Stable Diffusion 老照片修复+高清化+一键抠图教程_sd老照片修复

Stable Diffusion 抠图工具使用小记 用stable diffusion有段时间了,最近使用了它的抠图工具这里是我对该工具的使用和记录。希望可以帮其他人了解相关内容。在图像处理中,抠图是一项非常重要的任务。传统的抠图方法通常需要人工进行较长时间的描边和选择,效率低下且不准确。然而,Stable Diffusion提供的工具相当智能,可用于图像抠图,使该过程更加快速、准确和简单。它可以用于处理不同尺度、不同复杂度的图像,并且可以通过调整参数来适应不同的抠图任务。文末附100个Lora资源方便大家使用。 阅读详情

大家有没有一些老旧,珍藏的照片因为岁月的侵蚀变得模糊而感到惋惜?有没有在做SD的时候生成的图片清晰度不够,过于模糊?但是不知道如何把它变得更清晰呢?

如果有,那你就来对了,本期课程就是教大家如何用SD的功能把照片放大变得超清,同时还教大家如何把破旧的老照片变得不再模糊。

好,马上开干!

我们进入到stable页面之后,今天就要讲高清化,我今天讲的分别是extra高清化和stable SR脚本。我们先讲extra高清化吧!点击图生图右边的高清化extras按钮,有的版本也把高清化翻译成附加功能或者后期处理,其实功能都一样,我们先看这一行,有单张图像,批量处理,批量处理目录下图像。是不是跟上节课讲的图生图的非常像?单张图像只能处理一张照片,我们不能框选好多图片。我们只能一张一张点,假如说我点CTRL多选呢?不行,只能选择一张图片。然后批量处理就是可以一次处理多张图片,就可以框选多张图片了,这就是批量处理。批量处理目录下图像,就是直接处理你文件夹内的所有图片。假如说我想把测试图文件夹全部复制到里边去,shift+鼠标右建测试图文件夹,点击复制文件地址粘贴进去,之后把双报号删掉,输出目录路径,就是你在电脑里边新建一个新的空文件夹,必须是空文件夹!一定是以英文作为名字,把这个新文件夹路径复制到输出栏就可以批量处理了。我们今天先以单张图像去作为例子,下面这个缩放比例,原图是512×512,如果缩放比例调成2的话,输出图片的像素就会变成1024 1024的尺寸如果调到4的话是多少?4096×4096对不对?这是缩放比例。那么指定分辨率缩放是干嘛的?就是说本来我原图是512×512的,我不想把它变成等比例缩放,我想让它变成比如说1328*1104,原图是512×512正方形,做完之后是长方形。就在这里调整你要值,当你输入的图片的指定分辨率时,一定要勾选裁剪,不勾选整体的图片就是会成为一个拉伸的效果,就是硬拉伸的图片,所以一定要勾选裁剪以适应宽高比。今天我们就以等比缩放作为例子给大家展示。在讲解下面的obscu放大算法模型之前呢,我想先让大家下载一个新的模型算法,叫做4x-UltraSharp.pth,这个就是一个万能的放大模型,用它就对了!

后边我再给大家讲怎么安装。首先我们要先到这篇图文底部点开我的下载网盘地址,点击这个文件4x-UltraSharp.pth,点击下载就OK。下载完成之后呢,放到我们的sty v u根目录之后呢,我们点击models,然后点开ESRGAN里边,然后右键粘贴,或者直接把它拉进来,就完成了,

好,下面就是Upscaler1,Upscaler2,这两个就是放大算法的模型一打开之后发现这么多模型?我应该选哪个?根本不用担心啊,因为这里边有一个模型可以战胜所有其他模型,无脑用那一个4x-UltraSharp.pth就行,你只要知道在什么情况下用哪种算法就好。简单讲一下,前两个Lanczos和Nearest都是很传统的数学运算缩放算法,这两种算法几乎不会把你的图片变高净化,感觉像变了,但是没有完全变,我们以Lanczos举个例子,我们看一下原图,打开现在是这个样子的,然后再看一下对比图,两张的效果其实差不多,

我一会给大家解释这个Upscaler2是干嘛的,下一个EST差不多都是一样的,我就不给大家测试了,下一个4x-UltraSharp,这个就是我说的无脑用它就行,在放大图片的时候,你选它准没错,它放大任何图片都是又快,细节保留的又多,而且能让人变得更真实,不会出现那种磨皮过度的效果,我点击放大比例4倍,大家看一下效果,在这里放大看是不是非常的清晰?然后整体的皮肤的一些表面组织啊,其实它还是有保留的,虽然和真实人类的皮肤表层并不是那么像,但是它把原本应该留在皮肤上的一些噪点给保留下来了,这就是sharp的一个效果,是不是非常清晰,

