遥感影像多光谱与全色IHS融合

最新推荐文章于 2024-04-24 12:06:59 发布
最新推荐文章于 2024-04-24 12:06:59 发布
阅读量1.3w 收藏 100
点赞数 7
分类专栏： 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/TimeThief_Xuan/article/details/46648737
版权

目前常用的颜色模型一种是RGB三原色模型，另外一种广泛采用的颜色模型是亮度、色调、饱和度（(IHS)颜色模型。亮度表示光谱的整体亮度大小，对应于图像的空间信息属性，色调描述纯色的属性，决定于光谱的主波长，是光谱在质的方面的区别，饱和度表征光谱的主波长在强度中的比例，色调和饱和度代表图像的光谱分辨率。
IHS变换图像融合就是建立在IHS空间模型的基础上，其基本思想就是在IHS空间中，将低空间分辨率的多光谱图像的亮度分量用高空间分辨率的灰度图象替换。
IHS变换融合法基本流程：
这里写图片描述
基本步骤：
(1) 将多光谱影像重采样到与全色影像具有相同的分辨率。
(2) 将多光谱图像的Ｒ、Ｇ、Ｂ三个波段转换到IHS空间，得到Ｉ、Ｈ、Ｓ三个分量；
(3) 以Ｉ分量为参考，对全色影像进行直方图匹配
(4) 用直方图匹配后的全色影像替代Ｉ分量，然后同Ｈ、Ｓ分量一起逆变换到RGB空间，从而得到融合图象，

RGB与IHS变换的基本公式：
RGB->HIS:
这里写图片描述
HIS->RGB:
这里写图片描述这里写图片描述这里写图片描述

代码：

 void RGBtoHIS(uchar r,uchar g,uchar b,float* HIS)
 {
    float H;
    float I;
    float S;

    float angle;
    float R,G,B;
    R=((float)r)/255.0;         //归一化
    G=((float)g)/255.0;
    B=((float)b)/255.0;


    I=(R+G+B)/3.0;
    S=1-min(min(R,G),B)/I;
    if (S ==0)
    {
        H = 0;
    }
    if (r == g && r ==b)
    {
        b = 0;
    }
    else
    {
        angle=acos(0.5*(R-G+R-B)/(sqrt((R-G)*(R-G)+(R-B)*(G-B))));
        angle=angle*180.0/PI;
    }
    if (B>G)
    {
        H=360-angle;        //H量计算
    }
    else
    {
        H=angle;
    }


    H=H*255.0/360.0;
    I=I*255.0;
    S=S*255.0;

    HIS[0]=H;
    HIS[1]=I;
    HIS[2]=S;
 }
void HIStoRGB(float H,float I,float S,float* m)
{
    float s=(S)/255;
    float i=(I)/255;
    float h=(H)*360/255;
    if (h<0)
    {h=h+360;
    }
    if(h<120&&h>=0)
    {
        m[0]=i*(1.0+((s*cos(h*PI/180))/cos((60-h)*PI/180)));
        m[2]=i*(1.0-s);
        m[1]=3.0*i-(m[0]+m[2]);
    }

    if(h<240&&h>=120)
    {
        h=h-120;
        m[1]=i*(1.0+((s*cos(h*PI/180))/cos((60-h)*PI/180)));
        m[0]=i*(1.0-s);
        m[2]=3.0*i-(m[0]+m[1]);
    }
    if(h>=240&&h<=360)
    {
        h=h-240;
        m[2]=i*(1.0+((s*cos(h*PI/180))/cos((60-h)*PI/180)));
        m[1]=i*(1.0-s);
        m[0]=3*i-(m[1]+m[2]);
    }
    m[0]=(m[0]*255);
    m[1]=(m[1]*255);
    m[2]=(m[2]*255);
}
void imageFusion()
{
    dlg=new InPutDialog(this);
    dlg->exec();

    QString pan = "D:/img/GF1_pan_1_1.tif";
    QByteArray ba = pan.toUtf8();
    const char *str = ba.data();
    GDALDataset *picPan = (GDALDataset*)GDALOpen(str,GA_ReadOnly);

