图像处理 真彩色增强

最新推荐文章于 2024-05-17 15:53:50 发布
最新推荐文章于 2024-05-17 15:53:50 发布
阅读量1.1w 收藏 117
点赞数 17
文章标签： 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/qq_33369187/article/details/89704838
版权

图像处理与识别真彩色增强

交流探讨，微信关注公众号：十三的梦

一、真彩色增强原理

在图像的自动分析中，彩色是一种能简化目标提取和分类的重要参量。在彩色图像处理中，选择合适的彩色模型是很重要的。电视摄像机和彩色扫描仪都是根据RGB模型工作的。为在屏幕上显示彩色图一定要借用RGB模型，但HSI模型在许多处理中有其独特的优点。
HSI模型反应了人的视觉系统观察彩色的方式，使用非常接近于人对彩色感知的方式来定义彩色。对于图像处理来说，这种模型的优势在于将颜色信息和灰度信息分开了。色调(Hue)分量是描述一种纯色的颜色属性(如红色，绿色，黄色)，饱和度(Saturation)分量是一种纯色被白光稀释的程度的度量，也可以理解为颜色的浓淡程度(如深红色，淡绿色)，亮度(Instensity)分量描述颜色的亮暗程度。这个模型的建立基于以下两个重要事实：
（1） I分量与图像的色彩信息无关
（2） H和S分量与人感受颜色的方式紧密相连
先讨论一组R、G、B分量图和一组H、S、I分量图在表示中的异同。一副真彩色RGB图可用24位表示，R、G、B各8位，即每个像素在R、G、B分量图中各取256个值。将R、G、B都归一化到[0,1]范围，相邻值间的差是1/255。一副真彩色RGB图也可用H、S、I各8位的三个分量提表示。这里不同的色调（H）图中的像素值是用角度作单位的，当用8位表示时，256个值分布在[0,360]之间，所以相邻值的差是n（360/255）。其中n=0,1,…,255。
如果将RGB图转化为HSI图，亮度分量就和色度分量分开了，灰度图的增强方法就可以使用了。

二、基础知识

1、RGB到HSI转换

RGB 向HSI 模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。基本要求是将RGB 中的亮度因素分离，将色度分解为色调和饱和度，并用角向量表示色调，如图1所示。
图1 RGB与HSI模型示意图
RGB转换至HSI：
色调：在这里插入图片描述 ，其中，在这里插入图片描述
饱和度：在这里插入图片描述
亮度： 在这里插入图片描述
证明：
HSI模型采用三棱锥还是圆锥或者圆柱都没有影响，因为它们之间可以直接相互映射，所以三者是等价的。这里用三角形来证明。
假设RGB值已经归一化。归一化方法为：
在这里插入图片描述
即求出各个基色的强度所占的比例。注意到r,g,b实际上代表了各个三原色的强度占总体的比例，所以显然满足如下条件:
在这里插入图片描述
图2 HSI彩色三角模型与彩色立体模型

图3 HSI彩色三角模型推导图示

另外仔细观察上图中的正三棱锥上的面PBPGPR，该平面上的任意一点都代表了R值G值B值满足比例条件的色点。比如该平面上的点(0.5,0.2,0.3)代表的所R:G:B=0.5:0.2:0.3的点。

2、HSI到RGB转换

在[0,1]内给出HSI值，现在要在相同的值域找到RGB值，可利用H值公式。在原始色分割中有3个相隔120度的扇形，从H乘以360开始，这时色调值返回原来的[0,360]的范围。
RG扇形（0<H<120）:当H位于这一扇形区时，RGB分量由下式给出：
在这里插入图片描述
GB扇区（120<H<240）：如果给定的H值在这一扇区，首先从H中减去120，即：H=H-120。RGB分量为：
在这里插入图片描述
BR扇区（240<H<360）:最后，如果H在这一扇区，从H中减去240：H=H-240。RGB分量为：
在这里插入图片描述
其证明过程即为由RGB图像转换为HSI图像的逆过程。

