收藏 分销(赏)

数字图像处理实验讲义16学时2011年版.doc

上传人:快乐****生活 文档编号:2578690 上传时间:2024-06-01 格式:DOC 页数:24 大小:402.54KB 下载积分:10 金币
下载 相关 举报
数字图像处理实验讲义16学时2011年版.doc_第1页
第1页 / 共24页
数字图像处理实验讲义16学时2011年版.doc_第2页
第2页 / 共24页


点击查看更多>>
资源描述
数字图像处理实验讲义16学时2011年版 ———————————————————————————————— 作者: ———————————————————————————————— 日期: 2 个人收集整理 勿做商业用途 实验1 图像基本操作 1. 实验要求 在MATLAB环境下完成下列操作: 读入图像; 保存图像; 图像的显示方法 2. 实验类型 验证型 3. 实验时间 2学时 4. 实验方法 使用函数imread可以将图像读入MATLAB环境,imread的语法为 imread( ‘filename’ ) imread所支持的文件格式包括: TIFF—-—--—---- 。tif .tiff JPEG--—-——-- .jpg 。jpeg GIF—---———--—— .gif BMP——---—--- .bmp PNG———---——- .png XWD-—-————-- 。xwd 使用函数imwrite可以将图像保存在磁盘上,imwrite的语法为 imwrite( f, ‘filename' ) 使用函数size可以察看图像大小,size的语法为 size( ) 使用函数imfinfo可以察看图像信息,imfinfo的语法为 imfinfo filename 使用函数imshow可以显示图像缩略图,imshow的语法为 imshow ( ) 使用函数imview可以显示图像原图,imview的语法为,不同的是imview是一个工具,可以完成一些基本的图像操作 imview ( ) 使用函数figure可以开辟一个新的窗口,figure的语法为 figure, imshow ( ) figure, imview ( ) figure, plot ( ) ………………… 使用数据类型转换函数可以转换图像数据类型,如 im2uint8 ( ) --—-—-------—-—-—- convert image to uint8 im2uint16 ( ) -----———--——-—-- convert image to uint16 mat2gray ( ) —---—---—-—-—---- convert image to double, range[0 , 1] im2double ( ) ---—--—-—-—-—-—- convert image to double im2bw ( ) ——-——---———--——-—-——- convert image to logical 5. 实验过程 使用函数imread打开一幅灰度图像(fig0309abc.jpg),使用函数imwrite将图像另存为不同的文件名;在此过程中观察图像矩阵的形式,并用图像矩阵的索引法,观察并记录5×5的矩阵片断; 使用函数size察看图像大小,使用函数imfinfo察看图像信息;记录图像信息; 分别使用函数imshow和函数imview显示图像;记录两种方式的区别; 使用函数imread打开一幅彩色图像(start。jpg),观察图像矩阵的形式;并分别观察和记录RGB三色5×5的矩阵片断; 使用函数rgb2gray将彩色图像转换为灰度图像; 使用im2uint8和im2double转换图像的数据类型,记录5×5矩阵片断在转换前后的变化。 实验2 图像点运算 1. 实验要求 在MATLAB环境下完成下列操作: 读入图像; 图像灰度变换方法; 灰度的对数扩展法; 绘制灰度直方图; 直方图均衡法; 任意灰度变换实现; 2. 实验类型 验证型 3. 实验时间 2学时 4. 实验方法 使用函数imadjust可以实现图像灰度变换,imadjust的语法为 imadjust ( f, [ low_in high_in ], [ low_out high_out ], gamma ) gamma所表示的意义: >1 --—--———-— 凹曲线 <1 ——-————--- 凸曲线 =1 -——--——-—- 直线 灰度的对数扩展法 g = c*log( 1+ double( f ) ) 目的是使亮区域得到抑制,暗区域灰度得到均匀增强 使用语句 im2uint8(mat2gray( log( 1+ double (f) ) ) ) 其中系数c通过mat2gray函数自动调整 灰度直方图反映图像的灰度分布情况,即亮度分布情况; 它说明不同灰度的像素个数或分布概率 使用函数imhist绘制灰度直方图,imhist的语法为 h = imhist( f ); figure, imhist( f ); figure, plot( h ); figure, stem( h ); figure, bar( h ); 由于拍摄和处理的原因,导致图像的灰度分布范围过小; 最大熵原理指出:数据满足均匀分布时,信息量最大; 依据这个原理,通过灰度直方图均衡化将图像灰度分布扩展到整个灰度分布范围,可以使图形信息量最大,即使使得图像对比度增强。 