第六章 彩色图像处理

最新推荐文章于 2022-12-08 10:51:41 发布
最新推荐文章于 2022-12-08 10:51:41 发布
阅读量1.7k 收藏 15
点赞数 1
分类专栏： 数字图像处理学习笔记
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_38311041/article/details/73975874
版权

第六章 彩色图像处理

RGB图像

  • RGB图像形成
    由三幅单色亮度图像组成。 fR, fG和fB分别表示三幅RGB分量图像

    rgb_image = cat(3, fR, fG, fB)

  • 提取分量图像

>> f = imread('D:\picture\素材\sky.jpg');
>> fR = f(:, :, 1);
>> fG = f(:, :, 2);
>> fB = f(:, :, 3);
>>> subplot(121), imshow(f)
>> subplot(122), imshow(fR)
>> subplot(121), imshow(fG)
>> subplot(122), imshow(fB)

sky1
sky2

  • 自定义函数rgbcube
    rgbcube(vx, vy, vz)该函数生成一个从点(vx, vy, vz)观察的RGB立方体。 
>> rgbcube(10,10,4); 
>> axis on;
>> title('RGB立方体');
![RGB立方体](https://img-blog.csdn.net/20170627103731064?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzgzMTEwNDE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)

索引图像

索引图像有两个分量：一个整数数据矩阵X和一个彩色映射矩阵map。
索引图像

>> f = imread('D:\picture\素材\tower.jpg');
>> [X, map] = rgb2ind(f, 16, 'nodither');
>> subplot(221), imshow(f), title('原图')
>> subplot(222), imshow(X), title('X')
>> subplot(223), imshow(map), title('map')
>> subplot(224), imshow(X, map), title('索引图')
![这里写图片描述](https://img-blog.csdn.net/20170629092523503?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzgzMTEwNDE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) 2. 处理RGB和索引图像的函数 ![函数](https://img-blog.csdn.net/20170627111722482?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzgzMTEwNDE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)

dither主要与函数rgb2ind联合使用，以减少图像中的颜色数。

>> f = imread('D:\picture\MATLAB\flower.png');
>> [X1, map1] = rgb2ind(f, 8, 'nodither');
>> [X2, map2] = rgb2ind(f, 8, 'dither');
>> g = rgb2gray(f);
>> g1 = dither(g);
>> subplot(221); imshow(X1, map1), title('rgb2ind(f, 8, ''nodither'')');
>> subplot(221); imshow(f), title('原图');
>> subplot(222); imshow(X1, map1), title('rgb2ind未抖动');
>> subplot(223); imshow(X2, map2), title('rgb2ind抖动');
>> subplot(224); imshow(g), title('rgb2gray');
>> figure, imshow(g1), title('dither');
![这里写图片描述](https://img-blog.csdn.net/20170627161849850?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzgzMTEwNDE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) ![这里写图片描述](https://img-blog.csdn.net/20170627161916860?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzgzMTEwNDE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)

彩色空间转换

NTSC彩色空间

NTSC彩色制式用于模拟电视。这种形式主要优点是：灰度信息和彩色数据是分离的。所以同一信号既可以用于彩色电视又可以用于黑白电视。
这里写图片描述
图像数据的三个分量： Y(亮度)，I(色调)，Q(饱和度)

  • yiq_image = rgb2ntsc(rgb_image)将RGB图像转化为NTSC图像
>> f = imread('D:\picture\MATLAB\flower.png');
>> g = rgb2ntsc(f);
>> imshow(g)

flower 

>> f = imread('D:\picture\MATLAB\flower.png');
>> g = rgb2ntsc(f);
>> g1 = g(:, :, 1);
>> g2 = g(:, :, 2);
>> g3 = g(:, :, 3);
>> subplot(131), imshow(g1), title('亮度图像');
>> subplot(132), imshow(g2), title('色调图像');
>> subplot(133), imshow(g3), title('饱和度图像');

flower

YCbCr彩色空间

YCbCr彩色空间广泛用于数字视频。亮度信息用Y表示，彩色信息存储为两个色差分量Cb和Cr。Cb是蓝色分量和参考值的差，Cr是红色分量和参考值的差。
这里写图片描述

  • ycbcr_image = rgb2ycbcr(rgb_image)函数实现RGB图像转换为YCbCr图像。
>> f = imread('D:\picture\MATLAB\flower.png');
>> g = rgb2ycbcr(f);
>> imshow(g)

