【Opencv3学习笔记 4】图像操作方法学习（C++源代码实现）

最新推荐文章于 2023-09-26 15:11:57 发布
最新推荐文章于 2023-09-26 15:11:57 发布
阅读量4.3k 收藏 9
点赞数 2
分类专栏： 机器学习 文章标签： opencv 计算机视觉 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/An_dy_code/article/details/123992127
版权

文章目录


所谓的图像处理方法，就是把图像以真正意义上的“ 图像”来进行处理，而不是作为抽象的数组意义。
我们使用图像结构与形态学中所定义的高层处理方法来完成特殊任务，比如滤波、腐蚀、膨胀等等操作。

1. 线性滤波

图像滤波的目的有两个：

  1. 抽出对象的特征作为图像识别的特征模式
  2. 消除噪音

要求也有两个：

  1. 不能损害原图的轮廓及边缘等重要信息
  2. 使得视觉效果好

几种常见的线性滤波器：

  • 低通滤波器：只允许低频率通过
  • 高通滤波器：只允许高频率通过
  • 带通滤波器：允许一定范围
  • 带阻滤波器：不允许一定范围
  • 全通滤波器：允许所有，仅改变相位关系
  • 陷滤波器：组织一个狭窄范围通过

大多数情况下我们可以认为：低通就是模糊，高通就是锐化

方框滤波

#include "opencv2/core/core.hpp" 
#include "opencv2/highgui/highgui.hpp" 
#include "opencv2/imgproc/imgproc.hpp" 
using namespace cv; 

//-----------------------------------【main( )函数】--------------------------------------------
//	描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main( )
{ 
	// 载入原图
	Mat image=imread("1.jpg"); 

	//创建窗口
	namedWindow( "方框滤波【原图】" ); 
	namedWindow( "方框滤波【效果图】"); 

	//显示原图
	imshow( "方框滤波【原图】", image ); 

	//进行方框滤波操作
	Mat out; 
	boxFilter( image, out, -1,Size(5, 5)); 

	//显示效果图
	imshow( "方框滤波【效果图】" ,out ); 

	waitKey( 0 );     
}

在这里插入图片描述

均值滤波

#include "opencv2/highgui/highgui.hpp" 
#include "opencv2/imgproc/imgproc.hpp" 
using namespace cv; 

//-----------------------------------【main( )函数】--------------------------------------------
//		描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main( )
{ 
	//【1】载入原始图
	Mat srcImage=imread("1.jpg"); 

	//【2】显示原始图
	imshow( "均值滤波【原图】", srcImage ); 

	//【3】进行均值滤波操作
	Mat dstImage; 
	blur( srcImage, dstImage, Size(7, 7)); 

	//【4】显示效果图
	imshow( "均值滤波【效果图】" ,dstImage ); 

	waitKey( 0 );     
}

在这里插入图片描述

高斯滤波

#include "opencv2/core/core.hpp" 
#include "opencv2/highgui/highgui.hpp" 
#include "opencv2/imgproc/imgproc.hpp" 
using namespace cv; 

//-----------------------------------【main( )函数】--------------------------------------------
//	描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main( )
{ 
	// 载入原图
	Mat image=imread("1.jpg"); 

	//创建窗口
	namedWindow( "高斯滤波【原图】" ); 
	namedWindow( "高斯滤波【效果图】"); 

	//显示原图
	imshow( "高斯滤波【原图】", image ); 

	//进行高斯滤波操作
	Mat out; 
	GaussianBlur( image, out, Size( 5, 5 ), 0, 0 ); 

	//显示效果图
	imshow( "高斯滤波【效果图】" ,out ); 

	waitKey( 0 );     
}

在这里插入图片描述

2. 非线性滤波

非线性滤波，如中值滤波器（对椒盐噪点有更好的清除作用）有时能达到更好的效果

中值滤波

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

//-----------------------------------【命名空间声明部分】---------------------------------------
//	描述：包含程序所使用的命名空间
//-----------------------------------------------------------------------------------------------  
using namespace cv; 

//-----------------------------------【main( )函数】--------------------------------------------
//	描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main( )
{ 
	// 载入原图
	Mat image=imread("1.jpg"); 

	//创建窗口
	namedWindow( "中值滤波【原图】" ); 
	namedWindow( "中值滤波【效果图】"); 

