关闭

身份证号码图像提取--基于canny边缘检测的连通域检测算法

标签: c++ 图像处理 opencv
4390人阅读 评论(2) 收藏 举报
分类:

在之前扫描二维码提取任务之后,工作中又需要将身份证图像中的身份证号码提取出来,然后给同事调用进行识别。之前的连通域检测算法比较“蛮力”,因为它一旦检测出一个大的区域,那么这区域中的所有内部区域都将不复存在了。所以在连通域检测时,需要第一步去掉周围可能存在的白边,否则就会失败。后来笔者换了一个思路,如果检测一个区域时保存对应生成该区域的点,该区域不符合要求的话就将这些点擦掉,从而就不会影响到内部的区域了。于是就有了一下算法的诞生:

(1)从左上角开始,从碰到的第一个白点开始探测最大的连通域,获取离该点小于max_dis的所有点,放到一个list中。

(2)然后遍历该列表,并将离每一个点距离小于max_dis的点都放到该list中。

(3)遍历结束后,计算包含list中所有点的最小rect区域。

(4)根据设定的目标区域特点,如长宽、长宽比等,来判断该区域是否满足要求,如果满足,则放到rectlist中。然后将该list中的所有点都置黑。转到(1)执行。

(5)如果rectlist为空,则没有获取到目标rect。如果>=1 则将之按照一个规则进行排序(应该是那个最主要的特征),然后输出最可能的那个rect。

算法过程演示如下:

原图:

色彩过滤(为了得到效果好一点的canny图):

canny图:

检测画框与擦除:

第一次 画框:

第一次擦除:

第二次画框:

第二次擦除

n次画框:

n次擦除:

最后的什么都没剩下:

得出结果:

详细算法代码如下:

FindIdCode.h


#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"

#include <iostream>
#include < io.h> 
#include <algorithm>
#include <stdio.h>
#include "opencv/cv.h"
#include "opencv/cxcore.h"
#include "opencv2/highgui/highgui_c.h"
#include "direct.h"
using namespace cv;
using namespace std;

class CGetIDCOde
{
public:
	CGetIDCOde();
	//删除文件 并返回string 值
	string getFilePath( const char * szBuf);
	//获取文件长度
	long  GetFileLength(const char * filepath);
	//过滤颜色
	void FilterColor(string strImgFileName);
	//找到目标连通域
	RECT FindTargetConnectedDomain();
	//将list中的点都设置成某一个颜色
	void SetPointListColor(Mat & srcImg, std::vector<cv::Point> pointList, int nColor);
	//根据点列表获取最小包含区域
	void GetRectFromPointList(std::vector<cv::Point>& pointList, RECT & rtRect);
	//获取与该点临近的点
	void GetNearPoint(Mat & srcImg,cv::Point currentPoint, std::vector<cv::Point> & pointList);
	//将一个box框画成某一个颜色
	void DrowBoxColor(Mat &srcImg, std::vector<RECT> &boxList, int nColor);
	//获取一个联通区域
	BOOL GetOneConnectedDomain(Mat & srcImg, std::vector<cv::Point>& pointList, RECT &rect);
	//将图像的某一个区域保存为图像
	void SavePicWithDestRect(string strSource, string strDest, RECT destRect);
	//获取身份证号图像区域
	RECT GetIdCode(const char * szSourceFile);
	//边缘检测
	int outLinePic2();

	char szCurrentPath[MAX_PATH]; 

	string strOrigin;
	string strSave1;
	string strSave1_1;
	string strSave2;
	string strSave3;
	string strSave4;
	string strSave5;
	string strSave3_0;
	string strSave3_1;
	string strSave3_2;
	string strSave3_3;
	string strSave6;
	string strSave7;
	string strSave8;
};

FindIdCode.cpp

#include "FindIdCode.h"


int   mMAX_DIS = 0;  
double fScale = 0.0;
#define  BOX_WIDTH  50
#define  BLACK  0
#define  MID_BLACK_WHITE 128
#define  WHITE 255