3、灰度变换增强的方法

灰度变换法可分为：线性、分段线性和非线性变换。
（1）线性灰度变换
原理：当图像由于成像时曝光不足或过度，由于成像设备的非线性或图像记录设备动态范围太窄等因素，都会产生对比度不足的弊病，使图像中的细节分辨不清。这时如将图像灰度线性扩展，常能显著改善图像的主观质量。假设原图像f(x,y)的灰度范围是[a,b]，希望变换后图像的灰度范围扩展到[c,d]，则可采用如下的线性变换来实现：
在这里插入图片描述
其中Mj表示f（x，y）的最大值。该线性灰度变换函数是个一维线性函数

在灰度的线性变换中，当a>1时，输出图像的对比度将增大；当a<1时，输出图像的对比度将减小；当a=1且b≠0时，所进行的操作仅使 所有像素的灰度值上移或下移，其效果是使整个图像更暗或更亮；如果a<0，则暗区域将变亮，亮区域将变暗。
（2）分段线性灰度变换
为了突出感兴趣的目标或者灰度区间，相对抑制那些不感兴趣的灰度区域，可采用分段线性法。常用的是三段线性变换。分段线性变换称为图像直方图的拉伸，它与完全线性变换类似，其不同之处在于其变换函数是分段的。其变换函数表达式如下：
在这里插入图片描述
灰度拉伸可以更加灵活地控制输出灰度直方图的分布，它可以有选择地拉伸某段灰度区间以改善输出图像。如果一幅图像灰度集中在较暗的区域而导致图像偏暗，可以用灰度拉伸功能来拉伸(斜率>1)物体灰度区间以改善图像；同样如果图像灰度集中在较亮的区域而导致图像偏亮，也可以用灰度拉伸功能来压缩(斜率<1)物体灰度区间来改善图像质量。
（3）对数函数灰度变换
当用某些非线性函数作为图像的映射函数时，可实现图像灰度的非线性变换，如利用对数函数、指数函数等可实现对数变换和指数变换。对数变换主要用于将图像的低灰度值部分扩展，将其高灰度值部分压缩，以达到强调图像低灰度部分的目的。变换方法由下式给出：

这里的对数变换，底数为v+1，实际计算的时候，需要用换底公式。底数越大，对低灰度部分的强调就越强，对高灰度部分的压缩也就越强。相反的，如果想强调高灰度部分，则用反对数函数就可以了。

三、真彩色增强方法

图4 真彩色增强原理图

1、对HSI图像亮度增强

（1）将RGB图转化为HSI图；
（2）利用对灰度图增强的方法增强其中的I分量；
（3）再将结果转化为用RGB图来显示。

2、对HSI图像饱和度增强

（1）将RGB图转化为HSI图；
（2）增强其中的S分量；
（3）再将结果转化为用RGB图来显示。

3、对HSI图像饱和度与亮度增强

（1）将RGB图转化为HSI图；
（2）增强其中的I与S分量；
（3）再将结果转化为用RGB图来显示。

4、直接对RGB图像增强

（1）将RGB图像分解为R、G、B三分量图；
（2）分别对R、G、B三基色进行直方图修改；
（3）增强后再合成RGB图像。

四、程序设计

1、对HSI图像线性变换增强亮度

var foo = ‘bar’;

clear;clc;
rgb  = imread('test1.jpg');  
hsi = rgbtohsi(rgb); 
H = hsi(:,:,1); 
S = hsi(:,:,2);
I = hsi(:,:,3);
I =I*1.4; 
hsi_new = cat(3,H,S,I);
rgb_new = hsitorgb(hsi_new); 
rgb_new = min(rgb_new,1);
figure;
subplot(221);imshow(rgb) 
title('原始rgb图像')
subplot(222);imshow(hsi)
title('hsi图像') 
subplot(223);imshow(rgb_new)  
title('线性变换增强亮度后的rgb图像') 
subplot(224);imshow(hsi_new)
title('增强后的hsi图像')