使用函数histeq对图像进行直方图均衡,histeq的语法为 g = histeq( f, nlev ); % nlev为输出的灰度级数,通常取256,默认64 figure, imhist(g); 图1 任意灰度变换需要进行分段计算,如图1 α*f , 0≤f<a ; g = β*(f-a)+ga , a≤f<b ; γ*(f-b)+gb , b≤f≤c ; 5. 实验过程 使用函数imread打开一幅灰度图像(fig0222b。jpg),使用函数imadjust实现图像灰度变换; 分别使用: g1= imadjust ( f, [ 20 255 ], [ 0 255 ], 0.5 ); g2= imadjust ( f, [ 20 255 ], [ 0 255 ], 1 ); g3= imadjust ( f, [ 20 255 ], [ 0 255 ], 2 ); g4= imadjust ( f, [ 0 255 ], [ 255 05 ], 1 ); figure, imshow(g1); figure, imshow(g2); figure, imshow(g3); figure, imshow(g4); 观察并记录四种变换差别。(注意:请将方括号内的整数需要手工折算成浮点数) 使用函数imread打开一幅灰度图像(fig0305.tif),使用如下语句进行对数扩展 figure, imshow(f2); g5= im2uint8(mat2gray(log(1+double (f2)))); figure, imshow(g5); 观察并记录均衡前后的差别。 使用函数imread打开一幅灰度图像(fig0222b.jpg),使用函数imhist绘制灰度直方图,直方图有四种表现形式 h = imhist( f3 ); figure, imhist( f3 ); figure, plot( h ); figure, stem( h ); figure, bar( h ); 观察四种直方图的差别. 使用函数imread打开一幅灰度图像(fig0308。tif),说明这幅图像直方图存在的问题.使用函数histeq对图像进行直方图均衡,比较并记录均衡前后图像的变化 h1 = histeq( f3, 256 ); figure, imhist( h1 ); figure, imshow( f3 ); figure, imshow( h1 ); 打开一幅灰度图像(fig0309abc.jpg),编写一个m文件完成图2的灰度变换功能,观察并记录图像变换前后的区别,将程序记录 图2 实验3 图像间的运算 1. 实验要求 在MATLAB环境下完成下列操作: 图像加法; 图像减法; 图像乘法; 图像除法; 图像与或非等逻辑运算; 2. 实验类型 验证型 3. 实验时间 2学时 4. 实验方法 图像加法是把图像叠加在一起的操作,使用函数imadd将两幅图像相加. f1=imread(’Fig0206a。tif'); %读入图像 f2=imread(’Fig0207.tif ’); %读入图像 f3=imadd(f1,f2); figure,imshow(f3); 图像减法是从一幅图像中减去另一幅图像,经常被用作检测两幅图像的差别,使用函数imsubtract将两幅图像相减。下面的操作是根据一幅原始图像,生成其背景亮度图像,然后再从原图像中减去背景亮度图像,从而得到结果。 f4=imread('Fig0404.jpg’); %读入图像 bkgrd=imopen(f4,strel('disk’,15)); f5=imsubtract(f4, bkgrd); figure,subplot(1,2,1),imshow(f4); subplot(1,2,2),imshow(f5); 图像乘法将两幅图像对应点的像素进行相乘操作(MATLAB的点乘),使用函数immultiply对两幅图像进行乘法操作,并将相乘的结果作为输出图像对应点的像素值。 f6=imread('Fig0206a.tif’); %读入图像 f7=imread(' Fig0207.tif '); %读入图像 f8=immultiply(f6,f7); %两幅图像相乘 f9=immultiply(f6,1。2); %图像和一个系数相乘,等于将灰度乘以一个系数 figure,subplot(2,2,1),imshow(f6); subplot(2,2,2),imshow(f7); subplot(2,2,3),imshow(f8); subplot(2,2,4),imshow(f9); 图像除法将两幅图像对应点的像素进行相除操作(MATLAB的点除),使用函数imdivide对两幅图像进行除法操作,并将相除的结果作为输出图像对应点的像素值. f10=imread(’ Fig0206a.tif ’); %读入图像 f11=imread(' Fig0207。tif ’); %读入图像 f12=double(f11); f13=f12*0。2+50; f14=uint8(f13); f15=imdivide (f10,f14); figure,imshow(f15); 图像间的逻辑运算主要有“与”、“或”、“非”等,把它们组合起来可以构成其他逻辑运算。