#define  RATE  0.2

//按照框的宽度排序 
BOOL SortByM5(RECT &v1, RECT &v2)
{
	int nWidth1 = v1.right - v1.left;
	int nHeight1 = v1.bottom - v1.top;
	int nWidth2 = v2.right - v2.left;
	int nHeight2 = v2.bottom - v2.top;

	float fRate1 = 1.0 * nWidth1 / nHeight1;
	float fRate2 = 1.0 * nWidth2 / nHeight2;

	if (fRate1 > fRate2)
	{
		return TRUE;
	}
	else
	{
		return FALSE;
	}
}

string CGetIDCOde::getFilePath( const char * szBuf)
{
	string str;
	str = szCurrentPath;
	str += "\\";
	str += szBuf;
	//删除已经存在的文件
	DeleteFile(str.c_str());
	return str;
}

long  CGetIDCOde::GetFileLength(const char * filepath)
{
	FILE* file = fopen(filepath, "rb");  
	if (file)  
	{  
		long size = filelength(fileno(file));  
		return size;
	} 
	else
	{
		return 0;
	}
}

//颜色过滤
void CGetIDCOde::FilterColor(string strImgFileName)
{
	uchar uDifferMax = 80;
	uchar rMax = 100;
	uchar bMax = 150;
	uchar gMax = 150;
	uchar uWhite = 255;
	uchar r,b,g;
	IplImage *workImg = cvLoadImage(strImgFileName.c_str(), CV_LOAD_IMAGE_UNCHANGED);
	//像素太高的进行缩放
	if (workImg->width > 900)
	{
		int nTargetWidth = 600;
		fScale = 1.0 * workImg->width / nTargetWidth; 
		CvSize czSize;
		//计算目标图像大小  
		czSize.width = nTargetWidth;
		czSize.height = workImg->height / fScale; 
		//IplImage *pSrcImage = cvLoadImage(strSave2.c_str(), CV_LOAD_IMAGE_UNCHANGED); 
		IplImage *pDstImage = cvCreateImage(czSize, workImg->depth, workImg->nChannels); 
		cvResize(workImg, pDstImage, CV_INTER_AREA); 
		cvReleaseImage(&workImg); 
		cvSaveImage(strSave1_1.c_str(),pDstImage);
		workImg = pDstImage;
	}
	for(int x=0;x<workImg->height;x++)  
	{  
		for(int y=0;y<workImg->width;y++)  
		{  

			b=((uchar*)(workImg->imageData+x*workImg->widthStep))[y*3+0];  
			g=((uchar*)(workImg->imageData+x*workImg->widthStep))[y*3+1];  
			r=((uchar*)(workImg->imageData+x*workImg->widthStep))[y*3+2];
			//偏色比较严重的
			//uchar uMax = max(max(b,g),r);
			//uchar uMin = min(min(b,g),r);
			//if ( uMax - uMin > uDifferMax)
			int nAbove = 0;
			if (b >= uDifferMax)
			{
				nAbove ++;
			}
			if (g >= uDifferMax)
			{
				nAbove ++;
			}
			if (r >= uDifferMax)
			{
				nAbove ++;
			}
			//有两个大于80 
			if(nAbove >= 2 || b > bMax || g > gMax || r > rMax)
			{
				((uchar*)(workImg->imageData+x*workImg->widthStep))[y*3+0] = uWhite;
				((uchar*)(workImg->imageData+x*workImg->widthStep))[y*3+1] = uWhite;
				((uchar*)(workImg->imageData+x*workImg->widthStep))[y*3+2] = uWhite;
			}
		}  
	}  
	cvSaveImage(strSave1.c_str(), workImg);
}

int CGetIDCOde::outLinePic2()
{
	Mat src = imread(strSave1.c_str());
	Mat dst;
	if (!src.empty())
	{

		//输入图像
		//输出图像
		//输入图像颜色通道数
		//x方向阶数
		//y方向阶数
		Sobel(src,dst,src.depth(),1,1);
		//imwrite("sobel.jpg",dst);

		//输入图像
		//输出图像
		//输入图像颜色通道数
		Laplacian(src,dst,src.depth());
		imwrite("laplacian.jpg",dst);