2、对HSI图像分段线性变换增强亮度

var foo = ‘bar’;

clear;clc;
rgb  = imread('test1.jpg');  
hsi = rgbtohsi(rgb); 
H = hsi(:,:,1); 
S = hsi(:,:,2);
I = hsi(:,:,3);
if I<50
    I=I*1.1;
end
if 50<=I<=200;
    I=I*1.4;
end
if I>=200;
    I=I*1.1;
end 
hsi_new = cat(3,H,S,I);
rgb_new = hsitorgb(hsi_new); 
rgb_new = min(rgb_new,1);
figure;
subplot(221);imshow(rgb_new)  
title('分段线性变换增强亮度后的rgb图像')

3、对HSI图像线性变换增强对比度

var foo = ‘bar’;

clear;clc;
rgb  = imread('test1.jpg');  
hsi = rgbtohsi(rgb); 
H = hsi(:,:,1); 
S = hsi(:,:,2);
I = hsi(:,:,3);
S =S*2.0; 
hsi_new = cat(3,H,S,I);
rgb_new = hsitorgb(hsi_new); 
rgb_new = min(rgb_new,1);
figure;
subplot(221);imshow(rgb) 
title('原始rgb图像')
subplot(222);imshow(hsi)
title('hsi图像') 
subplot(223);imshow(rgb_new)  
title('仅增强饱和度后的rgb图像')
subplot(224);imshow(hsi_new)
title('增强后的hsi图像')

4、对HSI图像对数变换增强对比度

var foo = ‘bar’;

clear;clc;
rgb  = imread('test1.jpg');  
hsi = rgbtohsi(rgb); 
H = hsi(:,:,1); 
S = hsi(:,:,2);
I = hsi(:,:,3);
if S<50
    S=S*1.5;
end
if 50<=S<=200;
    S=S*2.0;
end
if S>=200;
    S=S*1.5;
end
hsi_new = cat(3,H,S,I);
rgb_new = hsitorgb(hsi_new); 
rgb_new = min(rgb_new,1);
figure;
subplot(221);imshow(rgb_new)  
title('分段线性变换增强饱和度后的rgb图像')

5、对HSI图像线性变换增强饱和度与亮度

var foo = ‘bar’;

clear;clc;
rgb  = imread('test1.jpg');  
hsi = rgbtohsi(rgb); 
H = hsi(:,:,1); 
S = hsi(:,:,2);
I = hsi(:,:,3);
S =S*2.0;
I=I*1.4;
hsi_new = cat(3,H,S,I);
rgb_new = hsitorgb(hsi_new); 
rgb_new = min(rgb_new,1);
figure; 
subplot(221);imshow(rgb) 
title('原始rgb图像')
subplot(222);imshow(hsi)
title('hsi图像') 
subplot(223);imshow(rgb_new)  
title('增强饱和度')
subplot(224);imshow(hsi_new)
title('增强后的hsi图像')

6、对HSI图像分段线性变换增强饱和度与亮度

clear;clc;
rgb  = imread('test1.jpg');  
hsi = rgbtohsi(rgb); 
H = hsi(:,:,1); 
S = hsi(:,:,2);
I = hsi(:,:,3);
if S<50
    S=S*1.5;
end
if 50<=S<=200;
    S=S*2.0;
end
if S>=200;
    S=S*1.5;
end
if I<50
    I=I*1.1;
end
if 50<=I<=200;
    I=I*1.4;
end
if I>=200;
    I=I*1.1;
end
hsi_new = cat(3,H,S,I);
rgb_new = hsitorgb(hsi_new); 
rgb_new = min(rgb_new,1);
figure;
subplot(221);imshow(rgb_new)  
title('分段线性变换增强亮度及饱和度后的rgb图像')