其实我们自己可以做对比的。不知道他们有什么功能,我们就一个一个试就好了,大家也可以用之前课程讲过的X y z plot这个脚本来试,这比一个一个给演示要直观,下面这几个我就不讲了,我只讲这个ANEIME6B Anime就是动漫的意思,当我们想要放大动漫图片的时候,就用这个,其他一律都不要用,动漫就用它就好了。

所以当我们在对比所有的模型之后,哪个最好用?是不是就是这个呀?4x-UltraSharp做真人放大无脑用就行。动漫用ANEIME6BOK,大家知道这个就好。下面这Upscaler2什么时候去运用呢?因为在al sharp出现之前呢,好多其他的算法会出现磨皮过重的感觉,我们就要想办法给它做一个权衡,就是当它磨皮过重的时候,给它加一个去噪能力很差的一个算法,比如说第一和第二这两个其中一个,然后把它权衡一下,然后这个UPSCULE2可见度就是使用UPSCULE2模型在渲染时候的总占比,假如这里是0.3,就是30%的leg,然后剩下70%是alltra sharpop的模型运算,但是现在你有UltraSharp了,你就不需要去用它了,因为UltraSharp已经把好多的缺点给过滤掉了。下面讲一下这个GFPGAN面部修复程度,这个是专门修复面部损失的,当我们在修改面部模糊的时候,我们就把这2个UPSCULE全部改成none,然后缩放比例,这个调整固定4就OK。下面给大家看一下它的强大之处,这张图片。模不模糊我们放大看一下这张图片?放大之后这个样子的是不是很模糊?

当我们只有头像的这个图片很模糊的时候,我们就可以用到GFPGAN了,我们给大家看一下效果啊,点击生成,我们看一下放大过后是不是整体的图片变得很清晰了,面部的一些细节整体的样子是不是表现出来了,这就是GFPGAN面部修复的一个效果,但是它只可以把面部的细节变清晰,我们举个例子啊,假如说这张图片整体也是很模糊啊,但是它出来图片只有面部会变清晰,因为它会自动识别你的面部信晰,下面该模糊还是模糊,它是不会管你的,只会把你的面部细节保留变得更清晰。下面这个CodeFormer面部重建程度还是用那张照片吧,它跟GFPGAN都是修复面部呢,但是你在用CodeFormer的时候,它会把你面部的一些特征做改变,我们看一下把它调成1,我们看一下这边,左边这个眼睛是和原图会有一些差别的,我们看一下对比,这个是GFPGAN做出来的眼睛是这个样子,这个是Co former做出来的,大家觉得哪个更像原图啊?我是觉得第一个GFPGAN是更像原图的,OK,这两个可以同时开启,然后这个也是一个权重,面部修复权重为0的时候,它的效果是最大,1的时候它的效果最小,当你这两个同时用的时候,就可以用这个,