		//输入图像
		//输出图像
		//彩色转灰度
		cvtColor(src,src,CV_BGR2GRAY);  //canny只处理灰度图

		//输入图像
		//输出图像
		//低阈值
		//高阈值,opencv建议是低阈值的3倍
		//内部sobel滤波器大小
		//threshold1和threshold2 当中的小阈值用来控制边缘连接,大的阈值用来控制强边缘的初始分割。50 150
		Canny(src,dst,220,240,3);
		imwrite(strSave2.c_str(),dst);

		return 0;
	}
	else
	{
		cout<< "IMG is not exist!";
		return -1;
	}
}
void CGetIDCOde::SetPointListColor(Mat & srcImg, std::vector<cv::Point> pointList, int nColor)
{
	for (int i = 0; i < pointList.size(); i ++)
	{
		int x = pointList[i].x;
		int y = pointList[i].y;
		*(srcImg.data + srcImg.step[0] * y + srcImg.step[1] * x) = nColor;
	}
}

RECT CGetIDCOde::FindTargetConnectedDomain()
{
	Mat srcImg = imread(strSave2.c_str(), CV_LOAD_IMAGE_GRAYSCALE);
	//设定最大的距离
	mMAX_DIS = srcImg.cols * (1.0 * 9 / 400) + 1;
	int nMaxWidth = 0.6 * srcImg.cols;
	int nMaxHeight = 1.0 * 5 * srcImg.rows / 36 ;
	std::vector<cv::Point> pointList;
	//探测一个矩形连通域,判断是否符合目标特征,不符合删除找下一个。
	//找到一个放入vector中。
	std::vector<RECT> targetRectList;
	while(TRUE)
	{
		RECT rect;
		GetOneConnectedDomain(srcImg, pointList,rect);
		//判断该rect是否符合要求。
		int nWidth = rect.right - rect.left;
		int nHeight = rect.bottom - rect.top;
		// 300 20 
		float fRate = 1.0 * nWidth / nHeight;

		if (nHeight > 5 && nHeight < nMaxHeight && nWidth > 100 && nWidth < nMaxWidth   &&  fRate > 8 && fRate < 20)
		{
			//SavePicWithDestRect(strOrigin, strSave8, rect);
			targetRectList.push_back(rect);
			//break;
		}
		else
		{
			if (pointList.empty())
			{
				break;
			}
		}
		//置黑然后找下一个
		SetPointListColor(srcImg, pointList, BLACK);
		imwrite(strSave3_3.c_str(),srcImg);
		pointList.clear();
	}
	//有多个排序
	if (targetRectList.size() > 0)
	{
		sort(targetRectList.begin(), targetRectList.end(), SortByM5);
		//找到 提取图像 保存。
		RECT rect = targetRectList[0];
		rect.left -= mMAX_DIS;
		if (rect.left < 0)
		{
			rect.left = 0;
		}
		rect.top -= mMAX_DIS;
		if (rect.top < 0)
		{
			rect.top = 0;
		}
		rect.right += mMAX_DIS;
		if (rect.right > srcImg.cols)
		{
			rect.right = srcImg.cols;
		}
		rect.bottom += mMAX_DIS;
		if (rect.bottom > srcImg.rows)
		{
			rect.bottom = srcImg.rows;
		}
		if (fScale > 0.0)
		{
			rect.left *= fScale;
			rect.right*= fScale;
			rect.bottom *= fScale;
			rect.top *= fScale;
		}
		return rect;
		//SavePicWithDestRect(strOrigin, strSave8, rect);
	}
	else
	{
		//cout<< "find no numbers!";
		//getchar();
		RECT rect;
		rect.bottom = rect.top = rect.left = rect.right = 0;
		return rect;
	}