这里写图片描述

HSV彩色空间

HSV(色调Hue，饱和度Saturation，数值Value)是人们从颜色轮或调色版中挑选颜色时所用的几种彩色系统之一。这种系统比RGB系统更接近人们经验和描述彩色感觉时所用的方式。HSV彩色系统基于圆柱坐标系。
这里写图片描述
轴表示灰度深浅，色调表示为围绕彩色六边形的角度，饱和度由距V轴的距离来度量。

  • hsv_image = rgb2hsv(rgb_image)函数实现RGB转换为HSV。
>> f = imread('D:\picture\MATLAB\flower.png');
>> g = rgb2hsv(f);
>> imshow(g)

这里写图片描述

CMY和CMYK彩色空间

青色（Cyan），深红色(Magenta)，黄色(Yellow)是光的二次色。纯青色涂覆的表面反射的光中不包含红色，深红色不反射绿色，纯黄色不反射蓝色。从RGB转换为CMY近似于以下公式：
这里写图片描述
理论上等量的青色，深红色和黄色混合后会产生黑色。但实际中会产生模糊不清的黑色。所以为生成纯黑色，又加入了黑色，便出现了CMYK彩色模型。

  • cmy_image = imcomplement(rgb_image)函数可近似的把RGB模型转换为CMY模型。
>> f = imread('D:\picture\MATLAB\flower.png');
>> g = imcomplement(f);
>> imshow(g)

这里写图片描述

HSI彩色空间

HSI(色彩hue，饱和度saturation， 强度intensity)

  • 自定义函数hsi = rgb2hsi(rgb)实现RGB转换为HSI。
>> imshow(rgb2hsi(f));

这里写图片描述

彩色图像处理基础

彩色图像处理细分为三个主要领域：

  • 彩色变换（彩色映射）
  • 各个彩色平面的空间处理
  • 彩色向量处理
    在RGB系统中，每个彩色点都可以解释为一个从原点延伸到RGB坐标系中该点的向量
    这里写图片描述
    这里写图片描述

彩色变换

自定义函数ice（交互颜色编辑）
g = ice(‘Property Name’, ‘Property Value’, …)
这里写图片描述 

g = ice('image', f);
![这里写图片描述](https://img-blog.csdn.net/20170629130101146?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzgzMTEwNDE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)

  • 负片
    这里写图片描述

  • 对单色图像进行对比度增强
    这里写图片描述
    这里写图片描述

  • 对彩色图像进行对比度增强
    这里写图片描述
    这里写图片描述
  • 伪彩色映射

    主要应用于人眼可视化，因为人眼可以分辨上百万种颜色，但只能分辨为数不多的灰度级。
    这里写图片描述
    这里写图片描述
    这里写图片描述

  • 彩色平衡

    独立地映射一幅图像思维彩色分量，一个重要应用是照片增强。
    这里写图片描述
    这里写图片描述
    减少了深红色对图像颜色的影响，校正平衡。

  • 基于直方图的映射

    直方图均衡是一种灰度级映射处理，它试图产生具有均匀灰度直方图的单色图像。

>> f = imread('D:\picture\MATLAB\冈萨雷斯数字图像处理MATLAB版图片\dipum_images_ch06\laboratory.tif');
>> g = ice('image', f, 'space', 'HSI'); 
>> subplot(121), imshow(f), title('原图');
>> subplot(122), imshow(g), title('映射后的结果');

这里写图片描述

彩色图像的空间滤波

彩色图像平滑

使用一个线性空间滤波器来平滑一幅RGB图像fc的步骤:

  • 抽取三幅分量图像
  • 分别对每幅分量图像滤波
  • 重建滤波后的RGB图像

函数fc_filtered = imfilter(fc, w, ‘replicate’)可以实现以上步骤

>> f = imread('D:\picture\MATLAB\flower.png');
>> fR = f(:, :, 1);
>> fR = f(:, :, 2);
>> fB = f(:, :, 3); 
>> subplot(141), imshow(f), title('原图');
>> subplot(142), imshow(fR), title('红分量');
>> subplot(143), imshow(fG), title('绿分量');
>> subplot(144), imshow(fB), title('蓝分量');

这里写图片描述 

>> h = rgb2hsi(f);
>> H = h(:, :, 1);
>> S = h(:, :, 2);
>> I = h(:, :, 3);
>> subplot(131), imshow(H), title('色调分量');
>> subplot(132), imshow(S), title('饱和度分量');
>> subplot(133), imshow(I), title('亮度分量');

这里写图片描述 

>> w = fspecial('average', 25);
>> I_filtered = imfilter(I, w, 'replicate');%仅对亮度分量平滑
>> h = cat(3, H, S, I_filtered);
>> f = hsi2rgb(h);
>> imshow(f)

