随着用户的使用，不可避免产生很多系统垃圾、应用数据和多媒体数据，导致用户的使用空间不足。而其中多媒体数据又占据用户的使用空间中最大的一部分，在多媒体数据中用户照片占据了绝大一部分。所以对无用照片的清理可以有效的释放无用资源，节省用户空间。在用户拍照的过程中，不可避免地产生很多模糊的照片。这些模糊的照片产生的原因可以包括失焦、夜间拍摄噪点过多和/或拍摄时抖动等。这些照片都可以判定为对用户无用的照片。
现有相关技术中，提供了基于相似照片识别的自动清理方案，通过对连拍照片的相似性识别，让用户选择相似照片集合中多余或无用的照片进行删除，但是上述方案只能处理连续拍摄时，相似照片识别的场景，适用场景相对单一，对用户设备中无用照片的清理效果较差，用户体验度不高。
技术实现要素：
为克服相关技术中存在的问题，本申请提供一种照片清理方法、装置和终端设备。
为达到上述目的，本申请的实施例采用如下技术方案：
第一方面，本申请实施例提供一种照片清理方法，包括：获取用户设备中保存的照片；计算所述照片的模糊度评分、噪声评分和抖动评分，对所述照片的模糊度评分、噪声评分和抖动评分进行加权平均，获得所述照片的评分；将所述用户设备保存的照片中评分大于或等于预设阈值的照片展示给使用所述用户设备的用户；删除所述用户在展示的照片中选择的照片。
上述照片清理方法中，获取用户设备中保存的照片之后，计算上述照片的模糊度评分、噪声评分和抖动评分，然后对上述照片的模糊度评分、噪声评分和抖动评分进行加权平均，获得上述照片的评分，将上述用户设备保存的照片中评分大于或等于预设阈值的照片展示给使用上述用户设备的用户，最后删除上述用户在展示的照片中选择的照片，从而可以实现更加智能地区分出无用的照片，除了识别连拍中的模糊照片，还能识别日常拍摄中的失焦、噪点过多和/或抖动等导致的模糊照片，在智能选出无用照片后，展示给用户进行选择清理，从而可以在用户设备的存储空间紧缺的时候，为用户腾出宝贵的存储空间。
第二方面，本申请实施例提供一种照片清理装置，包括：获取模块，用于获取用户设备中保存的照片；计算模块，用于计算所述获取模块获取的照片的模糊度评分、噪声评分和抖动评分，对所述照片的模糊度评分、噪声评分和抖动评分进行加权平均，获得所述照片的评分；展示模块，用于将所述用户设备保存的照片中评分大于或等于预设阈值的照片展示给使用所述用户设备的用户；删除模块，用于删除所述用户在所述展示模块展示的照片中选择的照片。
上述照片清理装置中，获取模块获取用户设备中保存的照片之后，计算模块计算上述照片的模糊度评分、噪声评分和抖动评分，然后对上述照片的模糊度评分、噪声评分和抖动评分进行加权平均，获得上述照片的评分，展示模块将上述用户设备保存的照片中评分大于或等于预设阈值的照片展示给使用上述用户设备的用户，最后删除模块删除上述用户在展示的照片中选择的照片，从而可以实现更加智能地区分出无用的照片，除了识别连拍中的模糊照片，还能识别日常拍摄中的失焦、噪点过多和/或抖动等导致的模糊照片，在智能选出无用照片后，展示给用户进行选择清理，从而可以在用户设备的存储空间紧缺的时候，为用户腾出宝贵的存储空间。
第三方面，本申请实施例提供一种终端设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的方法。
第四方面，本申请实施例提供一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法。
第五方面，本申请实施例提供一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行如上所述的方法。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请照片清理方法一个实施例的流程图；
图2为本申请照片清理方法另一个实施例的流程图；
图3为本申请照片清理方法再一个实施例的流程图；
图4为本申请照片清理方法再一个实施例的流程图；
图5为本申请照片清理方法再一个实施例的流程图；
图6为本申请照片清理装置一个实施例的结构示意图；
图7为本申请终端设备一个实施例的结构示意图；
图8为本申请手机10内部部分一个实施例的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
图1为本申请照片清理方法一个实施例的流程图，如图1所示，上述照片清理方法可以包括：