我们看一下这个面部修复程度,其实它就是在用我们这个面部修复用的一个算法,那么在哪里看呢?到设置里边有一个面部修复,你可以选择Co former或者GFPGAN,那这里它用的这个former weight是0.5,当你在做面部修复的时候其实建议大家还是选GFPGAN,因为如果你调成这个Co form模式,你会发现本来原图的面部细节会有所更改,这就是为什么它翻译的时候叫做面部重建程度,下面我讲一下这个remove background,大家看看自己的里面有没有这个插件?如果没有我教大家怎么安装,我把课程上所有插件的下载地址都放到本课程的最后面,大家自己去下载。这个插件叫做future web UI re BG,就叫做remove background,我们把网址复制到从网址安装,然后点击安装就OK了,然后安装好后点击应用并重启web UI完成后我们回到高清化,这个REMBG是干嘛的?这个是非常强大的抠图功能,打开这里边有这么多算法,我们看一下官方怎么解释这些模型呢?OK,第一个U2NET,它就是一个预训练模型,For general use cases,就是大部分的图片都是可以用这个算法。第二个U2NETp,我试了几次,它在抠图的时候精细程度没有第一个好。第三个*u2net_human_seg就是在我们做人类分割的时候用这个模型比较好,这个U2net cloth seg是非常强大的,当我们在做模特换装的时候用的比较多,它就会自动把人物主体的上衣和下衣直接给抠出来。我一会儿给大家看一个例子,然后这个salutta c这个就和U2NET很像啊,那下面这个is enemy,这个是专门给动漫抠图的,我们在想抠动漫图的时候就用它就OK了,Sam这个是我们模型里面没有的,因为它呢是另外一个插件,后面给大家讲,那个也是很强大的,我们先做例子,就先拿这个U2NET做例子,GFPGAN这些我们可以不调,先做个测试,我们假如说用这张用U2NET做测试,大概也就两秒钟的时间,他就把整张图片给抠好了,我们看下效果整体还是相当不错的,我们把它换成白底看一下,就会发现边缘有黑边,黑边怎么调整?勾选用Alpha ma调整就可以了,我们再看一下return mask return MAS就是把它变成蒙版,是不是就是我上节课讲的局部重绘的那样子?做的蒙版就直接给抠出来了,如果你不会用PS把图片抠出来,就用这个。我们看一下这个Alpha里面的数值啊,ErodeSize翻译就叫做腐蚀尺寸,就是保留主体的边缘留下的一些像素,它这个可以避免边缘太生硬的一个效果啊,因为有的时候我们在抠图的时候,边缘是直的,非常生硬,在我们做重绘的时候就效果不是很好,就是类似于边缘模糊,数值越高,图片的边缘范围保留的细节就会越多,但是不建议开太高啊,越低越好,因为我们不想让图片保留细节太多,假如说我们把它调成40,出来的图周围的一些背景保留的非常多,整体效果就不是非常好,但是它把你的黑边给去掉了,虽然是没有黑边,但是这个抠图整体还需要调整,怎么去做调整呢?下面Foreground 和background这两个干嘛的?Foreground 就是保留主体的前景预值,前景预值越高,去除前景的元素就越多,背景预值越高,去除背景的元素就越多,但是调太高时主体的元素也会被抠掉。在我反复试验几个小时左右后,终于研究出了一个相当完美的预设,就是模型就用这个,然后e size调成6,然后Foreground 调成143 background调成187。我试了几张图片啊,整体是没有黑边,并且抠图效果比较不错,但是每张图片的测试都是不一样的,当大家在抠图的时候发现效果不好,或者黑边很严重,试一下我这个预设,这可是我花很长时间试验出来的一个不错的预设,我们看一下整体的人物是不是没有黑边,并且背景也几乎是没有保留的,整体是一个很完美,整体的效果是最不错了,所以大家可以试一下我这个预设啊,下面还有一个UN cloth c,看一下效果,它能把衣服给抠掉。我们看一下是不是把上衣还有裤子全部给抠掉了,这个什么时候用比较多呢?一般是用这些mask直接变成蒙版,只不过这个下边边缘是有一点瑕疵,还有一个缺点就是不知道为什么衣服这两张图片隔的那么远啊,当使用这种方式抠衣服蒙版的时候,我们还是需要去后期PS或者其他软件里边调整一下才行。有一点非常重要的事情要跟大家讲一下,如果你是用启动器打开了SD,安装了re BG这个插件,在你第一次生成的时候大概率会报错,报什么错呢?会报一个类似于这样runtime error,然后是provider library get on n n X runtime error,我用的时候也是报这个错了,我研究了一晚上,最后终于知道原因了,必须是在你的web UI这个文件夹,然后后边再输入一个斜杠,输入PY310,然后回车,回车之后进入到这个文件夹,然后你输入CMD,打开终端口,把这串命令输入上去,然后点击回车,回车之后如果你看到这个页面,就代表你安装成功。那完成之后,你把web UI重启一下,然后再用这个remove background就可以了,这个真的是研究了一晚上才研究明白,如果你也遇见了同样的问题,同时在我的帮助下解决了,请一定点赞转发。最后再顺便给大家讲一下图像信息,就是在我们做文声图或者图生图的时候,当我们只保留了图片,但是忘记了这些参数和关键词的时候,我们用这个图像信息比较不错,怎么用呢?假如说我们用一个图生图的作为例子啊,到图生图文件夹用一张照片,回到图像信息图片,我们把它拖过来,然后右边就会直接生成这张图的一些关键词,像正向提示词,反向提示词,然后你的采样部署,采样器,C fg skill,还有一些种子等细节都会保留在这里。OK,这就是我今天给大家讲的内容,如何通过SD把你的模糊图片变得高清。如果觉得我的教程对你非常有帮助,希望给我点赞转发,大家关注我,轻松掌控AI!