7、对RGB图像直接线性变换进行彩色增强

clear;clc;
rgb  = imread('test1.jpg');  
[o p q]=size(rgb);
r(:,:,1)=rgb(:,:,1);
r(:,:,2)=zeros(o,p); 
r(:,:,3)=zeros(o,p);
r=r*1.4;
g(:,:,2)=rgb(:,:,2);
g(:,:,1)=zeros(o,p); 
g(:,:,3)=zeros(o,p);
g=g*1.4;
b(:,:,3)=rgb(:,:,3);
b(:,:,2)=zeros(o,p); 
b(:,:,1)=zeros(o,p);
b=b*1.4;
rgb_new(:,:,1)=r(:,:,1); 
rgb_new(:,:,2)=g(:,:,2);
rgb_new(:,:,3)=b(:,:,3);
figure;
subplot(121);imshow(rgb);title('原始rgb图像');  
%subplot(231);imshow(r);title('红色分量图像');
%subplot(232);imshow(g);title('绿色分量图像');
%subplot(233);imshow(b);title('蓝色分量图像');
subplot(122);imshow(rgb_new);title('增强后rgb图像');

8、对RGB图像直接分段线性变换进行彩色增强

clear;clc;
rgb  = imread('test1.jpg');  
[o p q]=size(rgb);
r(:,:,1)=rgb(:,:,1);
r(:,:,2)=zeros(o,p); 
r(:,:,3)=zeros(o,p);
r=imadjust(r,[0.2 0.8],[0,1]);
g(:,:,2)=rgb(:,:,2);
g(:,:,1)=zeros(o,p); 
g(:,:,3)=zeros(o,p);
g=imadjust(g,[0.2 0.8],[0,1]);
b(:,:,3)=rgb(:,:,3);
b(:,:,2)=zeros(o,p); 
b(:,:,1)=zeros(o,p);
b=imadjust(b,[0.2 0.8],[0,1]);
rgb_new(:,:,1)=r(:,:,1); 
rgb_new(:,:,2)=g(:,:,2);
rgb_new(:,:,3)=b(:,:,3);
figure;
subplot(221);imshow(rgb_new);title('分段线性变换增强后rgb图像');