步骤101，获取用户设备中保存的照片。
具体地，可以通过自动扫描，获取用户设备中保存的照片。
步骤102，计算上述照片的模糊度评分、噪声评分和抖动评分，对上述照片的模糊度评分、噪声评分和抖动评分进行加权平均，获得上述照片的评分。
具体地，对上述照片的模糊度评分、噪声评分和抖动评分进行加权平均，获得上述照片的评分可以为：
按照式(1)计算上述照片的评分：
m＝(a1m1+a2m2+a3m3)/3；(1)
式(1)中，m为上述照片的评分，m1为上述照片的模糊度评分，m2为上述照片的噪声评分，m3为上述照片的抖动评分，a1为m1的加权值，a2为m2的加权值，a3为m3的加权值。
其中，上述a1、a2和a3的大小可以在具体实现时，根据系统性能和/或实现需求等自行设定，本实施例对a1、a2和a3的大小不作限定，并且a1,a2,a3可以部分取0，代表只取部分评分，可以根据系统和设备性能对评分算法进行取舍。
步骤103，将上述用户设备保存的照片中评分大于或等于预设阈值的照片展示给使用上述用户设备的用户。
步骤104，删除上述用户在展示的照片中选择的照片。
本实施例中，可以将上述用户设备保存的照片中评分大于或等于预设阈值的照片输出到照片列表供用户选择，并在用户勾选需要清理的照片之后，对用户勾选的照片进行一键清理。
上述照片清理方法中，获取用户设备中保存的照片之后，计算上述照片的模糊度评分、噪声评分和抖动评分，然后对上述照片的模糊度评分、噪声评分和抖动评分进行加权平均，获得上述照片的评分，将上述用户设备保存的照片中评分大于或等于预设阈值的照片展示给使用上述用户设备的用户，最后删除上述用户在展示的照片中选择的照片，从而可以实现更加智能地区分出无用的照片，除了识别连拍中的模糊照片，还能识别日常拍摄中的失焦、噪点过多和/或抖动等导致的模糊照片，在智能选出无用照片后，展示给用户进行选择清理，从而可以在用户设备的存储空间紧缺的时候，为用户腾出宝贵的存储空间。
图2为本申请照片清理方法另一个实施例的流程图，如图2所示，本申请图1所示实施例中，步骤102中计算上述照片的模糊度评分可以包括：
步骤201，对上述照片进行灰度处理，获得上述照片的灰度图。
步骤202，根据上述照片的灰度图，计算上述照片的最大垂直梯度和上述照片的最大水平梯度，以及计算上述照片的灰度范围。
具体地，根据上述照片的灰度图，计算上述照片的最大垂直梯度和上述照片的最大水平梯度可以为：根据上述照片的灰度图，计算上述照片的灰度图的垂直方向上任意相邻两个像素点的灰度值的差值，以计算获得的差值中的最大值作为上述照片的最大垂直梯度；以及，根据上述照片的灰度图，计算上述照片的灰度图的水平方向上任意相邻两个像素点的灰度值的差值，以计算获得的差值中的最大值作为上述照片的最大水平梯度。
具体地，根据上述照片的灰度图，计算上述照片的灰度范围可以为：根据上述照片的灰度图，统计每个灰度值在上述照片的灰度图中对应的像素点的个数；在对应的像素点的个数不为0的灰度值中，按照灰度值从大到小的顺序选择第一预定比例的灰度值，对上述第一预定比例的灰度值和上述第一预定比例的灰度值对应的像素点的个数进行加权平均，获得上述照片的灰度值的最大值；在对应的像素点的个数不为0的灰度值中，按照灰度值从小到大的顺序选择第二预定比例的灰度值，对上述第二预定比例的灰度值和上述第二预定比例的灰度值对应的像素点的个数进行加权平均，获得上述照片的灰度值的最小值；根据上述照片的灰度值的最大值和上述照片的灰度值的最小值，计算获得上述照片的灰度范围。
其中，上述第一预定比例与第二预定比例可以相等或不等，上述第一预定比例和第二预定比例的大小可以在具体实现时根据系统性能和/或实现需求等自行设定，本实施例对此不作限定，举例来说，上述第一预定比例和上述第二预定比例可以为5％。
下面对计算上述照片的灰度范围的方式进行详细介绍：
1)统计256个灰度值中每个灰度值在上述照片的灰度图中对应的像素点的个数，生成一个长度为256的灰度值数组hist[256]，数组中的每个值为该灰度值在上述照片的灰度图中对应的像素点的个数；
2)计算darkestvalue和whitestvalue；其中，darkestvalue为在对应的像素点的个数不为0的灰度值中，按照灰度值从小到大的顺序选择第二预定比例的灰度值，对上述第二预定比例的灰度值和上述第二预定比例的灰度值对应的像素点的个数进行加权平均，获得的上述照片的灰度值的最小值；whitestvalue为在对应的像素点的个数不为0的灰度值中，按照灰度值从小到大的顺序选择第二预定比例的灰度值，对上述第二预定比例的灰度值和上述第二预定比例的灰度值对应的像素点的个数进行加权平均，获得的上述照片的灰度值的最小值。