写在最后

AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。

感兴趣的小伙伴,赠送全套AIGC学习资料和安装工具,包含AI绘画、AI人工智能等前沿科技教程,模型插件,具体看下方。

在这里插入图片描述

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!
在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
在这里插入图片描述
在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

在这里插入图片描述

〔009〕Stable Diffusion 之 老照片高清修复 篇 ai放大修复老照片 阅读详情

相关推荐

【Stable Diffusion】DeOldify黑白照片、视频上色

本文介绍了如何利用Stable Diffusion WebUI中的DeOldify插件为黑白老照片和视频上色。主要内容包括:1)安装插件需添加启动参数并手动下载模型;2)图片上色通过后期处理模块实现;3)视频上色需先将视频转为帧图片批量处理后再合成为视频。对于视频处理,文章提供了两种解决方案:直接使用插件(可能报错)或通过视频转帧处理流程。该方法不仅能为老照片还原色彩,还能结合高清化处理提升画面质量,为历史影像修复提供了一种便捷的AI解决方案。

Mr数据杨 3005

AI绘图实战(五):放大并修复老照片、马赛克照片、身份证件照 | Stable Diffusion成为设计师生产力工具

S:你安装stable diffusion就是为了看小姐姐么?I :当然不是,当然是为了公司的发展谋出路~~stable diffusion就只能小姐姐么?不,今天我们用stable diffusion修复老照片。原图为照片扫描:平时文生图时往往用高清修复来把图片放大,那么对于现有老照片用图生图模式么?不,这里就要用到附加功能,我也建议大家纯放大照片尽量用这个功能,不仅节约显存,更主要他快啊!

暂时先用这个名字 1万+

4x-UltraSharp 算法插件

这是我目前使用的最好的模型!它可以生成大量细节,并在图像上留下漂亮的纹理。它适用于大多数图像,无论是否压缩。但它在JPEG压缩上效果最佳,因为它主要是在这方面进行训练的。它还具有恢复高度压缩图像的能力! 该插件可在stable diffusion 中使用,放大效果很不错。该插件作者Kim2091 。

Stable Diffusion 老照片修复+高清化+一键抠图教程

AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。感兴趣的小伙伴,赠送全套AIGC学习资料和安装工具,包含AI绘画、AI人工智能等前沿科技教程,模型插件,具体看下方。

qq_41314882的博客 6501

ComfyUI高质量放大插件模型4x-UltraSharp

对于comfyui中对原图进行高性能成4倍放大的配套使用模型

TEM图像处理实战指南:从基础操作到金属材料分析

本文提供了一份全面的透射电镜(TEM)图像处理实战指南,涵盖从基础操作到金属材料深度分析的全流程。重点讲解了TEM图像预处理、选区电子衍射(SAED)标定、高分辨像(HRTEM)分析及STEM图像应用等核心技能,并结合金属材料(如铝合金、钢)的析出相鉴定、位错分析和界面结构研究等实际案例,帮助研究者从原始数据中准确提取晶体结构、缺陷及成分信息。

weixin_29284201的博客 211

小白也能上手:用Stable Diffusion搞定老照片修复(附避坑指南)

折腾一晚上后,照片居然——能——看——了!我奶以为我偷偷拿去影楼花 500 块,其实成本 0 元,电费 0.3 元,还顺手给爷 P 了条新领带(他原本领带被虫蛀没了)。友情提示:本文 1.2 万字,代码 30+ 段,阅读时建议左手奶茶右手 GPU,显卡低于 8G 的童鞋先点个外卖,显存和肚子一起满上。Inpainting 是手术刀,ControlNet 是 X 光,Prompt 是麻醉师,缺一个都能把病人(原图)整没了。要是还翻车,群里 @ 我,一起吐槽——反正夜还长,显存还热,咱们慢慢整。

master_chenchen的博客 1156

WRF中使用ERA5再分析数据

   本人在做一些实例时,需要用到最新的ERA5再分析数据集,其中我下载的是ERA5 hourly data on pressure levels form 1979 to present和ERA5 hourly data on single levels from 1979 to present中的3天数据。 1、注册climate copernicus账号 下载ERA5数据前先要注册其账号 2、选择变量    WRF中对于气象数据的字段有具体的要求, ......

GIS 8172

【Stable Diffusion】用AI给老照片上色,岁月不改它模样

在最近新上线的controlnet模型中,除了我们之前测试过的一众适配sdxl的模型以外,还增加了一款名为的新模型,它的作用是可以将黑白的图片进行重新上色。看到这个功能,我首先想到的就是可以用它来修复那些已经年代久远的老照片。毕竟在以前那个年代,没有现在这种可以永远保存的数码拍照技术,很多洗出来的照片也都随着岁月的流逝而褪去了色彩。如果能用AI技术恢复这些往日的时光,也许能唤醒我们心底的一些温暖。于是,我联系爸妈帮我找来了一些他们珍存的照片。

