利用GDAL实现影像的几何校正

最新推荐文章于 2023-07-07 16:15:03 发布
最新推荐文章于 2023-07-07 16:15:03 发布
阅读量1k 收藏 3
点赞数
文章标签： python 人工智能 c#

一、概述

    遥感影像和地理坐标进行关联的方式一般有好几种，一种是直接给出了仿射变换系数，即6个參数，左上角地理坐标，纵横方向上的分辨率，以及旋转系数。在这样的情况下，求出某一像素点的地理坐标非常easy，直接用公式能够求出，详细代码例如以下：

void CPL_STDCALL GDALApplyGeoTransform(double *padfGeoTransform,

                            double dfPixel, double dfLine,

                            double *pdfGeoX, double *pdfGeoY )

{

   *pdfGeoX = padfGeoTransform[0]+ dfPixel * padfGeoTransform[1]

                                   + dfLine  * padfGeoTransform[2];

   *pdfGeoY = padfGeoTransform[3]+ dfPixel * padfGeoTransform[4]

                                   + dfLine  * padfGeoTransform[5];

}

 

可能有的读者额看到这个觉得非常熟悉。这个是GDAL里面实现的由像素点转换到地理坐标点的转换函数，这个函数的声明在gdal.h中，定义在gdaltransformer.cpp文件里，注意。这个函数计算的是影像像元的左上角的地理坐标，也能够计算中心点坐标，详细看需求。

 

第二种方式是记录影像控制点坐标的数据，一般控制点都记录着控制点自身的地理坐标。还有控制点在影像中的像素坐标点。还有控制点必须是在某一特定的地理坐标系下，在GDAL中控制点的结构体为：

/** Ground Control Point */

typedef struct

{

   /** Unique identifier, often numeric */

   char        *pszId;

 

   /** Informational message or "" */

   char        *pszInfo;

 

   /** Pixel (x) location of GCP on raster */

   double      dfGCPPixel;

   /** Line (y) location of GCP on raster */

   double      dfGCPLine;

 

   /** X position of GCP in georeferenced space*/

   double      dfGCPX;

 

   /** Y position of GCP in georeferenced space*/

   double      dfGCPY;

 

   /** Elevation of GCP, or zero if not known */

   double      dfGCPZ;

} GDAL_GCP;

 

那读者会有疑问了，这个控制点的数据怎么获得呢。GDAL里面有函数接口能够获得，详细例如以下；

char* pszWkt1 = (char*)poDatasetchangsha->GetProjectionRef();

    if (0 == strlen(pszWkt1))

    {

        pszWkt1= (char*)poDatasetchangsha->GetGCPProjection();

    }

 

    int nGCPCount = poDatasetchangsha->GetGCPCount();

    const GDAL_GCP *pGCPList= poDatasetchangsha->GetGCPs();

 

我首先给出一个样例先有一个比較直观的感受，我手上有一个spot传感器的数据，它是带控制点信息的，控制点刚好是图像的四个角点。比方。用arcgis打开就已经是纠正显示了。

没有实施纠正显示的情况和ARCGIS实现了纠正显示的情况例如以下图：



 

Arcgis显示的时候，边缘的一些像素因为在原始影像上找不到相应的採样点，所以就用白色填充。

 

二、几何校正方法

关于影像几何校正，一般能够採用以下的几种方法：

1、几何多项式校正模型

  这个模型比較简单，回避了遥感影像的成像过程，适用于覆盖面积不大喝地形比較平坦的区域。

2、有理函数数学模型

   建立像素和地面位置相应关系的简单数学模型。理论上能够达到跟严格卫星传感器模型相当的定位精度。其长处在于多项式包括高程信息,能够提高校正精度。

这个模型自带了高程信息，一般须要影像提供RPC文件，或者用户自己选择地面控制点。

3、局部区域校正模型

   这个模型的基本思想是利用控制点建立不规则三角网。然后分区域利用几何多项式校正，可是这样的模型须要非常多的控制点，对于地形起伏非常大的区域须要的控制点很多其它，往往实施难度比較大。

4、卫星传感器模型

   这样的模型是依据卫星遥感成像的几何关系，利用摄影測量学中成像瞬间的地面点、透视中心以及相应的像素点三点共线建立起来的一种模型，可是此模型须要DEM数据，长处是精度比較高。