    QByteArray ba1 =dlg->stringpicR.toUtf8();
    const char *str1=ba1.data();
    GDALDataset *picR1=(GDALDataset*)GDALOpen(str1,GA_ReadOnly);

    const char* path1 = "D:\\Data\\matchR.tif";
    HistogramMatch(picR1,picPan,path1);

    QByteArray ba2 =dlg->stringpicG.toUtf8();
    const char *str2=ba2.data();
    GDALDataset *picG1=(GDALDataset*)GDALOpen(str2,GA_ReadOnly);

    const char* path2 = "D:\\Data\\matchG.tif";
    HistogramMatch(picG1,picPan,path2);

    QByteArray ba3 =dlg->stringpicB.toUtf8();
    const char *str3=ba3.data();
    GDALDataset *picB1=(GDALDataset*)GDALOpen(str3,GA_ReadOnly);

    const char* path3 = "D:\\Data\\matchB.tif";
    HistogramMatch(picB1,picPan,path3);

    GDALDataset *picR=(GDALDataset *)GDALOpen("D:\\Data\\pan.tif",GA_ReadOnly); 
    GDALDataset *picG=(GDALDataset *)GDALOpen("D:\\Data\\pan.tif",GA_ReadOnly); 
    GDALDataset *picB=(GDALDataset *)GDALOpen("D:\\Data\\pan.tif",GA_ReadOnly); 

    QByteArray ba4 =dlg->stringpicTotal.toUtf8();
    const char *str4=ba4.data();
    GDALDataset *picT=(GDALDataset*)GDALOpen(str4,GA_ReadOnly);

    int isrcwidth=picR->GetRasterXSize();
    int isrcheight=picR->GetRasterYSize();

    float *RDataBuff=new float[isrcwidth];
    float *GDataBuff=new float[isrcwidth];
    float *BDataBuff=new float[isrcwidth];
    float *TotalBuffer=new float[isrcwidth];

    GDALDriver *poDriver1=(GDALDriver*)GDALGetDriverByName("GTiff");
    GDALDataset *pDstH=poDriver1->Create("D:\\Data\\H.tif",isrcwidth,isrcheight,1,GDT_Byte,NULL);
    GDALDriver *poDriver2=(GDALDriver*)GDALGetDriverByName("GTiff");
    GDALDataset *pDstI=poDriver2->Create("D:\\Data\\I.tif",isrcwidth,isrcheight,1,GDT_Byte,NULL);
    GDALDriver *poDriver3=(GDALDriver*)GDALGetDriverByName("GTiff");
    GDALDataset *pDstS=poDriver3->Create("D:\\Data\\S.tif",isrcwidth,isrcheight,1,GDT_Byte,NULL);
    GDALDriver *poDriver4=(GDALDriver*)GDALGetDriverByName("GTiff");
    //GDALDataset *HighPic=poDriver4->Create("D:\\Data\\result.tif",isrcwidth,isrcheight,3,GDT_Float32,NULL);
    GDALDataset *HighPic=poDriver4->Create("D:\\Data\\result.tif",isrcwidth,isrcheight,3,GDT_Byte,NULL);

    float *HBuffer=new float[isrcwidth];
    float *IBuffer=new float[isrcwidth];
    float *SBuffer=new float[isrcwidth];
    uchar m1,m2,m3;
    float m[3];
    QProgressDialog *dlg1=new QProgressDialog("RGB转HIS","OK",0,isrcheight,this);
    QProgressDialog *dlg2=new QProgressDialog("HIS转RGB","OK",0,isrcheight,this);
    for(int i=0;i<isrcheight;i++)
    {
        dlg1->setWindowModality(Qt::WindowModal);
        dlg1->show();
        picR->GetRasterBand(1)->RasterIO(GF_Read,0,i,isrcwidth,1,RDataBuff,isrcwidth,1,GDT_Float32,0,0);
        picG->GetRasterBand(1)->RasterIO(GF_Read,0,i,isrcwidth,1,GDataBuff,isrcwidth,1,GDT_Float32,0,0);
        picB->GetRasterBand(1)->RasterIO(GF_Read,0,i,isrcwidth,1,BDataBuff,isrcwidth,1,GDT_Float32,0,0);
        for(int j=0;j<isrcwidth;j++)
        {
            m1=RDataBuff[j];
            m2=GDataBuff[j];
            m3=BDataBuff[j];
            RGBtoHIS(m1,m2,m3,m);
            HBuffer[j]=m[0];
            IBuffer[j]=m[1];
            SBuffer[j]=m[2];
        }
        dlg1->setValue(i);
        QCoreApplication::processEvents();
        if (dlg1->wasCanceled())
        {break;
        }
        pDstH->GetRasterBand(1)->RasterIO(GF_Write,0,i,isrcwidth,1,HBuffer,isrcwidth,1,GDT_Float32,0,0);
        pDstI->GetRasterBand(1)->RasterIO(GF_Write,0,i,isrcwidth,1,IBuffer,isrcwidth,1,GDT_Float32,0,0);
        pDstS->GetRasterBand(1)->RasterIO(GF_Write,0,i,isrcwidth,1,SBuffer,isrcwidth,1,GDT_Float32,0,0);
    }
    dlg1->setValue(isrcheight);