当我们对灰度级进行逻辑操作时,像素值作为一个二进制数来处理,逻辑操作按位进行。 “与"和“或”运算通常用作模板,即通过这些操作可以从一幅图像中提取子图像,更加突出子图像的内容.下面的“与"和“或"运算通过逐点进行。 f=imread(’fig0222b。jpg'); %读入图像 [m,n]=size(f); figure,subplot(2,3,1),imshow(f); f1=zeros(m,n); f1(20:150,70:170)=255; f1=uint8(f1); subplot(2,3,2),imshow(f1); for i=1:m for j=1:n f2(i,j)=bitand(f(i,j),f1(i,j)); end end subplot(2,3,3),imshow(f2); %显示“与”的结果 f3=ones(m,n)*255; f3(20:150,70:170)=0; f3=uint8(f3); subplot(2,3,5),imshow(f3); for i=1:m for j=1:n f4(i,j)=bitor(f(i,j),f3(i,j)); end end subplot(2,3,6),imshow(f4); %显示“或”的结果 for i=1:m for j=1:n f5(i,j)=bitxor(f(i,j),255); %和1取异或等于求反 end end subplot(2,3,4),imshow(f5); %显示“非”的结果 5. 实验过程 使用函数imadd将两幅图像相加 ('Fig0206a.tif') ('Fig0207。tif ’),观察并记录结果。 使用函数imsubtract将两幅图像相减(’Fig0404。jpg’),观察并记录结果。 使用函数immultiply对两幅图像进行乘法操作(’Fig0206a。tif') (’Fig0207。tif ’),并将相乘的结果作为输出图像对应点的像素值,观察并记录结果。 使用函数imdivide对两幅图像进行除法操作('Fig0206a.tif') ('Fig0207。tif ’),并将相除的结果作为输出图像对应点的像素值,观察并记录结果。 使用点运算进行图像“与”、“或”、“非”操作('fig0222b。jpg'),观察并记录结果. 实验4 图像空间运算 1. 实验要求 在MATLAB环境下完成下列操作: 均值滤波方法; 中值滤波方法; 边缘检测; 基于边缘检测的图像增强法; 采用边缘检测和灰度变换结合图像增强法; 2. 实验类型 验证型 3. 实验时间 2学时 4. 实验方法 图像的空间滤波使用函数imfilter实现,imfilter的语法为 imfilter ( f, w, { filtering_mode }, { boundary_option }, { size_option } ) f —--——--— image matrix w -———--— image mask { }为可选项 均值滤波的掩模 ,,等 中值滤波的函数medfilt2() 边缘检测的算子,,, ,,,, ,等 基于边缘检测的图像增强算子,,, ,,,, ,等 采用边缘检测和灰度变换结合图像增强法 设是图像经过一阶梯度运算的结果 1. 2. 3. 4. 5. 实验过程 使用函数imread打开一幅有噪声的灰度图像(fig0318.tif); 分别使用: 均值滤波的各种掩模过滤噪声,观察并记录各种掩模处理结果的差异,注意掩模的系数 中值滤波观察并记录和中值滤波相比的结果差异 使用函数imread打开一幅灰度图像(fig0316.tif); 分别使用: 使用各种边缘检测的算子检测边缘,观察并记录各种算子处理结果的差异. 使用各种边缘增强的算子处理图像,观察并记录各种算子处理结果的差异. 打开一幅灰度图像(fig0413。tif),编程实现四种采用边缘检测和灰度变换结合图像增强法 设门限T=210,LG=230,LB=50,(这是参考数值,请根据实际情况调整) 记录程序,并且比较四种处理结果的差异 实验5 图像频域运算 1. 实验要求 在MATLAB环境下完成下列操作: 掌握图像进行二维DFT的方法; 完成简单的图像频域滤波; 采用频域处理对图像增强法; 2. 实验类型 验证型 3. 实验时间 2学时 4. 实验方法 图像的图像进行二维DFT使用函数fft2()实现,fft2()的语法为 F=fft2(f); 为了显示频谱的实部使用 S=abs(F); figure,imshow(S,[ ]); 为了将频谱居中显示,使用函数fftshift()搬移,fftshift()的语法为 Fc=fftshift(F); figure,imshow(Fc,[ ]); 为了使频谱的对比度增强,采用对数增强法 S2=log(1+abs(Fc)); figure,imshow(S2,[ ]) 将图像进行IDFT之前,使用函数ifftshift()将频谱反向搬移,然后使用函数ifft2()进行IDFT 生成低通滤波使用函数lpfilter(),生成高通滤波使用函数hpfilter(),(参考函数部分) H1=lpfilter(‘ideal',M,N,D0); H2=hpfilter(‘ideal’,M,N,D0); 对图像进行频域滤波使用函数dftfilt(),(参考函数部分) G1=dftfilt(f,H1); G2=dftfilt(f,H2); figure,imshow(G1,[ ]); figure,imshow(G2,[ ]); 对图像进行高频强调增强,是在保持图像特征的基础上,对高频部分进行一定提升 H3=0。