darkestvalue和whitestvalue的计算方式的伪代码可以如下所示：
sum←0
sum1←0
sum2←0
thresh←0.05
fork←0to256
sum1←sum1+hist[k]*k
sum2←sum2+hist[k]
if((sum2/imsize)>thresh)break
if(sum2>0)
darkestvalue←(int)((float)sum1/sum2)
sum1←0
sum2←0
fork←256to0
sum1←sum1+hist[k]*k
sum2←sum2+hist[k]
if(sum2/imsize)>thresh)break
if(sum2>0)
whitestvalue＝(int)((float)sum1/sum2)；
3)根据上述照片的灰度值的最大值和上述照片的灰度值的最小值，计算获得上述照片的灰度范围，如式(2)所示。
grayrange＝max(whitestvalue-darkestvalue,0)；(2)
式(2)中，grayrange即为上述照片的灰度范围。
步骤203，根据上述照片的最大垂直梯度和上述照片的最大水平梯度，以及上述照片的灰度范围计算上述照片的模糊度评分。
具体地，根据上述照片的最大垂直梯度和上述照片的最大水平梯度，以及上述照片的灰度范围计算上述照片的模糊度评分可以为：
根据式(3)计算上述照片的模糊度评分：
式(3)中，score为上述照片的模糊度评分，maxhorigradient为上述照片的最大垂直梯度，maxvertgraident为上述照片的最大水平梯度，grayrange为上述照片的灰度范围。
图3为本申请照片清理方法再一个实施例的流程图，如图3所示，本申请图1所示实施例中，步骤102中计算上述照片的噪声评分可以包括：
步骤301，利用中值滤波器对上述照片进行处理生成对比照片。
步骤302，计算上述对比照片和上述照片的均方误差，根据上述均方误差计算上述照片的峰值信噪比。
具体地，可以根据上述均方误差，按照式(4)计算上述照片的峰值信噪比：
式(4)中，psnr为上述照片的峰值信噪比，mse为上述对比照片和上述照片的均方误差。
步骤303，将上述照片的峰值信噪比映射为上述照片的噪声评分。
具体地，可以按照式(5)将上述照片的峰值信噪比映射为上述照片的噪声评分。
式(5)中，score′为上述照片的噪声评分。
图4为本申请照片清理方法再一个实施例的流程图，如图4所示，本申请图1所示实施例中，步骤102中计算上述照片的抖动评分可以包括：
步骤401，利用双边滤波和冲击滤波对上述照片进行处理，生成滤波图片。
步骤402，计算上述照片的梯度幅值图像和上述滤波图片的梯度幅值图像。
步骤403，根据上述照片的梯度幅值图像和上述滤波图片的梯度幅值图像计算模糊核预估值。
具体地，可以按照式(6)计算模糊核预估值：
式(6)中，f(·)和f-1(·)代表傅里叶变换和逆傅里叶变换，
步骤404，对上述模糊核预估值进行归一化处理，并计算归一化处理获得的模糊核预估值的范数，作为上述照片的抖动评分。
具体地，在对模糊核预估值进行归一化处理后，可以计算归一化处理获得的模糊核预估值的2范数，作为上述照片的抖动评分。
图5为本申请照片清理方法再一个实施例的流程图，如图5所示，本申请图1所示实施例，步骤104之后，还可以包括：
步骤501，如果上述用户设备是首次进行照片清理，则在删除上述用户在展示的照片中选择的照片之后，向后台服务器上报首次最终清理的照片数和上述用户设备中保存的照片的总数。
本实施例中，上述预设阈值的初始值是后台服务器根据经验值确定的；
在向后台服务器上报首次最终清理的照片数和上述用户设备中保存的照片的总数之后，上述预设阈值的最终值是最优的清理效果对应的阈值，上述最优的清理效果是后台服务器根据首次最终清理的照片数和上述用户设备中保存的照片的总数计算上述用户设备对应的清理效果之后，根据上述用户设备对应的清理效果对上述预设阈值的初始值进行调整获得的。