    const char* path = "D:\\Data\\pan.tif";

    HistogramMatch(picT,pDstI,path);

    float *RBuff=new float[isrcwidth];
    float *GBuff=new float[isrcwidth];
    float *BBuff=new float[isrcwidth];
    //DT_8U *RBuff=new DT_8U[isrcwidth];
    //DT_8U *GBuff=new DT_8U[isrcwidth];
    //DT_8U *BBuff=new DT_8U[isrcwidth];

    float n[3];
    float n1,n2,n3;
    GDALDataset *trans_I=(GDALDataset *)GDALOpen("D:\\Data\\pan.tif",GA_ReadOnly);

    for(int i=0;i<isrcheight;i++)
    {
        dlg2->setWindowModality(Qt::WindowModal);
        dlg2->show();
        pDstH->GetRasterBand(1)->RasterIO(GF_Read,0,i,isrcwidth,1,HBuffer,isrcwidth,1,GDT_Float32,0,0);
        pDstS->GetRasterBand(1)->RasterIO(GF_Read,0,i,isrcwidth,1,SBuffer,isrcwidth,1,GDT_Float32,0,0);
        trans_I->GetRasterBand(1)->RasterIO(GF_Read,0,i,isrcwidth,1,TotalBuffer,isrcwidth,1,GDT_Float32,0,0);
        for (int j=0;j<isrcwidth;j++)
        {
            n1=HBuffer[j];
            n2=TotalBuffer[j];
            n3=SBuffer[j];
            HIStoRGB(n1,n2,n3,n);
            RBuff[j]=n[0];
            GBuff[j]=n[1];
            BBuff[j]=n[2];
        }
        dlg2->setValue(i);
        QCoreApplication::processEvents();
        if (dlg2->wasCanceled())
        {break;
        }
        HighPic->GetRasterBand(1)->RasterIO(GF_Write,0,i,isrcwidth,1,RBuff,isrcwidth,1,GDT_Float32,0,0);
        HighPic->GetRasterBand(2)->RasterIO(GF_Write,0,i,isrcwidth,1,GBuff,isrcwidth,1,GDT_Float32,0,0);
        HighPic->GetRasterBand(3)->RasterIO(GF_Write,0,i,isrcwidth,1,BBuff,isrcwidth,1,GDT_Float32,0,0);
    }
    dlg2->setValue(isrcheight);

    delete[] RBuff;
    delete[] GBuff;
    delete[] BBuff;
    delete[] RDataBuff;
    delete[] GDataBuff;
    delete[] BDataBuff; 
    delete[] TotalBuffer;
    delete[] HBuffer;
    delete[] IBuffer;
    delete[] SBuffer;
    GDALClose((GDALDatasetH)trans_I);
    GDALClose((GDALDatasetH)picR);
    GDALClose((GDALDatasetH)picG);
    GDALClose((GDALDatasetH)picB);
    GDALClose((GDALDatasetH)picT);
    GDALClose((GDALDatasetH)pDstS);
    GDALClose((GDALDatasetH)pDstI);
    GDALClose((GDALDatasetH)pDstH);
    GDALClose((GDALDatasetH)HighPic);
}
void HistogramMatch(GDALDataset * poDSPan, GDALDataset * poDSI, const char* str)
{
    int iWidth = poDSI->GetRasterXSize();
    int iHeight = poDSI->GetRasterYSize();
    int Size = iWidth * iHeight;
    //计算I分量的累计直方图
    float fpPro[256];
    memset( fpPro, 0, sizeof(float) * 256 );
    GDALRasterBand *poBand_I = poDSI->GetRasterBand(1);
    int anHistogram_I[256];
    poBand_I->GetHistogram( -0.5, 255.5, 256, anHistogram_I, FALSE, FALSE, GDALDummyProgress, NULL );
    //直方图归一化          
    for (int i = 0; i < 256; i++)
    {
        fpPro[i] = (float) anHistogram_I[i] / Size;
    }
    //计算累计直方图  
    float temp1[256];
    for (int i = 0; i < 256; i++)
    {
        if( i == 0 )
            temp1[0] = fpPro[0];
        else
            temp1[i] = temp1[i-1] + fpPro[i];
        fpPro[i] = temp1[i];
    } 