这里写图片描述 

>> fR_filtered = imfilter(fR, w, 'replicate');
>> fG_filtered = imfilter(fG, w, 'replicate');
>> fB_filtered = imfilter(fB, w, 'replicate');
>> g = cat(3, fR_filtered, fG_filtered, fB_filtered);%分别平滑RGB分量
>> imshow(g)

这里写图片描述 

>> imshow(g)
>> H_filtered = imfilter(H, w, 'replicate');
>> S_filtered = imfilter(S, w, 'replicate');
>> h = cat(3, H_filtered, S_filtered, I_filtered);%分别平滑HSI分量
>> f = hsi2rgb(h);
>> imshow(f)

这里写图片描述

彩色图像锐化

>> f = imread('D:\picture\MATLAB\flower.png');
>> w = fspecial('average',5);
>> fb = imfilter(f, w, 'replicate');
>> lapmask = [1 1 1; 1 -8 1; 1 1 1]; %拉普拉斯滤波器模板
>> fb = tofloat(fb);
>> fen = fb - imfilter(fb, lapmask, 'replicate');
>> subplot(121), imshow(fb), title('模糊图像')
>> subplot(122), imshow(fen), title('拉普拉斯算子增强')

这里写图片描述

直接在RGB向量空间的处理

使用梯度进行彩色边缘检测

  • 自定义函数colorgrad:
    语法：[VG, A, PPG] = colorgrad(f, T)
    其中，f是一幅RGB图像，T是区间[0, 1]内的一个可选阀值（默认为0）；VG是RGB向量梯度，A是以弧度计的角度图像，PPG是通过对各个彩色平面的二维梯度图像求和形成的梯度图像。 
>> f1 = imread('D:\picture\MATLAB\冈萨雷斯数字图像处理MATLAB版图片\dipum_images_ch06\box1.tif');
>> f2 = imread('D:\picture\MATLAB\冈萨雷斯数字图像处理MATLAB版图片\dipum_images_ch06\box2.tif');
>> f3 = imread('D:\picture\MATLAB\冈萨雷斯数字图像处理MATLAB版图片\dipum_images_ch06\box3.tif');
 >> f = cat(3, f1, f2, f3);
>> subplot(221), imshow(f1)
>> subplot(222), imshow(f2)
>> subplot(223), imshow(f3)
>> subplot(224), imshow(f), title('合并后的RGB')
![这里写图片描述](https://img-blog.csdn.net/20170629201239218?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzgzMTEwNDE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) 
>> [VG, A, PPG] = colorgrad(f);
>> subplot(121), imshow(VG), title('在RGB向量空间中直接计算的梯度')
>> subplot(122), imshow(PPG), title('分别计算每幅RGB图像的二维梯度并将结果相加得到的合成梯度')
![这里写图片描述](https://img-blog.csdn.net/20170629201916493?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzgzMTEwNDE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) 
>> f = imread('D:\picture\MATLAB\flower.png');
>> [VG, A, PPG] = colorgrad(f);
>> imshow(VG)
>> imshow(VG)
>> subplot(141), imshow(f), title('RGB图像')
>> subplot(142), imshow(VG), title('在RGB中计算梯度')
>> subplot(143), imshow(PPG), title('合成梯度')
>> subplot(144), imshow(abs(VG - PPG)), title('绝对差')
![这里写图片描述](https://img-blog.csdn.net/20170629202840879?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcXFfMzgzMTEwNDE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)

在RGB向量空间中进行图像分割

  • 自定义函数colorseg实现图像分割

    语法： S = colorseg(method, f, T, parameters)
    其中，method不是’euclidean’就是’mahalanobis’，f是待分割的RGB彩色图像，T是阀值。选择’euclidean’时，输入参数是m(均值)，选择’mahalanobis’时，输入参数是m和C(协方差矩阵)。输出S是二值图像。

  • roipoly函数生成一个交互选择的区域二值模板

>> f = imread('D:\picture\MATLAB\冈萨雷斯数字图像处理MATLAB版图片\dipum_images_ch06\MARS.tif');
>> mask = roipoly(f);
>> red = immultiply(mask, f(:, :, 1));
>> green = immultiply(mask, f(:, :, 2));
>> blue = immultiply(mask, f(:, :, 3));
>> g = cat(3, red, green, blue);
>> subplot(121), imshow(f), title('原图')
>> subplot(122), imshow(g), title('切割后的图像')