	//显示原图
	imshow( "中值滤波【原图】", image ); 

	//进行中值滤波操作
	Mat out; 
	medianBlur ( image, out, 7);

	//显示效果图
	imshow( "中值滤波【效果图】" ,out ); 

	waitKey( 0 );     
}

在这里插入图片描述

双边滤波

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

//-----------------------------------【命名空间声明部分】---------------------------------------
//	描述：包含程序所使用的命名空间
//-----------------------------------------------------------------------------------------------  
using namespace cv;

//-----------------------------------【main( )函数】--------------------------------------------
//	描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main()
{
	// 载入原图
	Mat image = imread("1.jpg");

	//创建窗口
	namedWindow("双边滤波【原图】");
	namedWindow("双边滤波【效果图】");

	//显示原图
	imshow("双边滤波【原图】", image);

	//进行双边滤波操作
	Mat out;
	bilateralFilter(image, out, 25, 25 * 2, 25 / 2);

	//显示效果图
	imshow("双边滤波【效果图】", out);

	waitKey(0);
}

在这里插入图片描述

3. 形态学滤波

腐蚀和膨胀可以实现多种多样的功能：

  • 消除噪音
  • 分割元素
  • 寻找极值区域
  • 求出梯度

膨胀

使用dilate()函数

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>

//-----------------------------------【命名空间声明部分】---------------------------------------
//	描述：包含程序所使用的命名空间
//-----------------------------------------------------------------------------------------------  
using namespace std;
using namespace cv;

//-----------------------------------【main( )函数】--------------------------------------------
//	描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main(   )
{

	//载入原图  
	Mat image = imread("1.jpg");

	//创建窗口  
	namedWindow("【原图】膨胀操作");
	namedWindow("【效果图】膨胀操作");

	//显示原图
	imshow("【原图】膨胀操作", image);

	//进行膨胀操作 
	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
	Mat out;
	dilate(image, out, element);
	
	//方法二： 使用morphologyEx
	morphologyEx(image, image, MORPH_DILATE, element);
	
	//显示效果图 
	imshow("【效果图】膨胀操作", out);

	waitKey(0); 

	return 0;
}

在这里插入图片描述

腐蚀

使用erode()函数

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;

//-----------------------------------【main( )函数】--------------------------------------------
//	描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main(   )
{
	//载入原图  
	Mat srcImage = imread("1.jpg");
	//显示原图
	imshow("【原图】腐蚀操作", srcImage);
	//进行腐蚀操作 
	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
	Mat dstImage;
	erode(srcImage, dstImage, element);
	
	//方法二： 使用morphologyEx
	morphologyEx(image, image, MORPH_ERODE, element);

	//显示效果图 
	imshow("【效果图】腐蚀操作", dstImage);
	waitKey(0); 

	return 0;
}

在这里插入图片描述

开运算

就是先腐蚀再膨胀的过程，用来消除小物体，再纤细点分离物体，在平滑边界的同时不改变面积

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;

//-----------------------------------【main( )函数】--------------------------------------------
//		描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main()
{
	//载入原始图   
	Mat image = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图
	//创建窗口   
	namedWindow("【原始图】开运算");
	namedWindow("【效果图】开运算");
	//显示原始图  
	imshow("【原始图】开运算", image);
	//定义核
	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
	//进行形态学操作
	morphologyEx(image, image, MORPH_OPEN, element);
	//显示效果图  
	imshow("【效果图】开运算", image);
	waitKey(0);
	return 0;
}

在这里插入图片描述

闭运算

就是先膨胀再腐蚀的过程，消除小黑洞

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;


//-----------------------------------【main( )函数】------------------------------------------
//		描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main( )
{
	//载入原始图   
	Mat image = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图
	//创建窗口   
	namedWindow("【原始图】闭运算");  
	namedWindow("【效果图】闭运算");  
	//显示原始图  
	imshow("【原始图】闭运算", image);  
	//定义核
	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));  
	//进行形态学操作
	morphologyEx(image, image, MORPH_CLOSE, element);
	//显示效果图  
	imshow("【效果图】闭运算", image);  

	waitKey(0);  

	return 0;  
}

在这里插入图片描述

形态学梯度

形态学梯度是膨胀和腐蚀图的差

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;