    //计算Pan波段的累计直方图
    float pPro[256];
    memset( pPro, 0, sizeof(float) * 256 );
    GDALRasterBand *poBand_Pan = poDSPan->GetRasterBand(1);
    int anHistogram_Pan[256];
    poBand_Pan->GetHistogram( -0.5, 255.5, 256, anHistogram_Pan, FALSE, FALSE, GDALDummyProgress, NULL );
    //直方图归一化          
    for (int i = 0; i < 256; i++)
    {
        pPro[i] = (float) anHistogram_Pan[i] / Size;
    }
    //计算累计直方图
    float temp2[256];
    for (int i = 0; i < 256; i++)
    {
        if( i == 0 )
            temp2[0] = pPro[0];
        else
            temp2[i] = temp2[i-1] + pPro[i];
        pPro[i] = temp2[i];
    } 

    //确定映射关系//
    unsigned char Map[256];
    for ( int i = 0; i < 256; i++ )
    {
        int c = 0;                           //最接近的规定直方图灰度级变量//
        float min_value = 1.0;              //最小差值变量//
        //枚举规定直方图各个灰度//
        for ( int j = 0; j < 256; j++ )
        {
            float now_value = 0.0;         //当前插值变量//
            //差值计算//
            if( pPro[i]-fpPro[j] >= 0.0f )
                now_value = pPro[i] - fpPro[j];
            else
                now_value = fpPro[j] - pPro[i];
            //寻找最接近的规定直方图灰度级//
            if( now_value < min_value )
            {
                c = j;                      //最接近的灰度级//
                min_value = now_value;      //最小差值//
            }
        }
        //建立灰度映射表//
        Map[i] = unsigned char( c );
    }
    //一一进行映射
    unsigned char * poDataPan = new unsigned char[Size];
    unsigned char * poNewDataPan = new unsigned char[Size];
    poBand_Pan->RasterIO(GF_Read, 0, 0, iWidth, iHeight, poDataPan, iWidth, iHeight, GDT_Byte,0,0);
    int m = 0;
    for ( int ny = 0; ny < iHeight; ny++ )
    {
        for ( int nx = 0; nx < iWidth; nx++ )
        {   
            unsigned char x = poDataPan[m];
            poNewDataPan[m] = (unsigned char)( Map[x] + 0.5f );
            m++;
        }
    }


    GDALDriver * poDriver = (GDALDriver *)GDALGetDriverByName("GTiff");
    GDALDataset * poDSResult = poDriver->Create(str,iWidth,iHeight,1,GDT_Float32,NULL);
//  GDALDataset * poDSResult = poDriver->Create("D:\\Data\\pan.tif",iWidth,iHeight,1,GDT_Float32,NULL);
    poDSResult->GetRasterBand(1)->RasterIO(GF_Write,0,0,iWidth,iHeight,poNewDataPan,iWidth,iHeight,GDT_Byte,0,0);
    GDALClose((GDALDatasetH) poDSResult); 
}

代码主要包含了三个函数，顾名思义为从RGB->HIS、HIS->RGB和直方图匹配三个函数，前两个比较好搞定，直方图匹配费了较大力气，其中用了Qt和gdal, Qt主要是用来显示。