}

//保存图像
void CGetIDCOde::SavePicWithDestRect(string strSource, string strDest, RECT destRect)
{
	IplImage* src;  
	IplImage* dst;
	src = cvLoadImage(strSource.c_str(),1);  
	if(!src)  
	{
		return ;
	}
	cvSetImageROI(src,cvRect(destRect.left,destRect.top ,destRect.right - destRect.left, destRect.bottom - destRect.top));  
	dst = cvCreateImage(cvSize(destRect.right - destRect.left, destRect.bottom - destRect.top),  
		IPL_DEPTH_8U,  
		src->nChannels);  
	cvCopy(src,dst,0);  
	cvResetImageROI(src);   
	cvSaveImage(strDest.c_str(), dst);
	cvReleaseImage(&dst);
	cvReleaseImage(&src);
}
BOOL CGetIDCOde::GetOneConnectedDomain(Mat & srcImg, std::vector<cv::Point>& pointList, RECT &rect)
{
	int nWidth = srcImg.cols;
	int nHeight = srcImg.rows;
	int nXStart = 0;
	int nYStart = 0;
	BOOL bBlack = TRUE;
	BOOL bBreak = FALSE;
	int nWhite = 0;
	//找到第一个最上角的白点
	for (int y = 0; y < nHeight; y ++)
	{
		for (int x = 0; x < nWidth; x++)
		{
			int nPixel = (int)(*(srcImg.data + srcImg.step[0] * y + srcImg.step[1] * x));
			if (nPixel > MID_BLACK_WHITE)
			{
				nXStart = x;
				nYStart = y;
				cv::Point tempPint(nXStart,nYStart);
				pointList.push_back(tempPint);
				bBreak = TRUE;
				break;
			}
		}
		if (bBreak)
		{
			break;
		}
	}
	int nSize = pointList.size();
	//探测下一个点。
	for (int i = 0; i < nSize; i ++)
	{
		cv::Point currentPoint = pointList[i];
		GetNearPoint(srcImg, currentPoint, pointList);
		nSize = pointList.size();
		//如果超过4000个点则删除后重新再来
		if (nSize > 3000)
		{
			break;
		}
	}
	//对该pointList求最小包含的矩形框。
	GetRectFromPointList(pointList, rect);
	std::vector<RECT> tempTect;
	tempTect.push_back(rect);
	DrowBoxColor(srcImg,tempTect, WHITE);
	imwrite(strSave3_2.c_str(),srcImg);
	DrowBoxColor(srcImg,tempTect, BLACK);
	return TRUE;
}
void CGetIDCOde::GetRectFromPointList(std::vector<cv::Point>& pointList, RECT & rtRect)
{
	int nLeft = 0;
	int nTop = 0;
	int nRight = 0;
	int nBottom = 0;
	for(int i = 0; i < pointList.size(); i ++)
	{
		cv::Point tempPoint = pointList[i];
		if (i == 0)
		{
			nLeft = nRight = tempPoint.x;
			nTop = nBottom = tempPoint.y;
		}
		else
		{
			if (tempPoint.x < nLeft)
			{
				nLeft = tempPoint.x;
			}
			if (tempPoint.x > nRight)
			{
				nRight = tempPoint.x;
			}
			if (tempPoint.y < nTop)
			{
				nTop = tempPoint.y;
			}
			if (tempPoint.y > nBottom)
			{
				nBottom = tempPoint.y;
			}
		}
	}
	rtRect.left = nLeft;
	rtRect.top = nTop;
	rtRect.right = nRight;
	rtRect.bottom = nBottom;
}
void CGetIDCOde::GetNearPoint(Mat & srcImg,cv::Point currentPoint, std::vector<cv::Point> & pointList)
{
	//探测以该点为中心的 20 * 20范围的点。
	for (int y = max(0, currentPoint.y - mMAX_DIS); y < min(srcImg.rows, currentPoint.y + mMAX_DIS); y ++)
	{
		for (int x = max(currentPoint.x - mMAX_DIS, 0); x < min(srcImg.cols, currentPoint.x + mMAX_DIS); x ++)
		{
			int nPixel = (int)(*(srcImg.data + srcImg.step[0] * y + srcImg.step[1] * x));
			if (nPixel > MID_BLACK_WHITE)
			{
				cv::Point tempPint(x, y);
				//看该点是否已经放入list
				std::vector<cv::Point>::iterator itFind =  find( pointList.begin(), pointList.end(),tempPint);
				if (itFind == pointList.end())
				{
					pointList.push_back(tempPint);
				}
			}
		}
	}
}
//画框线为一个颜色
void CGetIDCOde::DrowBoxColor(Mat &srcImg, std::vector<RECT> &boxList, int nColor)
{
	int nResultSize = boxList.size();
	for (int i = 0; i < nResultSize; i ++)
	{
		RECT tempRect = boxList[i];
		//上下边线
		int y1 = tempRect.top;
		int y2 = tempRect.bottom;
		for (int x = tempRect.left;  x <= tempRect.right; x ++)
		{
			*(srcImg.data + srcImg.step[1] * x + srcImg.step[0] * y1) = nColor;
			*(srcImg.data + srcImg.step[1] * x + srcImg.step[0] * y2) = nColor;
		}
		//左右边线
		int x1 = tempRect.left;
		int x2 = tempRect.right;
		for (int y = tempRect.top; y <= tempRect.bottom; y ++)
		{
			*(srcImg.data + srcImg.step[1] * x1 + srcImg.step[0] * y) = nColor;
			*(srcImg.data + srcImg.step[1] * x2 + srcImg.step[0] * y) = nColor;
		}
	}
}