//-----------------------------------【main( )函数】------------------------------------------
//		描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main( )
{
	//载入原始图   
	Mat image = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图
	//创建窗口   
	namedWindow("【原始图】形态学梯度");  
	namedWindow("【效果图】形态学梯度");  
	//显示原始图  
	imshow("【原始图】形态学梯度", image);  
	//定义核
	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));  
	//进行形态学操作
	morphologyEx(image, image, MORPH_GRADIENT, element);
	//显示效果图  
	imshow("【效果图】形态学梯度", image);  

	waitKey(0);  

	return 0;  
}

4. 漫水填充

用特定的颜色填充连通区域，用来标记或者分离图像的一部分，也可以用来获取掩码区域。

#include <opencv2/opencv.hpp>  
#include <opencv2/imgproc/imgproc.hpp>  
using namespace cv;  



//-----------------------------------【main( )函数】--------------------------------------------  
//      描述：控制台应用程序的入口函数，我们的程序从这里开始  
//----------------------------------------------------------------------------------------------- 
int main( )
{    
	Mat src = imread("1.jpg"); 
	imshow("【原始图】",src);
	Rect ccomp;
	floodFill(src, Point(50,300), Scalar(155, 255,55), &ccomp, Scalar(20, 20, 20),Scalar(20, 20, 20));
	imshow("【效果图】",src);
	waitKey(0);
	return 0;    
}

在这里插入图片描述

5. 图像金字塔与图片尺寸缩放

  • resize()函数
  • pyrUP()和pyrDown()函数，上采样和下采样

图像金字塔一般有：

  • 高斯金字塔
  • 拉普拉斯金字塔

resize()函数示例

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;

//-----------------------------------【main( )函数】--------------------------------------------
//		描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main()
{
	//载入原始图   
	Mat srcImage = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图
	Mat tmpImage, dstImage1, dstImage2;//临时变量和目标图的定义
	tmpImage = srcImage;//将原始图赋给临时变量

	//显示原始图  
	imshow("【原始图】", srcImage);

	//进行尺寸调整操作
	resize(tmpImage, dstImage1, Size(tmpImage.cols / 2, tmpImage.rows / 2), (0, 0), (0, 0), 3);
	resize(tmpImage, dstImage2, Size(tmpImage.cols * 2, tmpImage.rows * 2), (0, 0), (0, 0), 3);

	//显示效果图  
	imshow("【效果图】之一", dstImage1);
	imshow("【效果图】之二", dstImage2);

	waitKey(0);
	return 0;
}

在这里插入图片描述

pyrUP()和pyrDown()函数示例

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;
int main()
{
	//载入原始图   
	Mat srcImage = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图
	Mat tmpImage, dstImage;//临时变量和目标图的定义
	tmpImage = srcImage;//将原始图赋给临时变量

	//显示原始图  
	imshow("【原始图】", srcImage);
	//进行向上取样操作
	pyrUp(tmpImage, dstImage, Size(tmpImage.cols * 2, tmpImage.rows * 2));
	//显示效果图  
	imshow("【效果图1】", dstImage);

	pyrDown(tmpImage, dstImage, Size(tmpImage.cols / 2, tmpImage.rows / 2));
	//显示效果图  
	imshow("【效果图2】", dstImage);

	waitKey(0);

	return 0;
}

6. 阈值化

Threshold()函数、自适应阈值操作adaptiveThreshold()函数


#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace cv;
using namespace std;

#define WINDOW_NAME "【程序窗口】"        //为窗口标题定义的宏 


//-----------------------------------【全局变量声明部分】--------------------------------------
//		描述：全局变量的声明
//-----------------------------------------------------------------------------------------------
int g_nThresholdValue = 100;
int g_nThresholdType = 3;
Mat g_srcImage, g_grayImage, g_dstImage;


//-----------------------------------【main( )函数】--------------------------------------------
//		描述：控制台应用程序的入口函数，我们的程序从这里开始执行
//-----------------------------------------------------------------------------------------------
int main()
{
	
	//【1】读入源图片
	g_srcImage = imread("1.jpg");
	if (!g_srcImage.data) { printf("读取图片错误，请确定目录下是否有imread函数指定的图片存在~！ \n"); return false; }
	imshow("原始图", g_srcImage);

	//【2】存留一份原图的灰度图
	cvtColor(g_srcImage, g_grayImage, COLOR_RGB2GRAY);