“`

TimeThief_Xuan
关注
  • 7
    点赞
  • 踩
  • 100
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
【ArcGIS Pro微课1000例】0027：高分卫星全色影像与多光谱影像融合提高分辨率教程
「 刘一哥与GIS的故事」
07-12 2195
本文讲解ArcGIS Pro中图像增强：高分卫星影像融合（全色影像+多光谱影像）操作案例教程。图像融合是指将不同类型传感器的影像进行融合，既能使图向具有较高的空间分辨率，又具有多光谱的特性。除了遥感软件如Erdas、Envi等能进行图像融合，ArcGIS及ArcGIS Pro软件也可以进行图像融合等图像增强操作。
PCA算法融合多光谱图像和全色图像（附图像）
11-04
PCA算法融合多光谱图像和全色图像，附全色影像和多光谱影像，调试通过，每一行都有详细注释
基于受限的非负矩阵分解的多光谱和全色遥感影像融合
02-20
为了有效去除遥感影像中数据冗余问题,提出了一种基于受限的非负矩阵分解的影像融合算法,利用矩阵的非负性实现了中巴卫星多光谱影像和Landsat ETM+高分辨率全色影像的融合.实验结果表明,与IHS变换,小波变换等传统融合方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,同时具有较高的峰值信噪比.
ENVI操作：GF2影像全色与多光谱融合
最新发布
weixin_45905741的博客
04-24 2109
ENVI 处理 GF2影像需利用特定的 App 插件进行处理；进入下述官方网站，点击 下载 即可；仅支持 ENVI 5.3.1 以上版本的软件；下载地址：https://envi.geoscene.cn/appstore/
基于IHS变换的遥感影像融合方法研究
02-27
基于IHS变换的遥感影像融合方法研究，张建平，王崇倡，为了解决全色影像具有较高的空间分辨率但缺乏光谱信息；多光谱影像光谱分辨率高，光谱信息丰富，但其空间分辨率低的技术问题。本
【图像融合】位置无关的相对辐射校正LIRRN双时相遥感图像融合【含Matlab源码 4278期】
Matlab武动乾坤的博客
04-13 734
位置无关的相对辐射校正LIRRN双时相遥感图像融合 完整的代码，方可运行；可提供运行操作视频！适合小白！
【遥感综述】
weixin_43690932的博客
01-12 2100
仅供自己参考
遥感影像的全色、多光谱、高光谱图像
大彤小忆的博客
10-20 1万+
1. 全色图像2. 多光谱图像3. 高光谱图像4. RGB图像   遥感成像原理： 光进入相机镜头，光电感应装置将光信号转换为电信号，量化电脉冲信号，记录为一个像素值。传感器响应函数设计为，要使光电感应装置产生这个电脉冲信号，光子强度必须达到一个阈值。进入镜头的光子数量取决于相机的感受野大小，镜头能通过的光子。多光谱图像要分出多个波段，镜头会分光，红滤镜只过红光，蓝滤镜只通过蓝光，假设相同的光打到全色与多光谱镜头上，显然因为滤光的缘故，多光谱感光器接收到的光子要少于全色感光器。而这些光子已经足够全色产生电.
光谱、多光谱技术、高光谱技术以及遥感中的应用
m0_47005029的博客
03-28 2883
遥感（Remote Sensing），可以理解为遥远的感知。遥感技术利用搭载在遥感平台上面的传感器对目标地物发射或反射的电磁波信息记录下来而形成遥感影像。其中分辨率作为传感器成像系统对输出影像细节辨别能力的一种度量，是遥感影像应用价值的重要技术指标，而对“影像细节”的不同度量则形成了多种不同类型的分辨率，主要有和。
基于IHS变换的图像融合
Dandelion_2的博客
07-23 1万+
典型的图像融合方法也是比较简单的图像融合方法，但也是目前应用最广泛的图像融合方法。 目前，常用的颜色模型一种是通常采用的红、黄、绿(RGB)三原色模型。另外一种广泛应用的颜色模型是强度、色调、饱和度(IHS) 颜色模型。IHS颜色模型适合于人的直觉的配色方法，因而成为彩色图像处理最常用的颜色模型。强度表示光谱的整体亮度大小，对应于图像的空间分辨率，色调描述纯色的属性，决定与光谱的主波长，是光谱在质...
基于遥感的自然生态环境检测——实验二：多光谱与全色影像的配准和融合