也就是说，为了使得清理效果最好，希望尽可能地扫描出足够多的无用照片，并且用户在展示给用户的照片中选取出尽可能多的照片进行最终清理，即希望首次最终清理照片数/扫描出的照片数尽可能大，并且展示的照片/用户设备中保存的照片的总数尽可能大，将上述两个比值相乘，可以定义清理效果为首次最终清理照片数/用户设备中保存的照片的总数，这个比值越大，说明清理效果越好。
在后台服务器根据首次最终清理的照片数和上述用户设备中保存的照片的总数计算上述用户设备对应的清理效果之后，可以根据上述用户设备对应的清理效果对上述预设阈值的初始值进行调整，然后再观察除上述用户设备之外的其他用户设备，使用调整后的预设阈值的首次照片清理效果，最终选择最优的清理效果对应的阈值，作为上述预设阈值的最终值。
上述照片清理方法可以更加智能地区分出无用的照片，除了识别连拍中的模糊照片，还能识别日常拍摄中的失焦、噪点过多和/或抖动等导致的模糊照片，在智能选出无用照片后，展示给用户进行选择清理，从而可以在用户设备的存储空间紧缺的时候，为用户腾出宝贵的存储空间。
图6为本申请照片清理装置一个实施例的结构示意图，本申请实施例中的照片清理装置可以作为终端中安装的应用，例如：相册管家，实现本申请实施例提供的照片清理方法。如图6所示，上述照片清理装置可以包括：获取模块61、计算模块62、展示模块63和删除模块64；
其中，获取模块61，用于获取用户设备中保存的照片；具体地，获取模块61可以通过自动扫描，获取用户设备中保存的照片。
计算模块62，用于计算获取模块61获取的照片的模糊度评分、噪声评分和抖动评分，对上述照片的模糊度评分、噪声评分和抖动评分进行加权平均，获得上述照片的评分；具体地，计算模块62可以按照式(1)对上述照片的模糊度评分、噪声评分和抖动评分进行加权平均，获得上述照片的评分。
展示模块63，用于将上述用户设备保存的照片中评分大于或等于预设阈值的照片展示给使用上述用户设备的用户；
删除模块64，用于删除上述用户在展示模块63展示的照片中选择的照片。
本实施例中，展示模块63可以将上述用户设备保存的照片中评分大于或等于预设阈值的照片输出到照片列表供用户选择，在用户勾选需要清理的照片之后，删除模块64对用户勾选的照片进行一键清理。
本实施例中，计算模块62，具体用于对上述照片进行灰度处理，获得上述照片的灰度图，根据上述照片的灰度图，计算上述照片的最大垂直梯度和上述照片的最大水平梯度，以及计算上述照片的灰度范围，根据上述照片的最大垂直梯度和上述照片的最大水平梯度，以及上述照片的灰度范围计算上述照片的模糊度评分。
在具体实现时，计算模块62可以根据上述照片的灰度图，计算上述照片的灰度图的垂直方向上任意相邻两个像素点的灰度值的差值，以计算获得的差值中的最大值作为上述照片的最大垂直梯度；以及，根据上述照片的灰度图，计算上述照片的灰度图的水平方向上任意相邻两个像素点的灰度值的差值，以计算获得的差值中的最大值作为上述照片的最大水平梯度。
计算模块62可以根据上述照片的灰度图，统计每个灰度值在上述照片的灰度图中对应的像素点的个数；在对应的像素点的个数不为0的灰度值中，按照灰度值从大到小的顺序选择第一预定比例的灰度值，对上述第一预定比例的灰度值和上述第一预定比例的灰度值对应的像素点的个数进行加权平均，获得上述照片的灰度值的最大值；在对应的像素点的个数不为0的灰度值中，按照灰度值从小到大的顺序选择第二预定比例的灰度值，对上述第二预定比例的灰度值和上述第二预定比例的灰度值对应的像素点的个数进行加权平均，获得上述照片的灰度值的最小值；根据上述照片的灰度值的最大值和上述照片的灰度值的最小值，计算获得上述照片的灰度范围。
其中，上述第一预定比例与第二预定比例可以相等或不等，上述第一预定比例和第二预定比例的大小可以在具体实现时根据系统性能和/或实现需求等自行设定，本实施例对此不作限定，举例来说，上述第一预定比例和上述第二预定比例可以为5％。
下面对计算模块62计算上述照片的灰度范围的方式进行详细介绍：
1)统计256个灰度值中每个灰度值在上述照片的灰度图中对应的像素点的个数，生成一个长度为256的灰度值数组hist[256]，数组中的每个值为该灰度值在上述照片的灰度图中对应的像素点的个数；
