【Python--openCV图像处理】Python学习-OpenCV图像处理基础超详细的学习笔记（黑马程序员课程-B站有视频）

已于 2024-06-01 17:59:30 修改
阅读量2k 收藏 51
点赞数 19
分类专栏： Python 文章标签： python opencv 图像处理 openCV学习笔记
于 2024-06-01 17:49:21 首次发布
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.youkuaiyun.com/m0_67844671/article/details/139377145
版权

一，openCV基础

说明：笔记是跟着B站黑马程序员的openCV课程时做的

课程资料可以在黑马程序员评论区获取
想要获取笔记PDF或者md格式的朋友，点击下面链接获取：
OpenCV学习笔记点我获取
在这里插入图片描述

1，图像基本操作

1-1 图像基础操作

1-1-1 安装相关库
pip install opencv-python
pip install opencv-contrib-python 

## 尽量保持两个库安装的版本，比如我都是4.9.0.80
opencv-contrib-python         4.9.0.80
opencv-python                 4.9.0.80
1-1-2 导入使用
import cv2
import matplotlib.pyplot  as plt
import numpy as np
1-1-3 导入图片
1-3-1 cv2.imshow() 显示图片

参数：

  • 显示图像的窗口名称，以字符串类型表示
  • 要加载的图像

注意：在调用显示图像的API后，要调用cv.waitKey()给图像绘制留下时间，否则窗口会出现无响应情况，并且图像无法显示出来。

img = cv2.imread('./img/01.jpg')
print(img)

## 图像的显示
cv2.imshow('image',img)
## 等待时间，毫秒级。0表示任意键终止
cv2.waitKey(0)
cv2.destroyAllWindows()
  • cv.IMREAD*COLOR：以彩色模式加载图像，任何图像的透明度都将被忽略。这是默认参数。
  • cv.IMREAD*GRAYSCALE：以灰度模式加载图像
  • cv.IMREAD_UNCHANGED：包括alpha通道的加载图像模式。
## 第二个参数，设置彩色还是灰度
img = cv2.imread('./img/01.jpg',cv2.IMREAD_GRAYSCALE )

# 以灰度图的形式读取图像
img = cv.imread('messi5.jpg',0)
1-3-2 matplotlib 显示图片

彩色图

import matplotlib.pyplot  as plt
img = cv2.imread('./img/01.jpg')
plt.imshow(img[:,:,::-1])
plt.show()

灰度图

import matplotlib.pyplot  as plt
img = cv2.imread('./img/01.jpg'，0)
plt.imshow(img,cmap=plt.cm.gray)
plt.show()
1-1-4 图片保存

参数：

  • 文件名，要保存在哪里
  • 要保存的图像
# 路径和保存的图片
cv2.imwrite('nwe_img.png',img)

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1 读取图像
img = cv.imread('messi5.jpg',0)
# 2 显示图像
# 2.1 利用opencv展示图像
cv.imshow('image',img)
# 2.2 在matplotplotlib中展示图像
plt.imshow(img[:,:,::-1])
plt.title('匹配结果'), plt.xticks([]), plt.yticks([])
plt.show()
k = cv.waitKey(0)
# 3 保存图像
cv.imwrite('messigray.png',img)
1-1-5 视频的读取
# 不指定文件可以捕获摄像头
vc = cv2.VideoCapture()

## 指定文件路径，可以读取视频
vc = cv2.VideoCapture('test.mp4')

## 判断视频能否打得开
if vc.isOpened():
	open,frame = vc.read()
else:
	open = False

while open:
	ret,frame = vc.read()
	if frame is None:
		break
	if ret == True:
        ## 转换成黑白图
		gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
		cv2.imshow('result',gray)
        ## 100 是指处理完一帧等待的时间，单位是ms
		if cv2.waitKey(10) & 0xFF == 27:
			break
vc.release()
cv2.destroyAllWindows()
1-1-6 截取部分图像数据
img =cv2.imread('./img/01.jpg')
cat = img[0:200,0:200]
cv2.imshow('cat',cat)
1-1-7 颜色通道提取
b,g,r = cv2.split(img)
print(r.shape)
1-1-8 通道的合并
img = cv2.merge(b,g,r)
img.shape
1-1-9 只提取某个通道
1-9-1 只保留R
img =cv2.imread('./img/01.jpg')
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv2.imshow('R',cur_img)

cv2.waitKey(0)
cv2.destroyAllWindows()
1-9-2 只保留G
img =cv2.imread('./img/01.jpg')
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,2] = 0
cv2.imshow('G',cur_img)

cv2.waitKey(0)
cv2.destroyAllWindows()
1-9-3 只保留B
img =cv2.imread('./img/01.jpg')
cur_img = img.copy()
cur_img[:,:,1] = 0
cur_img[:,:,2] = 0
cv2.imshow('B',cur_img)