这里写图片描述

Cisse-away
关注
  • 1
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【图像处理】关于颜色的万花筒（RGB和HSV互换）
gongdiwudu的专栏
09-03 8052
从模式识别的角度看，彩色的颜色绝对是一个重要模式，在色彩基础上去实现目标识别是一个好的选项。然而颜色识别也需要一个泛化过程，BGR颜色转化成HSV就是一个好的泛化过程，说白了，在HSV上识别颜色比在BGR上更有利。
数字图像处理-彩色图像处理
eat_what_eat的博客
08-21 855
RGB图像 令fR, fG, fB分别代表三种RGB分量图像。一幅RGB图像就是利用cat（级联）操作符将这些分量图像组合成二点彩色图像 rgb_image = cat(dim, fR, fG, fB) 其中dim指示了级联方向，dim=1时数组垂直放置，dim=2时数组水平放置，dim=3时会在第三个方向放置，这是RGB图像的方向。 若所有分量图像都一样，则结果是一幅灰度图像。 提取分量 fR ...
浅谈——图像梯度算法中算子由来
入门记
11-24 2万+
相关概念 如何求图像的梯度？ 求图像的梯度，一般是对灰度图像或者彩色图像进行操作。数字图像就是离散的点值谱，也可以叫二维离散函数。图像的梯度就是这个二维离散函数的求导。 导数（Derivative）是微积分中的重要基础概念。在百度百科里面是这样解释的：当函数y=f(x)的自变量X在一点x0上产生一个增量Δx时，函数输出值的增量Δy与自变量增量Δx的比值在Δx趋于0时的极限a如果存在，a
图像处理：梯度与反色
ckc_csdn的博客
03-10 476
我的步骤哪里有问题吗？怎么感觉不太对呢，处理后的图像看着很别扭 一、图像梯度 图像在(x, y)点处x方向和y方向上的梯度可以写为： x方向和y方向上的梯度可以用如下式子表示在一起： 这里又是平方，又是开方的，计算量比较大，于是一般用绝对值来近似平方和平方根的操作，来降低计算量： 二、对图片求反色 原理： 反色的实际含义是将R、G、B值反转。若颜色的量化级别是256，则新图的R、G、B值为255减去原图的R、G、B值。这里针对的是所有图，包括真彩图、带调色板的彩色图(又称为伪彩色图)、和灰度图。真.
数字图像处理——彩色图像处理
最新发布
qq_64009676的博客
12-08 780
Matlab——图像处理
ice函数数字图像处理第六章彩色图像处理
06-17
"ice函数数字图像处理第六章彩色图像处理"的主题着重于利用ice函数进行彩色图像的操作和分析。ice函数通常是一些专门设计用于图像处理的函数库，它们提供了丰富的功能，帮助研究人员和开发者对图像进行各种变换和...
数字图像处理：5第六章 彩色图像处理.pdf
06-12
数字图像处理 - 彩色图像处理 数字图像处理中的彩色图像处理是指对彩色图像进行处理和分析，以获取图像中的有用信息。彩色图像处理是数字图像处理的一个重要分支，它涉及到彩色图像的基础知识、彩色空间、伪彩色...
数字图像处理第六章课后作业.pdf
06-24
在数字图像处理的领域中，图像的色彩模型、直方图操作、色彩空间转换以及图像滤波是核心的概念，本篇作业文档主要围绕这几个方面进行了详细阐述和实践操作。 首先，我们来看彩色RGB系统中的图像表示。RGB模型是常见...
第6章++MATLAB图像处理-PPT课件.ppt
11-19
MATLAB图像处理 MATLAB是一种功能强大且灵活的编程语言，广泛应用于科学计算、数据分析、图像处理、机器人控制等领域。MATLAB图像处理是指使用MATLAB进行图像处理、图像分析、图像识别等操作。MATLAB图像处理可以...
医学图像处理技术：第七章 彩色图像处理.ppt
09-20
"医学图像处理技术：第七章 彩色图像处理.ppt" 医学图像处理技术的第七章主要讨论了彩色图像处理技术的基础知识，包括彩色图像处理的应用领域、全彩色处理、伪彩色处理、红外热成像、三维重建、虚拟内窥镜等。以下...
RGB:将分量颜色转换为 MATLAB 颜色向量。-matlab开发
06-01
RGB(红、绿、蓝) 将红色、绿色、蓝色分量颜色值转换为 MATLAB 颜色向量。 其中每个分量的最大值为 255，这对应于颜色向量中的值 1。
Opencv（python）图像梯度和边缘检测算法
thehappysheep的博客
11-08 5556