	//【3】创建窗口并显示原始图
	namedWindow(WINDOW_NAME, WINDOW_AUTOSIZE);

	//调用阈值函数
	threshold(g_grayImage, g_dstImage, g_nThresholdValue, 255, g_nThresholdType);

	//更新效果图
	imshow(WINDOW_NAME, g_dstImage);
	
	waitKey();

	return 0;

}
Andy in boots
关注
  • 2
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
C/C++ 图像处理（13）------双目图像の深度图生成
weixinhum
10-21 1万+
双目图像可用于生成具有深度的三维图像，其是通过模仿动物双眼的工作机制而来。关于其相关的算法，现如今研究的人很多，但仍离动物双眼的视觉效果千里之遥，只能用在非常有限的范围之内。 近来由于项目所需，要用到双目图像生成深度图，因此做了些研究，然并未深入理解其原理，因而也不在此处做更多的讨论。 本篇文章记录下用网上给出的标志双目图像，且利用OpenCV提供的相关函数计算出双目图像的深度图的实现过程。
OpenCV实战——根据立体图像计算深度信息
盼小辉丶的博客
05-10 5966
人类可以用两只眼睛构建三个维度世界，而为机器人配备两个摄像头时，机器人同样也可以做到这一点，这称为立体视觉 (stereo vision)。安装在设备上的一对摄像机可以观察同一场景并由固定基线(即两个摄像机之间的距离)分隔。本节将介绍如何通过计算两个视图之间的深度对应关系根据两个立体图像计算深度图像。
C++图像金字塔下采样的函数
qq_46107892的博客
09-26 234
OpenCV 中用于图像金字塔下采样的函数
张正友相机标定Opencv实现以及标定流程&&标定结果评价&&图像矫正流程解析（附标定程序和棋盘图）
yaoyao123321000的博客
11-09 1393
张正友相机标定Opencv实现以及标定流程&&标定结果评价&&图像矫正流程解析（附标定程序和棋盘图）
OpenCV每日函数 图像过滤模块 (16) pyrDown下采样函数
学以致用 知行合一
06-13 993
模糊图像并对其进行下采样。默认情况下，输出图像的大小计算为 Size((src.cols+1)/2, (src.rows+1)/2)。该函数执行高斯金字塔构造的下采样步骤。 首先，它将源图像与内核进行卷积：然后，它通过拒绝偶数行和列来对图像进行下采样。............
opencv教程个人学习笔记总结及C++示例.zip
11-23
这个压缩包文件“opencv教程个人学习笔记总结及C++示例.zip”显然是一个学习OpenCV的资料集合，其中包含了一些用C++编写的示例代码，帮助初学者理解和实践OpenCV的功能。 首先，我们来看看这些示例文件名，它们揭示...
基于OpenCV和C++的水果识别、Qt界面、颜色识别、边缘检测、图像处理+源代码+文档说明
01-12
基于OpenCV和C++的水果识别、Qt界面、颜色识别、边缘检测、图像处理+源代码+文档说明 开发环境为C++、OpenVC、QT， 功能主要有 1. 调用OpenCV图像处理算法，如颜色提取、边缘检测、灰度直方图等 2. QT布局的界面 3....
OpenCv入门学习笔记.pdf
02-11
opencv入门学习文档，是根据个人学习记录的笔记总计三百多页，内含书签，文档简洁适合快速入门，了解图像处理，视频跟踪，神经网络等概念和基本原理，以及人脸识别案例在Opencv中的实现，内含了C++实现源代码。
基于OpenCV和C++的水果识别、Qt界面、颜色识别、边缘检测、图像处理+源代码+文档说明.zip
最新发布
06-19
基于OpenCV和C++的水果识别、Qt界面、颜色识别、边缘检测、图像处理+源代码+文档说明.zip个人大三学期的期末大作业、经导师指导并认可通过的高分大作业设计项目，评审分98分。主要针对计算机相关专业的正在做大作业...
opencv学习笔记_opencv_
10-01
在本"opencv学习笔记"中，我们将深入探讨OpenCV的核心概念、功能以及如何使用C++进行编程。 一、OpenCV基础 OpenCV最初由Intel公司开发，现在由它自己的非营利组织OpenCV.org维护。它的主要目标是提供高效和灵活的...
基于opencv的机器学习与结果预测
10-31