因为本文主要关注几何多项式模型，所以仅仅利用GDAL中几何多项式的模型来校正。

 

 

   能够依据地面控制点求算出仿射变换系数，能够调用GDAL的函数。其函数是：

int CPL_DLL CPL_STDCALL

GDALGCPsToGeoTransform(int nGCPCount,const GDAL_GCP*pasGCPs,

                        double *padfGeoTransform, int bApproxOK );

这个函数的定义在gdal_misc.cpp文件里，改天能够去了解下。

求出仿射变换系数后能够求出图像的大致范围和分辨率，这样就能够目标图像所占的行数和列数。

 

以下的代码是求出影像的envelope，大概的范围

double dbX[4];

            double dbY[4];

            dbX[0] = dblGeoTransform[0]+ 0*dblGeoTransform[1] + 0*dblGeoTransform[2];

            dbY[0] = dblGeoTransform[3]+ 0*dblGeoTransform[4] + 0*dblGeoTransform[5];

 

            //右上角坐标

            dbX[1] = dblGeoTransform[0]+ (lWidth/*-0.5*/)*dblGeoTransform[1] + 0*dblGeoTransform[2];

            dbY[1] = dblGeoTransform[3]+ (lWidth/*-0.5*/)*dblGeoTransform[4] + 0*dblGeoTransform[5];

 

            //右下角点坐标

            dbX[2] = dblGeoTransform[0]+ (lWidth/*-0.5*/)*dblGeoTransform[1] + (lHeight/*-0.5*/)*dblGeoTransform[2];

            dbY[2] = dblGeoTransform[3]+ (lWidth/*-0.5*/)*dblGeoTransform[4] + (lHeight/*-0.5*/)*dblGeoTransform[5];

 

            //左下角坐标

            dbX[3] = dblGeoTransform[0]+ 0*dblGeoTransform[1] + (lHeight/*-0.5*/)*dblGeoTransform[2];

            dbY[3] = dblGeoTransform[3]+ 0*dblGeoTransform[4] + (lHeight/*-0.5*/)*dblGeoTransform[5];

 

            double dbMinx = 0;

            double dbMaxx = 0;

            double dbMiny = 0;

            double dbMaxy = 0;

            dbMinx = min(min(min(dbX[0],dbX[1]),dbX[2]),dbX[3]);

            dbMaxx = max(max(max(dbX[0],dbX[1]),dbX[2]),dbX[3]);

            dbMiny = min(min(min(dbY[0],dbY[1]),dbY[2]),dbY[3]);

            dbMaxy = max(max(max(dbY[0],dbY[1]),dbY[2]),dbY[3]);

 

可是上面的方法计算出来的范围有可能不是非常准确，所以这里要寻找一种比較精确的方法。那就是求出每一个边缘像素的边缘相应的地理坐标，然后逐个比較大小求出比較精确的范围。这样的方法能够採用GDAL算法模块里面GDALSuggestedWarpOutput2函数。

CPLErr CPL_STDCALL

GDALSuggestedWarpOutput2(GDALDatasetH hSrcDS,

                          GDALTransformerFunc pfnTransformer,

                          void *pTransformArg,

                          double *padfGeoTransformOut,

                          int *pnPixels, int *pnLines,

                          double *padfExtent,int nOptions)。

这个函数里面的參数的意义解释能够參考GDAL官方文档，也能够直接看GDAL源代码，以下我就给出各个參数的意思。

第一个參数是数据源，第二个參数是转换的回调函数，比方是GCP控制点转换的函数GDALGCPTransform。或者是RPC校正的函数等等。第三个參数是代表转换的关系，这里的转换关系是控制点几何校正的转换关系，此转换关系能够由void CPL_DLL *

GDALCreateGCPTransformer(int nGCPCount,const GDAL_GCP*pasGCPList,

                          int nReqOrder, int bReversed );函数生成。第四个參数是图像纠正后的仿射变换的6个參数，pnPixels是纠正后图像的列数，pnLines是纠正后图像的行数。padfExtent就是图像纠正后的地理范围。nOptions是相关选项的设置，默认情况下能够设为空。

 

 