RECT CGetIDCOde::GetIdCode(const char * szSourceFile)
{
	CopyFile(szSourceFile, strOrigin.c_str(), FALSE);
	//文件大小 过小则不进行图像过滤
	RECT rect;
	rect.bottom = rect.top = rect.left = rect.right = 0;
	long nFileLen = GetFileLength(strOrigin.c_str());
	if (nFileLen == 0)
	{
		return rect;
	}
	else if (nFileLen > 7000 )
	{
		FilterColor(strOrigin);
	}
	else
	{
		CopyFile(strOrigin.c_str(), strSave1.c_str(),FALSE );
	}
	if (outLinePic2() == -1)
	{
		return rect;
	}
	return FindTargetConnectedDomain();

}

CGetIDCOde::CGetIDCOde()
{
	_getcwd(szCurrentPath,MAX_PATH);
	strOrigin = getFilePath("imageText.jpg");
	strSave1 = getFilePath("imageText_D.jpg");
	strSave1_1 = getFilePath("imageText_ReSize.jpg");
	strSave2 = getFilePath("canny.jpg");
	strSave3 = getFilePath("imageText_Clear0.jpg");
	strSave4 = getFilePath("imageText_Clear1.jpg");
	strSave5 = getFilePath("imageText_Clear2.jpg");
	strSave3_0 = getFilePath("imageText_Clear3_0.jpg");
	strSave3_1 = getFilePath("imageText_Clear3_1.jpg");
	strSave3_2 = getFilePath("imageText_Clear3_2.jpg");
	strSave3_3 = getFilePath("imageText_Clear3_3.jpg");
	strSave6 = getFilePath("imageText_Clear3.jpg");
	strSave7 = getFilePath("imageText_D.jpg");
	strSave8 = getFilePath("imageText_Clear4.jpg");
}

类的测试代码:

#include "../FindIdCode/FindIdCode.h"
using namespace std;

#ifdef _DEBUG
#pragma comment(lib, "Debug/FindIdCode.lib")
#else
#pragma comment(lib, "Release/FindIdCode.lib")
#endif



int main(int argc, char **argv)
{
	if(argc < 2) 
		return(1);

	CGetIDCOde getIdcode;
	//char* szSourceFile = "D:\\scan\\00000000000000000\\3032_024.jpg";
	//dll测试
	char* szSourceFile = argv[1];
	RECT rect = getIdcode.GetIdCode(szSourceFile);
	//CopyFile(szSourceFile,strOrigin.c_str(), FALSE);
	getIdcode.SavePicWithDestRect(szSourceFile, getIdcode.strSave8, rect);
	cout<<"the rect is "<<rect.left<<" "<<rect.top<<" "<<rect.bottom<<" "<<rect.right<<" ";
	return 0;


}


说明:

由于不断的进行循环检测,如果像素过高图片太大则耗时较多,而且边缘检测效果特别不好,所以程序中对于像素宽度大于900的则缩放到400。

程序运行效果的好坏直接影响因数是 canny图片的效果。所以对于不同特点的图片,可以调整canny函数的参数,如本例中采用的参数是:Canny(src,dst,220,240,3)。

色彩过滤:由于身份证有很多蓝色和红色的底纹,将rgb过大的色彩变成了白色。有时候并不一定会有好的效果,反而会让边缘增多,反而影响结果。另外如果图像特别模糊,最好也不要进行色彩过滤。

最后还是需要提醒一下opencv的环境问题。

0
0
查看评论

【OpenCV入门教程之十二】OpenCV边缘检测:Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑

本篇文章中,我们将一起学习OpenCV中边缘检测的各种算子和滤波器——Canny算子,Sobel算子,Laplace算子以及Scharr滤波器。文章中包含了五个浅墨为大家准备的详细注释的博文配套源代码。在介绍四块知识点的时候分别一个,以及最后的综合示例中的一个。 依然是是放出一些程序运行截图吧: 效...
  • zhmxy555
  • zhmxy555
  • 2014-05-11 22:14
  • 97969