A1353192296的博客 1063

AI Agent评估:指标、策略与最佳实践

AI智能体正逐渐融入到各个领域,从日常的对话助手到复杂的工作流程自动化,其应用范围不断拓展。然而,确保这些智能体能够可靠、高效地完成任务至关重要,这就使得AI智能体评估成为了人工智能发展过程中不可或缺的一环。本文将深入探讨AI智能体评估的指标、策略以及最佳实践,为读者全面解读这一关键领域。

llm_way的博客 3499

Unified Access Control:从NAS到RRC的5G接入控制全流程解析

本文深入解析了5G统一接入控制(Unified Access Control)的全流程,从NAS到RRC的协同工作机制。通过身份核验、业务分类和动态决策三个核心步骤,UAC实现了智能调度和弹性决策,确保海量设备接入时的网络稳定性。文章详细介绍了USIM卡的身份凭证体系、NAS层的业务分类引擎以及RRC层的动态决策机制,并提供了实战案例和常见问题排查方法。

weixin_30855099的博客 591

【Stable Diffusion】用AI给老照片上色,一键直接生成,接单神器

在最近新上线的controlnet模型中,除了我们之前测试过的一众适配sdxl的模型以外,还增加了一款名为Recolor的新模型,它的作用是可以将黑白的图片进行重新上色。

m0_58477260的博客 1294

【数学基础】基于欧拉角表达的旋转顺序

欧拉角旋转顺序

FalschxMico 1385

【AI绘画】Stable Diffusion:模糊图片修复,老照片一键焕发生机

大家好,我是安琪,SD除了可以帮助我们生成图片之外,还可以帮助我们修复模糊的图片。我们先来看一下效果。修复模糊图片也有很多的工具可以实现,后续我也会和大家分享,今天我们先学习一下通过SD如何实现模糊图片修复。点击“高清化”标签,会看到如下图所示的画面,这里我们先上传一张模糊图片。我们接下来看看相关参数的设置。:缩放图片的倍数,默认是4倍。我们可以根据我们的需要设置缩放比例。:放大器,这个参数在文生图选择高分辨率修复的时候也有。这里给出选择结论:如果是修复实物,真人使用R-ESRGAN 4x+

2401_85688943的博客 887

Python爬取天天基金网历史数据

前言 最近开始学习基金????,感觉需要收集一些数据统计分析才靠谱????毕竟给A股交学费的感觉可不好受???? 网上有很多公开的数据,我这里选择的是天天基金网进行爬取 页面分析 接口我分析过了,有些验证不太好获取数据,所以直接从html提取 在天天基金网中随便选择一款基金,然后点击进入历史数据页面 容易定位出日增长率的css选择器 还有翻页按钮 程序编写 使用selenium打开chrome浏览器进行爬取,全代码如下 from selenium import webdriver from sel

JiajunBernoulli的博客 2952

从淬火实验到仿真验证:用ANSYS APDL复现钢球冷却温度变化(含动画生成教程)

本文详细介绍了如何利用ANSYS APDL进行淬火过程的瞬态热分析仿真,以复现钢球冷却温度变化。内容涵盖从实验数据校准材料参数、构建高保真模型、设置非线性瞬态求解,到提取节点温度曲线和生成温度云图动画的全流程。通过APDL命令流实现自动化,为工程研发和学术研究提供高效、可靠的仿真验证方法。

pz8901234的博客 791

【Stable Diffusion】用AI绘画给老照片上色,岁月不改它模样

感兴趣的小伙伴,赠送全套AIGC学习资料,包含AI绘画、AI人工智能等前沿科技教程和软件工具,具体看这里。AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。

白帽阿叁的博客 2944

200、从零搭建具身智能实验平台:硬件选型软件栈与调试

我一开始图便宜,3D打印了一个平行夹爪,结果抓取力不够,稍微重点的物体就滑落,而且开合控制延迟大,VLA模型输出的动作指令根本跟不上。如果你非要自己做,记住两个原则:一是用谐波减速器而不是直驱,二是加力传感器,哪怕是一个简单的电阻应变片也行——没有力反馈,你的夹爪就是个瞎子。我的建议是,如果你用的是UR5老款,ROS1的ur_modern_driver包更成熟,但如果你要跑最新的VLA框架,很多库已经不支持ROS1了。所以,保持耐心,多备份代码,多记录日志,少熬夜。毕竟,这条路上,我们都是摸着石头过河。

sundong_81的博客 40
上一篇: Stable Diffusion教程:图生图_stable diffusion 图生图
下一篇: AI作图手把手教程系列:进阶篇 —— 使用ControlNet插件可控生成AI图
壹只小小码农
博客等级 码龄5年 8105粉丝 1333原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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