调查了解,现在市场上流行的各种处理图像的软件的功能大多是对照片添加各种各样的滤镜、磨皮、一键美肤等。但是基于图像质量对照片进行过滤筛选的软件少之甚少。事实上,开发能够对图像质量自行判断进行过滤筛选的软件对于市场来说是十分必要的,可以方便用户删除质量不好的照片,省去大量人工筛选的麻烦。市场上已经有基于安卓平台的此类应用软件,但还没有基于IOS平台的,所以就有了本文的研究与实现。本文的主要目的是在IOS移动端用智能化的图像质量的评价来代替耗时耗力的主观评价,也就是说需要将图像质量评价的算法移植到IOS移动端以满足移动端实时使用,所以对图像质量的评价不仅要考虑算法准确度,而且要考虑算法速度。本文将无参考型图像质量的评价归类为模糊图像、曝光过亮和曝光过暗图像、背影图像、单调图像的研究。半参考型图像则只考虑相似图像。在研究的过程中着重对模糊图像以及相似图像进行了深入的研究。针对模糊图像,在原有的将图像局部模糊边缘作为神经网络的输入来评价图像模糊算法的基础上提出了一种改进的算法:首先,本文在特征提取时使用Canny算子替代Sobel算子进行边缘检测;其次,在计算边缘模糊程度的时候使用4*4的邻域矩阵取消了原有的方向上的局限性。实验证明此算法的改进具有更高的准确性。为了接近用户的个人喜好,在移动端使用的过程中对神经网络进行在线的训练,并且考虑到iPhone手机的内存、运算速度以及神经网络训练的耗时性将其在线训练的过程移植到服务器端进行。针对相似图像,本文使用ORB作为图像的特征描述,为了提高该算法的准确率,本文将特征向量和特征点坐标同时作为该图像特征的描述进行处理。其次,通过灰度直方图的方差对曝光过亮和曝光过暗的图像进行了评价;结合人脸检测和行人检测算法对背影图像做出了准确的判断;另外还提出了一种基于RGB颜色降维去统计相似颜色个数的方法去评价图像的单调性。本论文基于iPhone手机进行设计与测试,经过大量实验验证了所提方法的可实时性。