2)计算darkestvalue和whitestvalue；其中，darkestvalue为在对应的像素点的个数不为0的灰度值中，按照灰度值从小到大的顺序选择第二预定比例的灰度值，对上述第二预定比例的灰度值和上述第二预定比例的灰度值对应的像素点的个数进行加权平均，获得的上述照片的灰度值的最小值；whitestvalue为在对应的像素点的个数不为0的灰度值中，按照灰度值从小到大的顺序选择第二预定比例的灰度值，对上述第二预定比例的灰度值和上述第二预定比例的灰度值对应的像素点的个数进行加权平均，获得的上述照片的灰度值的最小值。
darkestvalue和whitestvalue的计算方式的伪代码可以如下所示：
sum←0
sum1←0
sum2←0
thresh←0.05
fork←0to256
sum1←sum1+hist[k]*k
sum2←sum2+hist[k]
if((sum2/imsize)>thresh)break
if(sum2>0)
darkestvalue←(int)((float)sum1/sum2)
sum1←0
sum2←0
fork←256to0
sum1←sum1+hist[k]*k
sum2←sum2+hist[k]
if(sum2/imsize)>thresh)break
if(sum2>0)
whitestvalue＝(int)((float)sum1/sum2)；
3)根据上述照片的灰度值的最大值和上述照片的灰度值的最小值，计算获得上述照片的灰度范围，如式(2)所示。
在具体实现时，计算模块62可以根据式(3)计算上述照片的模糊度评分。
本实施例中，计算模块62，具体用于利用中值滤波器对上述照片进行处理生成对比照片，计算上述对比照片和上述照片的均方误差，根据上述均方误差计算上述照片的峰值信噪比，将上述照片的峰值信噪比映射为上述照片的噪声评分。
在具体实现时，计算模块62可以根据上述均方误差，按照式(4)计算上述照片的峰值信噪比，按照式(5)将上述照片的峰值信噪比映射为上述照片的噪声评分。
本实施例中，计算模块62，具体用于利用双边滤波和冲击滤波对上述照片进行处理，生成滤波图片；计算上述照片的梯度幅值图像和上述滤波图片的梯度幅值图像；根据上述照片的梯度幅值图像和上述滤波图片的梯度幅值图像计算模糊核预估值，对上述模糊核预估值进行归一化处理，并计算归一化处理获得的模糊核预估值的范数，作为上述照片的抖动评分。
在具体实现时，计算模块62可以按照式(6)计算模糊核预估值，在对模糊核预估值进行归一化处理后，可以计算归一化处理获得的模糊核预估值的2范数，作为上述照片的抖动评分。
进一步地，上述照片清理装置还可以包括：
上报模块65，用于当上述用户设备是首次进行照片清理时，在删除上述用户在展示的照片中选择的照片之后，向后台服务器上报首次最终清理的照片数和上述用户设备中保存的照片的总数。
本实施例中，上述预设阈值的初始值是后台服务器根据经验值确定的；
在向后台服务器上报首次最终清理的照片数和上述用户设备中保存的照片的总数之后，上述预设阈值的最终值是最优的清理效果对应的阈值，上述最优的清理效果是后台服务器根据首次最终清理的照片数和上述用户设备中保存的照片的总数计算上述用户设备对应的清理效果之后，根据上述用户设备对应的清理效果对上述预设阈值的初始值进行调整获得的。
也就是说，为了使得清理效果最好，希望尽可能地扫描出足够多的无用照片，并且用户在展示给用户的照片中选取出尽可能多的照片进行最终清理，即希望首次最终清理照片数/扫描出的照片数尽可能大，并且展示的照片/用户设备中保存的照片的总数尽可能大，将上述两个比值相乘，可以定义清理效果为首次最终清理照片数/用户设备中保存的照片的总数，这个比值越大，说明清理效果越好。
在后台服务器根据首次最终清理的照片数和上述用户设备中保存的照片的总数计算上述用户设备对应的清理效果之后，可以根据上述用户设备对应的清理效果对上述预设阈值的初始值进行调整，然后再观察除上述用户设备之外的其他用户设备，使用调整后的预设阈值的首次照片清理效果，最终选择最优的清理效果对应的阈值，作为上述预设阈值的最终值。
上述照片清理装置中，获取模块61获取用户设备中保存的照片之后，计算模块62计算上述照片的模糊度评分、噪声评分和抖动评分，然后对上述照片的模糊度评分、噪声评分和抖动评分进行加权平均，获得上述照片的评分，展示模块63将上述用户设备保存的照片中评分大于或等于预设阈值的照片展示给使用上述用户设备的用户，最后删除模块64删除上述用户在展示的照片中选择的照片，从而可以实现更加智能地区分出无用的照片，除了识别连拍中的模糊照片，还能识别日常拍摄中的失焦、噪点过多和/或抖动等导致的模糊照片，在智能选出无用照片后，展示给用户进行选择清理，从而可以在用户设备的存储空间紧缺的时候，为用户腾出宝贵的存储空间。