本例基于opencv，实现了决策树。随机森林 boost 并分别将训练得到的分离器用于预测
中值滤波和快速中值滤波算法源代码（含图像显示和打开，且可计时比较）
05-11
经典的中值滤波算法要求对窗口内的像素进行排序，当窗口尺寸较大时，处理速度很慢，不能满足计算机对图像处理的实时性要求。本文探讨了中值滤波的快速算法，旨在提高中值滤波处理速度。结果表明，快速算法可是处理时间大大减小。
opencv实现边缘检测的源代码
03-27
opencv 实现的数字图像边缘检测的源代码。非常详细
opencv_c++学习（二十九）
qq_52302919的博客
05-29 859
首先给出一个阈值k，后寻找距离黑色圆点最近的k个元素，占据比例大的元素即为黑色所属的类别。如图所示，即k=3时，黑色圆属于三角形，k=5时圆点属于正方形。trainData:训练时使用的数据，数据为Ptr类型。flags:构建模型方法标志，例如UPDATE_MODEL表示对使用新数据对模型进行更新。samplcs:输入数据矩阵，矩阵数据类型必须是cV_32。results:对输入数据预测结果的输出矩阵。flags:模型方法标志，取决于具体模型。
传统机器学习算法解析（opencv实现）
m0_63260018的博客
06-15 3600
文本主要解析在传统机器学习当中一些小的算法与思想，只是传统机器学习算法当中的一小部分，更多传统机器学习算法可参考我的另外几篇博客 链接1: PCA主成分分析 链接2: Canny边缘检测算法 链接3: K-Means聚类算法 链接4: SIFT算法分析opencv大坑之BGR opencv对于读进来的图片的通道排列是BGR，而不是主流的RGB！谨记！注意点什么是线性回归？ 举个例子，某商品的利润在售价为2元、5元、10元时分别为4元、10元、20元， 我们很容易得出商品的利润与售价的关系符合直线：y=2x.
【C++】基于opencv的数字图像处理系统（附源码）
qq_51307413的博客
12-12 4558
  这是基于opencv以及调用某位大佬cvui的库进行创作的图形化界面数字图像处理系统，该系统能对图像进行五种增强操作处理，分别是灰度图像log变换增强，彩色图像log变换增强，拉普拉斯算子增强，图像的反转以及图像的饱和度增强。完整代码在页尾，自取。 话不多说，上截图 源码地址: github(image-processing-System) 温馨提示：使用此代码前请先下载cvui库：cvui ...
opencv源码之中值滤波medianBlur_SortNet解读
Briwisdom的博客
01-07 1915
中值滤波，顾名思义，指的是对窗口内的数取中值，作为滤波处理的结果。如果不考虑优化的实现思路，就是把窗口内所有元素进行排序，然后取中间的值，排序算法的时间复杂度最小的是nlog(n)，也就是需要进行n*log(n)次比较，当n=9时候，对全部数据进行排序需要进行至少27次比较。这里，你肯定好奇，为什么B1，B2，B3是这样取A1，A2，A3的比较结果，C这样取B1，B2，B3的比较结果呢？B1汇聚了A1，A2，A3的最大值，B2汇聚了A1，A2，A3的中间值，B3汇聚了A1，A2，A3的最小值。
SLAM之特征点匹配与检测
LittleEmperor的博客
03-26 2922
根据高博《视觉SLAM十四讲》ORB特征点鲁邦性强，提取与匹配速度比SIFT特征点快，这篇文章给予ORB特征点以及opencv2.4.8库进行两幅特征点的特征提取与匹配。ORB特征提取与匹配分两部分，第一步提取FAST角点，即像素中一点的灰度值相对于周围的灰度值大于阈值即认为该点位特征点；第二部是计算描述因子，具体计算过程暂不知。这篇文章解决opencv2与3的差异开始使用如下代码cv::Ptr&...
OpenCV3 C++ 视频读取和跳转
lx1115104375的博客
06-23 849
视频读取以及添加进度条、手动跳转位置、显示播放进度等
彩色图像自动亮度调整方法 opencv c++代码实现
05-16
以下是OpenCV C++代码示例： ```c++ #include <opencv2/opencv.hpp> using namespace cv; int main() { // 读取彩色图像 Mat img = imread("test.jpg"); // 转换为灰度图像 Mat grayImg; cvtColor(img, ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值