三、重採样及其校正实现

到此，我们已经完毕了原始图像的像素坐标到校正后的地理空间坐标建立了关联关系，而且输出影像的大小、地理范围、分辨率、像素位深度都已经知道。这样我们就能够创建一个空的图像了。可是校正后的图像的各个像素的值还没确定。接下来就是怎样确定校正后图像中各个像素的值，也就是图像处理中的重採样技术，一般大家听的比較多的重採样技术可能是最邻近方法、双线性内插重採样以及三次卷积内插重採样等方法。另一些其它的重採样方法。比方平均值法，中值法等。

重採样技术我们能够直接调用GDAL的函数去实现。可是我这里决定自己写重採样的过程，以便今后做一些改进，这里我先用最邻近採样方法实现重採样。

 

整个过程的代码例如以下：

/**
* @brief 几何多项式校正
* @param pszSrcFile			输入文件路径
* @param pszDstFile			输出文件路径
* @param nGCPCount			GCP点对个数
* @param pasGCPList			GCP点对列表
* @param pszDstWKT			输出文件投影
* @param iOrder				多项式次数
* @param dResX				输出图像X方向分辨率
* @param dResY				输出图像Y方向分辨率
* @param eResampleMethod	重採样方式
* @param pszFormat			输出文件格式
* @return  返回值，眼下仅仅返回true或者false
*/
int ImageWarpByGCP(const char * pszSrcFile, 
				   const char * pszDstFile, 
				   int nGCPCount,
				   const GDAL_GCP *pasGCPList, 
				   const char * pszDstWKT, 
				   int iOrder, 
				   double dResX, 
				   double dResY, 
				   GDALResampleAlg eResampleMethod, 
				   const char * pszFormat)
{

	GDALAllRegister();
	CPLSetConfigOption("GDAL_FILENAME_IS_UTF8", "NO");

	// 打开原始图像
	GDALDatasetH hSrcDS = GDALOpen(pszSrcFile, GA_ReadOnly);
	if (NULL == hSrcDS)
	{
		return 0;
	}

	GDALDataType eDataType = GDALGetRasterDataType(GDALGetRasterBand(hSrcDS, 1));
	int nBandCount = GDALGetRasterCount(hSrcDS);

	// 创建几何多项式坐标转换关系
	void *hTransform = GDALCreateGCPTransformer(nGCPCount, pasGCPList, iOrder, FALSE );
	if( NULL == hTransform )
	{
		GDALClose( hSrcDS );
		return 0;
	}

	// 计算输出图像四至范围、大小、仿射变换六參数等信息
	double adfGeoTransform[6] = {0};
	double adfExtent[4] = {0};
	int    nPixels = 0, nLines = 0;

	if( GDALSuggestedWarpOutput2( hSrcDS, GDALGCPTransform, hTransform, 
		adfGeoTransform, &nPixels, &nLines, adfExtent, 0 ) != CE_None )
	{
		GDALClose( hSrcDS );
		return 0;
	}

	// 以下開始依据用户指定的分辨率来反算输出图像的大小和六參数等信息
	double dResXSize = dResX;
	double dResYSize = dResY;

	//假设为0，则默觉得原始影像的分辨率
	if(dResXSize == 0.0 && dResYSize == 0.0 )
	{
		double dbGeoTran[6] = {0};
		GDALGCPsToGeoTransform(nGCPCount,pasGCPList,dbGeoTran,0);
		dResXSize = fabs(dbGeoTran[1]);
		dResYSize = fabs(dbGeoTran[5]);
	}

	// 假设用户指定了输出图像的分辨率
	else if ( dResXSize != 0.0 || dResYSize != 0.0 )
	{
		if ( dResXSize == 0.0 ) dResXSize = adfGeoTransform[1];
		if ( dResYSize == 0.0 ) dResYSize = adfGeoTransform[5];
	}

	if ( dResXSize < 0.0 ) dResXSize = -dResXSize;
	if ( dResYSize > 0.0 ) dResYSize = -dResYSize;

	// 计算输出图像的范围
	double minX = adfGeoTransform[0];
	double maxX = adfGeoTransform[0] + adfGeoTransform[1] * nPixels;
	double maxY = adfGeoTransform[3];
	double minY = adfGeoTransform[3] + adfGeoTransform[5] * nLines;

	nPixels = ceil(( maxX - minX ) / dResXSize );
	nLines  = ceil(( minY - maxY ) / dResYSize ) ;
	adfGeoTransform[0] = minX;
	adfGeoTransform[3] = maxY;
	adfGeoTransform[1] = dResXSize;
	adfGeoTransform[5] = dResYSize;