chengzilhc的博客
04-18 976
影像融合时，TM影像为低分辨率影像，SPOT影像为高分辨率影像，融合后可以2%线性拉伸显示。采用快速大气校正方便快捷。融合、裁剪、校正结果符合预期。影像预处理是实验的基础，要认真对待。
高光谱遥感项目.rar 包含光谱匹配、遥感影像融合、分类，本资源包含matlab源码、项目汇报ppt、项目结课报告
12-30
本资源包含matlab源码、项目汇报ppt、项目结课报告 该项目包含三个模块，第一块是光谱交叉相关匹配，第二块是遥感影像融合中的遥感影像多光谱与全色IHS融合、第三块是遥感影像分类中的基于ENVI的遥感影像分类。
IHS融合.zip_IHS图像融合_ihs融合_彩色图像_彩色图像融合
07-15
例如，在遥感图像处理中，可以结合多光谱图像和全色图像的优势，提高目标识别和分类的准确性。在医学成像中，可以结合不同模态的图像，如CT和MRI，提供更全面的病灶观察。在地理信息系统中，可以融合不同时间或不同...
matlab-基于IHS的高分辨全色影像和低分辨率多光谱影像融合-源码
09-29
综上所述，这个MATLAB源码包提供了一个实际的遥感图像处理解决方案，特别是针对高分辨率全色影像与低分辨率多光谱影像融合的问题。对于学习遥感图像处理、MATLAB编程以及图像融合技术的学者和工程师来说，这是一个...
高光谱、多光谱与全色遥感影像的成像原理及相互融合
yeen123的博客
06-13 4967
consider the tradeoff between spectral resolution, spatial resolution, light throughput and etc.光的能量就这么多，成像端要么提高Spectral，要么提高Spatial，要么提高Throughput（否则就只能换设备）
【将高光谱、多光谱和全色图像进行融合】
weixin_43690932的博客
12-18 5029
仅供自己参考
【高光谱、多光谱和全色图像融合】
weixin_43690932的博客
01-10 4787
仅供自己参考
ENVI(二)——全色图像和多光谱图像融合
热门推荐
蘇丶的博客
04-25 2万+
全色和多光谱影像 1.ENVI工具栏Spectral----Gram-Schmidt Spectral Sharpening memory1和memory2就是我们刚才正射过得多光谱和全色影像 2.然后选择低分辨率的多光谱影像正射图像 3.然后选择高分辨率的正射图像 4.保存图像 选择要保存的融合后的图像右击 save selected fi...
图像处理系列——图像融合之色彩变换1（IHS）
nanke_yh的博客
05-17 1万+
谈到色彩变换融合算法，我们首先想到一般就是IHS变换融合算法了。其实色彩变换融合算法有很多种，根据其所用的颜色模型不同，会有不同的融合算法，比如HSV、HLS、IHLS等。当然超球体色彩空间变换（HCS）也属于该类。本文主要还是讲IHS融合变换算法，该方法的最大弊端是只能应用于波段数为3的多光谱影像数据源。 1、IHS融合算法原理 IHS(亮度（I，intensity）、色调（H...
遥感多光谱全色图像融合
05-18
遥感多光谱图像和全色图像是两种不同的遥感数据，一般情况下它们的空间分辨率和光谱分辨率都不相同。为了获得高精度的遥感信息，需要将它们进行融合。 多光谱图像包含多个波段的信息，能够提供物体的光谱信息，但其空间分辨率较低，难以识别小尺度物体和细节信息。全色图像则只包含单个波段的信息，但其空间分辨率较高，能够提供更为精细的地表特征信息。 因此，遥感多光谱图像和全色图像融合可以充分利用它们各自的优势，提高遥感图像的空间和光谱分辨率，从而更加准确地提取地物信息。 常用的遥感多光谱全色图像融合方法包括基于变换的方法、基于分解的方法、基于降维的方法等。其中，基于IHS变换的方法是较为常见的一种方法，它将多光谱图像和全色图像分别转换到亮度、色度和饱和度三个分量，然后将全色图像的亮度分量融合到多光谱图像的色度和饱和度分量中，最后再将融合后的三个分量转换回原始的RGB颜色空间。

“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