5+2*H2; G3=dftfilt(f,H3); figure,imshow(G3,[ ]); 5. 实验过程 使用函数imread打开一幅图像(fig0403.tif),对图像进行DFT,频谱搬移,反搬移,和IDFT 使用函数imread打开一幅灰度图像(fig0413。tif),对图像进行低通滤波,高通滤波,和高频增强 设计一种频域图像增强方法对图像fig0419。tif进行增强,同时采用空间增强方法对结果进行比较 实验6 图像退化和复原 1. 实验要求 在MATLAB环境下完成下列操作: 完成图像运动模糊退化; 完成有约束的最小二乘方滤波; 完成图像维纳滤波; 完成图像逆滤波; 比较各种方法的优缺点; 2. 实验类型 验证型 3. 实验时间 2学时 4. 实验方法 创建一个运动模糊退化滤波器(退化滤波器PSF),使用函数fspecial创建退化滤波器PSF,然后调用imfilter对图像进行卷积运算,就可以得到一幅运动退化图像。 I=imread(’fig0222b。jpg'); %读入图像 figure,subplot(1,2,1),imshow(I); LEN=31; THETA=11; PSF=fspecial('motion',LEN,THETA); %生成退化函数 blurred=imfilter(I,PSF, 'circular', 'conv’); subplot(1,2,2),imshow(Blurred); 然后使用imnoise函数对图像添加随机噪声。 fnblurred =imnoise( blurred, ’gaussian',0,0。001); %产生随机噪声图像 figure, imshow(fnblurred); 下面,使用函数deconvwnr对无噪声的运动模糊图像进行复原,这里假设退化函数PSF已知 LEN=31; THETA=11; PSF=fspecial('motion’,LEN,THETA); wnr1=deconvwnr(blurred,PSF); figure,imshow(wnr1); 然而,实际情况是退化函数PSF是未知的,只能通过一些先验参数进行复原,所以,这里采用不同的LEN和THETA参数,进行实验,体会一下退化函数PSF的重要性. wnr2=deconvwnr(blurred, fspecial(’motion’,2*LEN,THETA)); figure,subplot(1,2,1),imshow(wnr2); wnr3=deconvwnr(blurred, fspecial('motion’, LEN, 2*THETA)); subplot(1,2,2),imshow(wnr3); 接下来,使用函数deconvwnr对一幅有噪声的运动模糊图像进行维纳滤波复原。 wnr4=deconvwnr(fnblurred,PSF); figure,imshow(wnr4); 从结果中可以看出,复原效果不是很好,这是由于维纳滤波器设计不合适所导致的. 为了使维纳滤波复原的效果变好,必须使用deconvwnr函数的可选参数NSR、NCORR和ICORR,通过改变参数获得不同的复原效果。 pnoise=imnoise(zeros(size(f)),’gaussian’,0,0.001); NSR=sum(pnoise(:)。^2) /sum(im2double(fnblurred(:)).^2); %使用信噪比作为约束条件 wnr5= deconvwnr(fnblurred,PSF,NSR); NP=abs(fftn(pnoise))。^2; NCORR=fftshift(real(ifftn(NP))); %使用噪声自相关函数 IP= abs(fftn(im2double(fnblurred)))。^2; ICORR=fftshift(real(ifftn(IP))); %使用图像自相关函数 wnr6= deconvwnr(fnblurred,PSF, NCORR, ICORR); figure,imshow(wnr6); 盲目去卷积法可在对退化情况完全不知情的下(忽略噪声影响)进行逆滤波操作。可以使用deconvblind函数进行盲目去卷积。 PSF=fspecial(’gaussian',7,10); blurred01=imfilter(I,PSF, 'circular', 'conv’); figure, imshow(blurred01); UNDERPSF=ones(size(PSF)—4); [J1 P1]= deconvblind(blurred01, UNDERPSF); % 使用较小的PSF进行逆滤波 figure, imshow(J1); OVERPSF=padarray(UNDERPSF,[4 4], 'replicate’, ’both'); [J2 P2]= deconvblind(blurred01, OVERPSF); % 使用较大的PSF进行逆滤波 figure, imshow(J2); INITPSF=padarray(UNDERPSF,[2 2], ’replicate’, ’both'); [J3 P3]= deconvblind(blurred01, INITPSF); % 使用真实的PSF进行逆滤波 figure, imshow(J3); 从结果中可以发现,退化函数PSF对图像复原质量有着非常重要的影响,实际应用中可以通过分析,使用不同大小的PSF对图像进行复原,从中选择一个最合适的PSF使用。 