微信扫码或搜索关注十三的梦↓↓↓ ↓↓↓探讨更多有趣话题哦
在这里插入图片描述

qq_33369187
关注
  • 17
    点赞
  • 踩
  • 117
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
数字图像处理及matlab实现大作业
12-04
整个系统完成的基本功能如下: 1、 对图像文件（bmp、jpg等）进行打开、保存、退出等功能操作； 2、 图像的算术运算：实现两个图像的加、减、乘的运算。 3、 几何变换 （1）图像的平移、缩放、旋转、镜像、转置等； （2）特殊的几何变换，如：百叶窗效果、分块显示效果等。 4、图像增强 （1）空域中的各种增强方法 a)空域中的点运算：对比度的增加、减少，亮度的增加、减少，图像反色； b)图像的灰度拉伸，直方图的均衡化、规定化； c)空间域平滑算法（如均值滤波、中值滤波等）。 （2）频域增强：实现低通滤波、高通滤波等； （3）色彩增强：伪彩色增强、假彩色增强、真彩色增强。 5、图像压缩 （1）利用行程编码算法，实现灰度图像或彩色图像的的编码器算法和解码器算法。 6、图像分割： （1）边缘检测 用正交梯度算子法、方向梯度法等作边缘检测； （2）阈值分割 a)交互式阈值分割； b)迭代阈值分割等方法。 7、二值图像形态学处理：膨胀、腐蚀、开运算与比运算。
数字图像的真彩色增强系统
12-25
（1）将真彩色图像进行RGB分离； （2）将某一分离后的单色图像增加、减少； （3）产生新的真彩色图像。
真彩色增强数字图象处理Matlab实现（两种方法）
05-09
真彩色增强数字图象处理Matlab实现（两种方法），方法不错，供大家参考！
图像处理软件 image process.zip
03-08
python语言，python3.6、opencv3.4、pillow6.0、matplotlib3.1.0、tensorflow1.14环境。实现功能为：按钮功能Scan(浏览)、Back(上一张)、Next(下一张) 、Mark(添加水印) 、Magnify(以鼠标点击为中心放大)、R90°CW(顺时针旋转90度) R90°CCW(逆时针旋转90度) Exit(退出) 菜单功能 文件、打开、保存、退出、编辑、放大、缩小、灰度、亮度、旋转、截图、变换、傅里叶变换、离散余弦变换、Radom变换、噪声、高斯噪声、椒盐噪声、斑点噪声、泊松噪声、滤波、高通滤波、低通滤波、平滑滤波（线性、平滑滤波（非线性）、锐化滤波（线性）、锐化滤波（非线性）、直方图统计、R直方图、G直方图、B直方图、图像增强、伪彩色增强、真彩色增强、直方图均衡、NTSC颜色模型、YCbCr颜色模型、HSV颜色模型、阈值分割、形态学处理、特征提取、图像分类与识别
彩色增强
御坂御坂001的博客
01-04 3997
文章目录1.真彩色增强2.伪彩色增强3.假彩色增强 彩色增强一般是指用多波段的黑白遥感图像，通过各种方法进行彩色合成或彩色显示，以突出不同物体之间的差别，提高解译效果的技术。彩色增强技术是利用人眼的视觉特性，将灰度图像变成彩色图像或改变彩色图像已有的彩色分布，改善图像的可分辨性。彩色增强方法可分为真彩色增强、伪彩色增强以及假彩色增强3类。 1.真彩色增强 真彩色增强的对象时一幅自然彩色图像。在彩色...
数字图像处理技术--学习笔记1--图像编程基础
weixin_44210987的博客
12-07 757
【1】图像和数字图像 I=f(x,y)表示一幅图像，可以用矩阵的形式描述： 矩阵的各元素叫像素，一幅数字图像是由在水平方面上的M列像素和垂直方向上的N行像素构成的，在数值上等于数字图像在该坐标点处的灰度值。 【2】颜色与颜色空间 （1） RGB颜色模式如下： （2）HSI颜色模式 色调(Hue)、色饱和度(Saturation或Chroma)和亮度(Intensity或Brightness)来描述色彩。 色调和饱和度称为“色度”，表示颜色的类别和深浅程度。 为什么图像处理和计算机视觉中，经常采用HSI颜色
图像增强—彩色增强技术
热门推荐
白水的博客
08-10 1万+
肉眼对色彩的辨别人的肉眼可分辨的灰度级在十几到二十几之间，却能区分几千种不同色度、不同亮度的色彩。可以说人眼对彩色的分辨力可以达到灰度分辨力的百倍以上。将灰度图像转换为彩色图像，或改变已有彩色的分布，会改善图像的可视性，是从可视角度实现图像增强的有效方法之一。彩色增强技术目前彩色增强技术分为两大类：伪彩色处理(pseudo color)：把灰度图像处理成伪彩色图像假彩色处理(fals...
图像处理-彩色图像颜色增强
qq_46083603的博客
01-25 4532
文中主要使用两种方式进行彩色图像的颜色增强 主要用到了直方图均衡化原理(代码如下): import numpy as np def hist_ave_2(src): L=np.unique(src) cdf=(np.histogram(src.flatten(),L.size)[0]/src.size).cumsum() cdf=(cdf*L.max()+0.5) return np.interp(src.flatten(),L,cdf).reshape(src.shape
数字图像处理及图像增强
专注计算机视觉算法训练，算法优化部署以及SDK开发的知识分享。
02-20 475