	// 创建输出图像
	GDALDriverH hDriver = GDALGetDriverByName( pszFormat );
	if (NULL == hDriver)
	{
		return 0;
	}
	GDALDatasetH hDstDS = GDALCreate( hDriver, pszDstFile, nPixels, nLines, nBandCount, eDataType, NULL );
	if (NULL == hDstDS)
	{
		return 0;
	}
	GDALSetProjection( hDstDS,  pszDstWKT);
	GDALSetGeoTransform( hDstDS, adfGeoTransform );

	//获得原始图像的行数和列数
	int nXsize = GDALGetRasterXSize(hSrcDS);
	int nYsize = GDALGetRasterYSize(hSrcDS);

	//然后是图像重採样
	int nFlag = 0;
	float dfValue = 0;
	CPLErr err = CE_Failure;
	//最邻近採样
	for (int nBandIndex = 0; nBandIndex < nBandCount; nBandIndex ++)
	{
		GDALRasterBandH hSrcBand = GDALGetRasterBand(hSrcDS,nBandIndex+1);
		GDALRasterBandH hDstBand = GDALGetRasterBand(hDstDS,nBandIndex+1);
		for (int nRow = 0; nRow < nLines; nRow ++)
		{
			for (int nCol = 0; nCol < nPixels; nCol ++)
			{
				double dbX = adfGeoTransform[0] + nCol * adfGeoTransform[1]
				+ nRow  * adfGeoTransform[2];
				double dbY = adfGeoTransform[3] + nCol * adfGeoTransform[4]
				+ nRow  * adfGeoTransform[5];

				//由输出的图像地理坐标系变换到原始的像素坐标系
				GDALGCPTransform(hTransform,TRUE,1,&dbX,&dbY,NULL,&nFlag);
				int nXCol = (int)(dbX + 0.5);
				int nYRow = (int)(dbY + 0.5);

				//超出范围的用0填充
				if (nXCol < 0 || nXCol >= nXsize || nYRow < 0 || nYRow >= nYsize)
				{
					dfValue = 0;
				}

				else
				{
					err = GDALRasterIO(hSrcBand,GF_Read,nXCol,nYRow,1,1,&dfValue,1,1,eDataType,0,0);
					
				}
				err = GDALRasterIO(hDstBand,GF_Write,nCol,nRow,1,1,&dfValue,1,1,eDataType,0,0);

			}
		}
		
	}

	

	if (hTransform != NULL)
	{
		GDALDestroyGCPTransformer(hTransform);
		hTransform = NULL;
	}

	GDALClose(hSrcDS );
	GDALClose(hDstDS );


	return 1;
}

外部调用的实例 

GDALDataset* poDataset = (GDALDataset*)GDALOpen("E\\248-279_5\\SCENE01\\IMAGERY.TIF",GA_ReadOnly);

	char* pszWkt1 = (char*)poDataset->GetProjectionRef();
	if (0 == strlen(pszWkt1))
	{
		pszWkt1 = (char*)poDataset->GetGCPProjection();
	}

	int nGCPCount = poDataset->GetGCPCount();
	const GDAL_GCP *pGCPList = poDataset->GetGCPs();

	GDAL_GCP *pGCPs = new GDAL_GCP[nGCPCount];
	memcpy(pGCPs,pGCPList,sizeof(GDAL_GCP)*nGCPCount);

	GDALClose(poDataset);

	const char* pszInFile = "E:\\248-279_5\\SCENE01\\IMAGERY.TIF";
	const char* pszOutFile = "E:\\248-279_5\\SCENE01\\IMAGERY-校正.TIF";
	ImageWarpByGCP(pszInFile,pszOutFile,nGCPCount,pGCPs,pszWkt1,0,0,0,GRA_NearestNeighbour,"GTiff");


 

对于上述算法的函数。有些读者可能看出来了，算法的瓶颈就是在那个多重循环那，逐点计算是不是效率太低了。的确，这里能够用分块技术来优化一下。甚至有可能的话。用GPU加速也是不错的选择，我这边仅仅是向大家分享一下怎么去校正带控制点的影像，算是抛砖引玉吧。假设有什么不妥的地方也能够指出来，大家一起讨论。