图7为本申请终端设备一个实施例的结构示意图，本实施例中的终端设备可以包括存储器、处理器及存储在上述存储器上并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时，可以实现本申请实施例提供的照片清理方法。
其中，上述终端设备可以为智能手机、平板电脑或智能手表等智能终端设备，本实施例对上述终端设备的形态不作限定。
本实施例以上述终端设备为智能手机为例进行说明。
应该理解的是，图7所示的手机10仅仅是上述终端设备的一个范例，并且手机10可以具有比图7中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图7中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
现以手机10为一个例子进行具体的说明。如图7所示，该手机10可以包括存储器11、中央处理器(centralprocessingunit；以下简称：cpu)12、外设接口13、射频(radiofrequency；以下简称：rf)电路14、音频电路15、扬声器16、电源系统17、输入/输出(inputoutput；以下简称：i/o)子系统18、其他输入/控制设备19以及外部端口20，这些部件通过一个或多个通信总线或信号线21来通信。
下面就本实施例提供的手机进行详细的描述。
存储器11：所述存储器11可以被cpu12、外设接口13等访问，所述存储器11可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
外设接口13，所述外设接口可以将手机10的输入和输出外设连接到cpu12和存储器11。
i/o子系统18：所述i/o子系统18可以将手机10上的输入输出外设，例如触摸屏22和其他输入/控制设备19，连接到外设接口13。i/o子系统18可以包括显示控制器181和用于控制其他输入/控制设备19的一个或多个输入控制器182。其中，一个或多个输入控制器182从其他输入/控制设备19接收电信号或者向其他输入/控制设备19发送电信号，其他输入/控制设备19可以包括物理按钮(例如：按压按钮或摇臂按钮等)、拨号盘、滑动开关、操纵杆或点击滚轮。值得说明的是，输入控制器182可以与以下任一个连接：键盘、红外端口、usb接口以及诸如鼠标的指示设备。
触摸屏22：所述触摸屏22是手机10与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。
i/o子系统18中的显示控制器181从触摸屏22接收电信号或者向触摸屏22发送电信号。触摸屏22检测触摸屏上的接触，显示控制器181将检测到的接触转换为与显示在触摸屏22上的用户界面对象的交互，即实现人机交互，显示在触摸屏22上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，手机10还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。
rf电路14，主要用于建立手机10与无线网络(即网络侧)的通信，实现手机10与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地，rf电路14接收并发送rf信号，rf信号也称为电磁信号，rf电路14将电信号转换为电磁信号或将电磁信号转换为电信号，并且通过该电磁信号与通信网络以及其他设备进行通信。rf电路14可以包括用于执行这些功能的已知电路，其包括但不限于天线系统、rf收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、编译码器(coderdecoder；以下简称：codec)芯片组、用户标识模块(subscriberidentitymodule；以下简称：sim)等等。
音频电路15，主要用于从外设接口13接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器16。
扬声器16，用于将手机10通过rf电路14从无线网络接收的语音信号，还原为声音并向用户播放该声音。