亮度通俗理解就是图像给人肉眼的明暗程度 饱和度指的是图像颜色种类的多少 对比度指的是图像亮暗的落差值，即图像最大灰度级和最小灰度级之间的差值 图像锐化指的是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得更清晰的图像操作
ENVI遥感图像处理方法_邓书斌 第五章图像增强实例
03-24
ENVI遥感图像处理方法_邓书斌 第五章图像增强实例
图像处理（第二版）章毓晋
10-08
1.0.5 为什么大多数图像处理算法都参照灰度图像进行，而实际中遇到的都是彩色图像？.....................................................................................2 1.0.6 一幅数字图像是如何形成的？......
数字图像处理之图像增强理论理解篇
qq_44225529的博客
06-25 3072
数字图像处理之图像增强理论理解篇 图像增强目的： 改善图像的视觉效果，或将图像转换成一种更适合于人或机器进行分析和处理的形式 图像增强方法： 空间域增强：直接对图像各像素点进行处理 频率域增强：对图像经过傅里叶变换后频谱成分进行处理，然后逆傅里叶变换得到所需图像。 1、空间域平滑 2、空间域锐化 3、频率域 4、彩色增强 ...
计算机图像处理之空域滤波增强（彩色增强）
kongla
10-07 2052
彩色增强 伪彩色处理：指对不同的灰度级赋予不同的颜色， 从而将灰度图像变为彩色图像。 这种人工赋予的颜色常称为伪彩色。 常用的伪彩色处理方法有灰度分层法、 灰度变换法和频域滤波法等。 灰度分层法 灰度变换法 假彩色增强 真彩色图像增强 真彩色图像平滑 真彩色图像锐化 图像增强实例——同态滤波 小节 学完本讲你应该会并且能 1）熟悉各种灰度变换函数进行图像增强的特点，以便针对实际具有不同灰度分布的图像，能选择或设计变换函数达到期望增强效果 2）熟悉直方图修正技术原理和计算方法、步骤 3）熟悉邻域平均法、梯度法
冈萨雷斯数字图像处理——彩色图像增强3实例
火雨(Nick)
12-26 6562
基于直方图均衡化的彩色图像增强, 双边滤波(Bilateral Filtering) , 图像的模糊增强.
图像增强方法
苦逼的程序猿
05-09 9236
图像增强的目的是采用某种技术手段，改善图像的视觉效果，或者将图像转换成更适合人眼观察和机器识别的形式。图像增强的基本方法主要有灰度变换、灰度均衡、伪彩色增强、平滑、锐化、滤波等。灰度变换、灰度均衡。 线性滤波：方框滤波、均值滤波、高斯滤波 非线性滤波：中值滤波、双边滤波 图像增强可以分为两种： 领域处理技术。对像素点及其周围的点进行处理，即使用卷积核。 点处理技术。只...
数字图像处理—彩色增强—真彩色增强（从有彩色到有彩色）
见证自己的成长之路~
02-24 9871
在屏幕上显示彩色图一定要借用RGB模型，蛋HSI模型在许多处理中有其独特的优点。 （1）在HSI模型中，亮度分量与色度分量是分开的。（和人视觉效果相联系） H：色调（Hue） S：饱和度（Saturation：构成色度分量。 I：密度（Intensity）：构成亮度分量。 色调和饱和度合起来叫色度（HS）。 需要指出：只管对R、G、B各分量直接使用对灰度图的增强方法可以增加图中的可视细
图像增强技术简述
m0_58767533的博客
05-24 3713
图像增强技术图像增强的定义：采用一系列技术去改善图像的视觉效果，或将图像转换成一种更适合于人或机器进行分析处理的形式。根据图像的作用域，主要分成两大类：一类是基于空间域，直接对图像各像素进行处理；另一类是基于变换域，在图像的某个变换域内，对图像的变换系数进行运算，然后通过逆变换获得图像增强效果。图像增强的目的主要有三点：1.改善视觉效果 2.突出图像中感兴趣的信息，抑制不重要的信息，来提高图像的使用价值 3.转换为更适合于人或机器分析处理的形式4.增强后的图像不一定保真
基于EBAZ4205矿板的图像处理：07sobel边缘检测算法
最新发布
weixin_43111445的博客
05-17 373
实现了基于EBAZ4205矿板的sobel边缘检测算法
matlab真彩色增强
08-18
在MATLAB中，真彩色增强是通过将图像的每个像素值分成R、G、B三个基色分量来实现的，每个基色分量直接决定其基色的强度。这样产生的色彩可以反映原图的真实色彩，图像可容纳16M种色彩。可以使用MATLAB的imread函数读取图像，然后使用subplot和imshow函数显示图像的原始真彩色图像以及其红色、绿色和蓝色分量。通过对真彩色图像的分解，可以直观地观察到每个基色分量的强度和对整体图像色彩的贡献。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [matlab图像的增强](https://blog.csdn.net/qq_55433305/article/details/128135437)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“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 2
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