 

四、兴许研究

1.  怎样进行校正显示，不生成新到的校正影像。

2.      怎样分块处理

3.      怎样用硬件加速，GPU加速

 

參考文献

张永生,刘军. 高分辨率遥感卫星立体影像RPC模型定位的算法及其优化測绘project, 2004,

刘军,王冬红,毛国苗. 基于RPC模型的IKONOS卫星影像高精度立体定位. 測绘通报, 2004

刘军,张永生,范永弘. 基于通用成像模型———有理函数模型的摄影測量定位方法. 測绘通报, 2003

巩丹超,邓雪清,张云彬. 新型遥感卫星传感器几何模型—有理函数模型. 海洋測绘, 2003

GDAL官方文档以及源代码

阮秋琦、数字图像处理（第三版）

weixin_34351321
关注
用gdal正射校正遥感影像
weixin_44853840的博客
12-03 780
使用gdal.Warp函数可以非常方便对遥感影像进行正射校正，这个过程需要我们确定目标影像的几何信息，包括坐标系、分辨率以及需要配准到的区域或基准影像。
基于Python GDAL库实现图像的几何校正详细教程
晚来天欲雪，能饮一杯无？
04-03 3005
基于Python GDAL库实现图像的几何校正详细教程
使用GDAL工具对OrbView-3数据进行正射校正
weixin_34128237的博客
11-17 219
本文原文地址：http://gis-lab.info/qa/orbview3-ortho-gdal.html，借助于Google Translate工具翻译整理了一下。下文中的命令行截图是我本机测试的截图。 一、简介 本文将探讨使用GDAL来对OrbView-3卫星影像进行正射校正。 卫星图像来自免费的OrbView-3航天器，可以通过OrbView-3来了解更多信息。然而，在最...
GDAL 几何矫正
fb_help的专栏
03-28 1509
一、概述 遥感影像和地理坐标进行关联的方式一般有好几种，一种是直接给出了仿射变换系数，即6个参数，左上角地理坐标，纵横方向上的分辨率，以及旋转系数。在这种情况下，求出某一像素点的地理坐标非常容易，直接用公式可以求出，具体代码如下： void CPL_STDCALL GDALApplyGeoTransform(double *padfGeoTransform, double dfPixel, double dfLine,
利用GDAL进行多项式几何校正校正新思路
xiluoduyu
01-17 5835
从网上查看很多关于几何校正的代码，不过好像基本上都差不多，下载下来调试基本上都是说说而已，根本没法真正做到几何校正的目的。好多人也在怀疑GDAL到底能不能做几何精校正，经过自己的努力，我发现，其实只要稍微改一下，GDAL完全可以做到多项式几何精校正的，在此跟大家分享下思路，也希望大牛们有更好的方法的话共享下。        首先说一下最简单的几何校正模型---仿射校正模型（叫法可能不对，大家明白
GDAL一次多项式进行几何纠正
宁静以致远
03-12 4546
用代码说明一切！！！ static int CreateGCPsList( const char * pszGCPsFilename, GDAL_GCP *pasGCPs ); static void DestoryGCPs( int nGCPCount, GDAL_GCP *pasGCPs ); static int GCPTransformToGeoTransform
几何校正.cpp
06-18
几何校正适合比较大的图片，只可以读取8位的RAW图像，适合新手
使用GDAL库中的RPC校正问题
GDAL专栏
07-01 8190
最近将GDAL库更新至1.11版本之后，发现之前写的RPC像方改正模型校正的结果偏差特别大（更新版本之前结果和PCI处理的结果一致）。所以初步判断是GDAL库的bug，经过各个参数修改发现原来是指定的DEM采样方式导致的。 当指定DEM的采样方式为最邻近时，校正结果偏差很大，当DEM采样方式为双线性采样和三次立方卷积采样时，处理的结果与之前的结果一样。截图如图1所示，红色区域为对比区域，如图2所示
几何校正源代码
08-31
该代码，利用GDAL 1.4.2库实现遥感图像的几何校正、图像配准等，vs 2010实现。
处理无人机影像的代码，使用了OpenMVG，openMVS以及GDAL库等，实现影像几何校正，影像拼接，点云生成等功能.zip
最新发布
05-05