电源系统17，用于为cpu12、i/o子系统18及外设接口13所连接的硬件进行供电及电源管理。电源系统17可以包括电源管理系统，一个或多个电源(例如：电池或交流电)，再充电系统，电源故障检测电路，电源转换器或逆变器，电源状态指示器(例如：发光二极管)，以及与便携设备中的电源生成、管理和分布相关联的其他任何组件。
图8为本申请手机10内部部分一个实施例的结构示意图。在本申请实施例中，存储器11中存储的软件部件可包括操作系统1001、通信模块1002、接触/移动模块1003、图形模块1004、功能模块1005。
操作系统1001(例如：darwin、rtxc、linux、unix、osx、windows、或诸如vxworks的嵌入式操作系统)包括用于控制和管理一般系统任务(例如，存储器管理、存储设备控制、电力管理等等)的各种软件部件和/或驱动器，并且便于各种硬件与软件部件之间的通信。
通信模块1002便于通过一个或多个外部端口20与其他设备通信，并且还包括用于处理由rf电路14和/或外部端口20接收的数据的各种软件部件。
接触/移动模块1003可以检测与触摸屏22(结合显示控制器181)和其他触摸敏感设备(例如，触摸板或物理点击滚轮)的接触。接触/移动模块1003包括用于执行与检测接触相关的各种操作的各种软件部件，所述操作例如有确定是否发生接触、确定是否所述接触有移动并且在触摸屏22上追踪所述移动、以及确定是否已经断开所述接触(即，是否接触已经停止)。确定接触点的移动可以包括确定接触点的速率(幅值)、速度(幅值和方向)和/或加速度(幅值和/或方向的变化)。这些操作可以应用到单个接触(例如，一个手指接触)或应用到多个同时接触(例如，“多重触摸”/多手指接触)。在一些实施例中，接触/移动模块1003和显示控制器181还检测触摸板上的接触。
图形模块1004包括用于在触摸屏22上显示图形的各种已知软件部件，包括用于改变所显示的图形的明暗度的部件。例如接收cpu12的指令，在触摸屏22中显示各种软件的图形用户界面等。
功能模块1005通过运行存储在存储器11中的程序，从而执行各种功能应用以及数据处理，例如实现本申请提供的照片清理方法。
rf电路14接收网络侧或其他设备发送的消息，该消息包括电子邮件或短信息或即时信息，该消息具体可以是本申请图1～图5所示实施例中的消息。可以理解的是，rf电路14接收的消息也可以是其他类型的消息，在本申请实施例中不做限定。本领域技术人员可知，接收到的消息中可以携带有多种数据类型的数据。可以只有一种数据类型的数据，也可以有两种或两种以上数据类型的数据。
cpu12执行存储在存储器11中的程序时,实现本申请实施例提供的照片清理方法。在上述实施例中，cpu12具体可以是英特尔公司生产的奔腾系列处理器或安腾处理器等。
本申请实施例还提供一种非临时性计算机可读存储介质，当上述存储介质中的计算机可执行指令在由计算机处理器执行时，用于执行本申请实施例提供的照片清理方法。
上述非临时性计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(readonlymemory；以下简称：rom)、可擦式可编程只读存储器(erasableprogrammablereadonlymemory；以下简称：eprom)或闪存、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、rf等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(localareanetwork；以下简称：lan)或广域网(wideareanetwork；以下简称：wan)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本申请实施例还提供一种计算机程序产品，当上述计算机程序产品中的指令由处理器执行时，执行本申请实施例提供的照片清理方法。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(programmablegatearray；以下简称：pga)，现场可编程门阵列(fieldprogrammablegatearray；以下简称：fpga)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。