5. 实验过程 使用函数fspecial创建退化滤波器PSF,然后调用imfilter对图像进行卷积运算,就可以得到一幅运动退化图像,观察并记录结果. 使用imnoise函数对图像添加随机噪声,观察并记录结果。 使用函数deconvwnr对无噪声的运动模糊图像进行复原,观察并记录结果.同时采用不同的LEN和THETA参数,进行实验,体会一下退化函数PSF的重要性,观察并记录结果. 使用函数deconvwnr对一幅有噪声的运动模糊图像进行维纳滤波复原,观察并记录结果。为了使维纳滤波复原的效果变好,必须使用deconvwnr函数的可选参数NSR、NCORR和ICORR,通过改变参数获得不同的复原效果,观察并记录结果。 使用deconvblind函数进行盲目去卷积,采用不同的退化函数,观察并记录结果。 实验7 彩色图像处理 1. 实验要求 在MATLAB环境下完成下列操作: 学习MATLAB中彩色图像的表示方法 掌握彩色图像空间的转换方法 掌握彩色图像平滑滤波和锐化的方法 2. 实验类型 验证型 3. 实验时间 2学时 4. 实验方法 令fr, fg , fb分别代表RGB彩色图像的三个色彩分量,一幅RGB图像利用cat( )函数将三个分量合成为一幅RGB图像,语法为 rgb_image = cat (3, fr, fg, fb) 其中rgb_image为已经读入的彩色图像矩阵 使用函数rgb2gray可以将彩色图像转换为灰度图像,rgb2gray的语法为 rgb2gray ( ) 也可以直接提取RGB彩色图像的三个色彩分量,语法为 fr = rgb_image (:, :, 1) fg = rgb_image (:, :, 2) fb = rgb_image (:, :, 3) 在MATLAB中,可以将彩色图像在各个色彩空间中相互转换,语法为 rgb空间和YCrCb空间的转换 ycbcr_image = rgb2ycbcr(rgb_image) 彩色图像由于还有色彩信息,因此它的平滑和锐化,必须在每个色彩分量中分别进行 5. 实验过程 使用函数imread打开一幅彩色图像(start.jpg); 观察RGB三个分量的值,将三个分量显示出来,观察其中差异 将一幅彩色图像(start.jpg)分别转换到YCrCb,CMYK空间,将四个空间的图像显示出来,观察其中差异 使用函数imread打开一幅彩色图像(fig0618.tif),提取三个分量,用矩阵,对图像在三个分量进行平滑,分别观察三个分量平滑结果以及合成彩色图像后的平滑结果 将图像fig0618。tif转换到YCrCb空间,提取三个分量,用矩阵,对图像在三个分量进行平滑,分别观察三个分量平滑结果以及合成彩色图像后的平滑结果 请比较分别比较在RGB空间和YCrCb空间进行平滑的效果 使用函数imread打开一幅彩色图像(fig0618.tif),提取三个分量,用拉普拉斯算子,对图像在三个分量进行锐化,分别观察三个分量锐化结果以及合成彩色图像后的锐化结果 将图像fig0618。tif转换到YCrCb空间,提取三个分量,用拉普拉斯算子,对图像在三个分量进行锐化,分别观察三个分量锐化结果以及合成彩色图像后的锐化结果 请比较分别比较在RGB空间和YCrCb空间进行锐化的效果 实验8 图像形态学操作 1. 实验要求 在MATLAB环境下完成下列操作: 学习图像形态学的基本原理和方法 掌握图像形态学操作的一般方法; 完成简单的图像形态操作; 设计简单的形态操作方案; 2. 实验类型 验证型 3. 实验时间 2学时 4. 实验方法 图像进行膨胀使用函数imdilate()实现,imdilate()的语法为 F=imdilate (f,B); 其中B是结构元素 图像进行腐蚀使用函数imerode()实现,imerode ()的语法为 F=imerode (f,B); 其中B是结构元素 图像进行开运算使用函数imopen()实现,imopen ()的语法为 F=imopen (f,B); 其中B是结构元素 图像进行闭运算使用函数imclose()实现,imclose ()的语法为 F=imclose (f,B); 其中B是结构元素 图像的结构元素B可以手工输入,也可以程序生成 生成结构元素使用函数 strel()实现,strel ()的语法为 B = strel(shape,parameters) 函数strel()的使用说明参考matlab帮助 图像的贴标签操作使用函数 bwlabel()实现,bwlabel ()的语法为 [L, n] = bwlabel(f,conn) 其中,conn是联接数,L是贴过标签的图像,n是最大的标签数 5. 实验过程 使用函数imread打开一幅灰度图像(fig0906。