在本压缩包中，我们拥有一套用于处理无人机影像的代码，它利用了OpenMVG、openMVS和GDAL库等开源工具，旨在实现影像的几何校正、影像拼接以及点云生成等关键功能。这些技术在无人机自主驾驶、智能机器以及无人机算法...
gdal控制点校正图像
04-11
主要利用图像控制点校正卫星遥感图像，主要为开源技术的体现
RPCandGCP影像校正_GDAL二级纠正_forgottenam4_控制点校正_影像纠正_
09-30
在遥感领域，GDAL常被用来进行影像的读取、写入、转换以及几何校正等操作。在这个项目中，GDAL被用作实现影像纠正的工具。 3. **二级纠正（Second Order Correction）**：二级纠正通常指的是比一级纠正更精确的几何...
[Python]使用GDAL对遥感影像进行图像分块
Anabela的博客
07-07 869
1.实现块与块不重叠的矩形分割 2.修改了原先分块后地理位置重叠的问题，该代码分块后各块地理位置投影完全正确 3.如果原影像长宽不是分块后小影像的长宽的整数倍，该代码也能完美解决
python 读取 遥感图像_python+GDAL遥感图像像素坐标与地理坐标转换（仿射变换）...
weixin_39958112的博客
02-01 1551
最近师兄让我用python让我写一个遥感图像的像素坐标与地理坐标进行转换的小程序，虽然比较简单，但是还要记录一下。不同坐标系的转换，涉及到仿射变换，又称仿射映射，是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间。本文利用GDAL读取仿射矩阵，GDAL利用pip install gdal即可，如果失败，下载whl文件，然后pip install **.whl即可，下载地...
C#结合GDAL实现图像乘运算
Huohuo
05-19 1165
private void btnMapMultiply_Click(object sender, EventArgs e) { string mapMultiply01 = @"E:\\multiply01-109-109.jpg"; string mapMultiply02 = @"E:\\multiply02-109-109.jp
Python 利用GDAL对图像进行几何校正
热门推荐
可乐Mentos的博客
07-16 1万+
Python+GDAL 对遥感图像进行几何校正 Python以简单高效易上手著称，拥有强大的高级数据结构以及众多第三方包，真是快速编程的绝佳首选。 最近想要利用GDAL库对遥感图像进行几何校正，在网上搜了搜，大部分是来自李民录老师的《GDAL源码剖析与开发指南》以及博客的Cpp代码，关于Python的资料较少，于是便边看书边查gdal的python源代码，最后终于实现，现总结整理一下： 一...
图像几何校正
Henry_Zhao的博客
11-25 2369
GDAL 做影像校正, 支持RPC和GCP
CJJ的专栏
03-09 4791
由于公司基础软件一直缺乏影像校正能力,遂基于GDAL写了一个小程序,可以做小数据的影像校正, 网上搜到的都是骤点校正,速度太慢,本程序使用全内存模式, 校正个几个G的数据 的效率比原生GDAL提供的gdalWarp.exe还要快,主要代码如下: 主要函数声明: int ImageWarpRCPorGCP2(GDALDatasetH hSrcDS, const char * pszDst...
几何校正，正射校正，影像配准，辐射定标，辐射校正，大气校正，地表反射率、表观反射率 ，RS、GIS中的地理编码。。。。。
David_jiang
06-30 1万+
遥感影像校正（纠正）分为几何校正和辐射校正，几何校正又细分为粗纠正，精纠正，混合纠正，正射校正等，辐射纠正分为辐射定标，辐射校正，大气纠正等。这些概念容易混淆，在此予以澄清。 一、几何校正 1、概念 指通过一系列的数学模型来改正和消除遥感影像成像时因摄影材料变形、物镜畸变、大气折光、地球曲率、地球自转、地形起伏等因素导致的原始图像上各地物的几何位置、形状、尺寸、方位等特征与在参照...
gdal 几何校正 python
11-10
以下是使用GDAL库进行几何校正的Python代码示例： ```python from osgeo import gdal # 打开原始影像 src_ds = gdal.Open('input.tif') # 创建输出影像 dst_ds = gdal.GetDriverByName('GTiff').CreateCopy('...
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