【OpenCV入门指南】第三篇Canny边缘检测

【OpenCV入门指南】第三篇Canny边缘检测    图像的边缘检测的原理是检测出图像中所有灰度值变化较大的点,而且这些点连接起来就构成了若干线条,这些线条就可以称为图像的边缘。    Canny边缘检测算子是John F. Canny于...
  • MoreWindows
  • MoreWindows
  • 2012-12-05 10:11
  • 155958

OpenCV学习笔记(三):Canny边缘检测和滚动条制作

图像的边缘检测的原理是检测出图像中所有灰度值变化较大的点,而且这些点连接起来就构成了若干线条,这些线条就可以称为图像的边缘。     Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法。Canny&...
  • wangxuwen2
  • wangxuwen2
  • 2016-07-13 16:36
  • 637

【OpenCV学习笔记 004】 图像的缩放、Canny边缘检测和图像的二值化

本篇将介绍使用OpenCV来缩放图片。首先介绍几个关键函数——cvResize和cvCreateImage 一. 主要函数介绍 1.1 cvResize 函数功能:图像大小变换 函数原型: voidcvResize(   const CvArr* src,   CvArr* ...
  • DaveBobo
  • DaveBobo
  • 2016-06-30 23:26
  • 3372

【OpenCV入门指南】第三篇Canny边缘检测

【OpenCV入门指南】第三篇Canny边缘检测     图像的边缘检测的原理是检测出图像中所有灰度值变化较大的点,而且这些点连接起来就构成了若干线条,这些线条就可以称为图像的边缘。     Canny边缘检测算子是John F. Ca...
  • u014365862
  • u014365862
  • 2016-09-26 08:22
  • 571

OpenCV使用Canny边缘检测器实现图像边缘检测

纯粹阅读,请移步OpenCV使用Canny边缘检测器实现图像边缘检测效果图源码KqwOpenCVFeaturesDemoCanny边缘检测器是一种被广泛使用的算法,并被认为是边缘检测最优的算法,该方法使用了比高斯差分算法更复杂的技巧,如多向灰度梯度和滞后阈值化。Canny边缘检测器算法基本步骤 平滑...
  • q4878802
  • q4878802
  • 2016-08-19 17:18
  • 2308

opencv3中Canny边缘检测-Canny函数

#include #include using namespace cv; using namespace std; int g_nCurrValue = 0, g_nP = 0, g_nWay = 0; int main() { Mat srcImage = imread("1....
  • qq_23880193
  • qq_23880193
  • 2015-10-10 23:58
  • 2120

OpenCV(学习笔记5)-Canny边缘检测

首先将原图转换成灰度图,然后利用blur函数对图像进行模糊并以此来降噪,然后用canny函数进行边缘检测。#include<opencv2/opencv.hpp> // OpenCV图像处理头文件 #include<opencv2/imgproc/imgproc.hpp> u...
  • caicai_zju
  • caicai_zju
  • 2016-05-07 20:40
  • 1922

【OpenCV】Canny 边缘检测

Canny 边缘检测算法 1986年,JOHN CANNY 提出一个很好的边缘检测算法,被称为Canny编边缘检测器[1]。 Canny边缘检测根据对信噪比与定位乘积进行测度,得到最优化逼近算子,也就是Canny算子。类似与 LoG 边缘检测方法,也属于先平滑后求导数的方法。 使用Canny边...
  • xiaowei_cqu
  • xiaowei_cqu
  • 2012-08-08 10:17
  • 42237

OPENCV入门教程二十:Canny边缘检测

一、目标学习如何使用opencv中的函数,学习对图像进行边缘检测的操作,学习Canny()函数的使用二、函数说明函数原型:void Canny(InputArray image,OutputArray edges, double threshold1, double threshold2, int ...
  • ab1322583838
  • ab1322583838
  • 2016-08-13 14:27
  • 1731
    个人资料
    • 访问:36091次
    • 积分:438
    • 等级:
    • 排名:千里之外
    • 原创:21篇
    • 转载:9篇
    • 译文:0篇
    • 评论:8条
    最新评论