1.图像梯度 图像梯度计算的是图像的边缘信息，图像梯度计算的是图像变化的速度。对于图像的边缘部分，其灰度值变化较大，梯度值也较大，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值也较小。图像梯度计算需要求导数，但是图像梯度一般通过计算像素值的差来得到梯度的近似值（近似导数值）。 2.图像梯度计算方式 倒数其实是求解图像的像素灰度值的变化率，在数学上可以通过求倒数实现。可以分别原图像G对x方向和y方向求导数（假设灰度变化是连续的） Gx和Gy分别隐含了x和y方向的灰度...
RGB图像三个分量的理解和显示
Hello_Chan的博客
04-09 3万+
RGB图像由格式为M×N×３的三维数组组成，其中的“3”可以理解为三幅M×N的二维图像（灰度值图像）。这三幅图像分别代表R、G、B分量，每个分量的取值范围是[0,255]。 （三维数组的构建、） 有两种方法可以将RGB图像的三个分量分别显示出来，但显示效果不一样： 灰度值显示法 该方法比较简单，通过提取R、G、B分量，再分别显示出来，matlab代码如下： RGB = imread(‘baby....
由RGB到HSV颜色空间的理解
热门推荐
viewcode的专栏
11-20 14万+
1. RGB模型 2. HSV模型 3. 如何理解RGB与HSV的联系 4. HSV在图像处理中的应用 5. opencv中RGB-->HSV实现 在图像处理中，最常用的颜色空间是RGB模型，常用于颜色显示和图像处理，三维坐标的模型形式，非常容易被理解。 而HSV模型，是针对用户观感的一种颜色模型，侧重于色彩表示，什么颜色、深浅如何、明暗如何。第一次接触HSV，书本里首先抛出的
数字图像处理第六章 ——彩色图像处理（下）
Dujing2019的博客
05-04 9694
数字图像处理第六章数字图像处理---彩色图像处理（五） 彩色图像的空间滤波5.1 彩色图像的平滑处理5.2 彩色图像的锐化处理（六） 直接在 RGB 矢量空间中 处理6.1 使用梯度的彩色边缘检测6.2 在 RGB向量空间中分割图像 数字图像处理—彩色图像处理 （五） 彩色图像的空间滤波 5.1 彩色图像的平滑处理 令 Sxy表示彩色图像中以(x,y)为中心的邻域的一组坐标。在该邻域中，R...
图像处理------颜色梯度变化 (Color Gradient)
weixin_34217773的博客
07-24 884
有过UI设计经验的一定对2D图形渲染中的Color Gradient 或多或少有些接触，很多编程 语言也提供了Gradient的接口，但是想知道它是怎么实现的嘛？ 本文介绍三种简单的颜色梯度变化算法，就可以很容易实现常见的梯度变化算法 三种都要求提供两个参数即起始颜色RGB值, 最终颜色RGB的值。 垂直梯度颜色变化，效果如下： 水平梯度颜...
lua触动精灵rgb转hsv函数方法
地精工作室
02-20 922
hsv识别适用于背景色与目标色单一且反差大的场景，例如这样的： 红色战力和绿色战力，我们的目的是挑战绿色低战力的，用找色很麻烦，因为他们是数字一直是变化的，无法用找色实现，而用hsv就可以轻松实现，具体hsv资料可以自己搜索，触动精灵目前没有hsv相关函数，我分享一个自己原创的。 --rgb转hsv，返回h,s,v三个值 function rgb2hsv(r,g,b) -- 找出r,g...
OpenCV 自学笔记33. 计算图像的均值、标准差和平均梯度
两鬓已不能斑白的专栏
11-21 6万+
OpenCV 自学笔记33. 计算图像的均值、标准差和平均梯度均值、标准差和平均梯度是验证图像质量的常用指标。其中： 均值反映了图像的亮度，均值越大说明图像亮度越大，反之越小； 标准差反映了图像像素值与均值的离散程度，标准差越大说明图像的质量越好； 平均梯度反映了图像的清晰度和纹理变化，平均梯度越大说明图像越清晰； 那么，如何使用OpenCV计算图像的均值、标准差和平均梯度呢？OpenCV提供了几个
数字图像处理——RGB与HSV图像互相转换原理
shandianfengfan的博客
10-03 3万+
01—RGB与HSV介绍讲RGB图与HSV图的互相转换之前，我们先分别介绍一下这两种图像。首先是RGB图像RGB图像是一种三通道图像，通常用于表示彩色图，它由相同行、列的红（Red）、绿（...
彩色图像处理：原理与应用
"数字图像处理：5第六章 彩色图像处理.pdf" 在数字图像处理领域，彩色图像处理是一个重要的分支，它涉及到人类视觉感知和图像分析的多个方面。本章主要讨论了彩色图像的基础知识、彩色空间、伪彩色处理、全彩色图像...
评论
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