tif); 对图像进行膨胀运算,分别使用半径为5的结构元素 或B=ones(5) 或B=strel(‘rectangle’,[5 5]) 使用函数imread打开一幅灰度图像(fig0908.tif); 对图像进行腐蚀运算,分别使用半径为5,10,20的结构元素,观察三种的结果的差异; 使用函数imread打开一幅灰度图像(fig0910.tif); 使用半径为10的结构元素,分别对图像进行开运算和闭运算,观察两种运算结果之间的差异; 使用函数imread打开一幅灰度图像(fig0926bw。tif); 这是一张米粒的照片,设计一种方法,使用前面介绍的函数计算米粒的个数(提示:可使用函数bwlable计算单联通域的个数) 附录:IPT图像处理函数列表 Geometric transformations。 pixeldup — Duplicate pixels of an image in both directions. vistformfwd — Visualize forward geometric transformation. Pixel values and statistics。 covmatrix - Covariance matrix of vector population。 statmoments - Statistical central moments of image histogram。 Image analysis, including segmentation, description, recognition. bayesgauss - Bayes classifier for Gaussian patterns。 bound2eight — Convert 4—connected boundary to 8-connected。 bound2four - Convert 8-connected boundary to 4—connected. bound2im - Convert boundary to image。 boundaries — Trace region boundaries。 bsubsamp — Subsample a boundary. colorgrad — Vector gradient of RGB image. colorseg - Segment a color image. connectpoly — Connect vertices of polygon. diameter - Measure diameter of image regions。 fchcode - Freeman chain code of boundary。 frdescp — Fourier descriptors。 hough — Hough transform. houghlines — Extract line segments using Hough transform。 houghpeaks - Detect peaks in Hough transform. houghpixels - Image pixels associated with Hough transform bin。 ifrdescp — Inverse Fourier descriptors。 imstack2vectors - Extract vectors from image stack。 invmoments - Invariant moments of image。 mahalanobis - Mahalanobis distance. minperpoly - Minimum perimeter polygon。 polyangles — Internal angles of polygon vertices。 princomp — Principal-component vectors. randvertex — Randomly perturb polygon vertices. regiongrow - Segmentation by region growing. signature - Signature of boundary. specxture — Spectral texture of image. splitmerge — Segment image using split—and-merge. statxture — Statistical texture measures of image. strsimilarity - Similarity measurement
展开阅读全文

开通  VIP会员、SVIP会员  优惠大
下载10份以上建议开通VIP会员
下载20份以上建议开通SVIP会员


开通VIP      成为共赢上传

当前位置:首页 > 包罗万象 > 大杂烩

移动网页_全站_页脚广告1

关于我们      便捷服务       自信AI       AI导航        抽奖活动

©2010-2025 宁波自信网络信息技术有限公司  版权所有

客服电话:4009-655-100  投诉/维权电话:18658249818

gongan.png浙公网安备33021202000488号   

icp.png浙ICP备2021020529号-1  |  浙B2-20240490  

关注我们 :微信公众号    抖音    微博    LOFTER 

客服