cv2.waitKey(0)
cv2.destroyAllWindows()
1-1-10 边界填充

cv2.BORDER_REPLICATE ： 复制法，也就是复制最边缘像素

cv2.BORDER_REFLECT ： 反射法，对感兴趣的图像中的像素在两边进行复制

cv2.BORDER_REFLECT_101： 反射法，也就是以最边缘像素为轴，对称

cv2.BORDER_WRAP：外包装法

cv2.BORDER_CONSTANT：常量法：常数值填充

top_size,bottom_size,left_size,right_size = (50,50,50,50)
img = cv2.imread('./img/01.jpg')

replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_CONSTANT, value=0)

cv2.imshow('B',img)

cv2.waitKey(0)
cv2.destroyAllWindows()
1-1-11，图像上绘制直线
1-11-1 绘制直线
cv.line(img,start,end,color,thickness)

cv.line(img,(0,0),(511,511),(255,0,0),5)

参数：

  • img:要绘制直线的图像
  • Start,end: 直线的起点和终点
  • color: 线条的颜色
  • Thickness: 线条宽度
1-11-2 绘制圆形
cv.circle(img,centerpoint, r, color, thickness)
cv.circle(img,(447,63), 63, (0,0,255), -1)

参数：

  • img:要绘制圆形的图像
  • Centerpoint, r: 圆心和半径
  • color: 线条的颜色
  • Thickness: 线条宽度，为-1时生成闭合图案并填充颜色
1-11-3 绘制矩形
cv.rectangle(img,leftupper,rightdown,color,thickness)
cv.rectangle(img,(384,0),(510,128),(0,255,0),3)

参数：

  • img:要绘制矩形的图像
  • Leftupper, rightdown: 矩形的左上角和右下角坐标
  • color: 线条的颜色
  • Thickness: 线条宽度
1-11-4 向图像中添加文字
cv.putText(img,text,station, font, fontsize,color,thickness,cv.LINE_AA)

cv.putText(img,'OpenCV',(10,500), font, 4,(255,255,255),2,cv.LINE_AA)

参数：

  • img: 图像
  • text：要写入的文本数据
  • station：文本的放置位置
  • font：字体
  • Fontsize :字体大小
1-11-5 效果展示

我们生成一个全黑的图像，然后在里面绘制图像并添加文字

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1 创建一个空白的图像
img = np.zeros((512,512,3), np.uint8)
# 2 绘制图形
cv.line(img,(0,0),(511,511),(255,0,0),5)
cv.rectangle(img,(384,0),(510,128),(0,255,0),3)
cv.circle(img,(447,63), 63, (0,0,255), -1)
font = cv.FONT_HERSHEY_SIMPLEX
cv.putText(img,'OpenCV',(10,500), font, 4,(255,255,255),2,cv.LINE_AA)
# 3 图像展示
plt.imshow(img[:,:,::-1])
plt.title('匹配结果'), plt.xticks([]), plt.yticks([])
plt.show()
1-1-12，获取图像中的像素点

我们可以通过行和列的坐标值获取该像素点的像素值。对于BGR图像，它返回一个蓝，绿，红值的数组。对于灰度图像，仅返回相应的强度值。使用相同的方法对像素值进行修改。

import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg')
# 获取某个像素点的值
px = img[100,100]
# 仅获取蓝色通道的强度值
blue = img[100,100,0]
# 修改某个位置的像素值
img[100,100] = [255,255,255]

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

img = np.zeros((256,256,3),np.uint8)
plt.imshow(img[:,:,::-1])

image-20240127103502255

# 获取（100,100）处的像素值
img[100,100]

## # 仅获取蓝色通道的强度值
img[100,100,0]

## 修改某一点的像素值
img[100,100] = (0,0,255)

image-20240127103738037

1-1-13 ，获取图像的属性

图像属性包括行数，列数和通道数，图像数据类型，像素数等。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

img.shape   ## （256,256,3） 256*256 的三个通道的

img.dtype   ## dtype('uint8')

img.size   ## 196608
1-1-14，图像通道的拆分与合并

有时需要在B，G，R通道图像上单独工作。在这种情况下，需要将BGR图像分割为单个通道。或者在其他情况下，可能需要将这些单独的通道合并到BGR图像。你可以通过以下方式完成。

# 通道拆分
b,g,r = cv.split(img)
# 通道合并
img = cv.merge((b,g,r))

dili = cv.imread("./image/dili.jpg")
plt.imshow(dili[:,:,::-1])


b,g,r = cv.split(dili)
## b通道灰色显示
plt.imshow(b,cmap=plt.cm.gray)

# 通道合并
img2 = cv.merge((b,g,r))
plt.imshow(img2[:,:,::-1])
1-1-15，色彩空间的改变

OpenCV中有150多种颜色空间转换方法。最广泛使用的转换方法有两种，BGR↔Gray和BGR↔HSV。

API：

cv.cvtColor(input_image，flag)

参数：

  • input_image: 进行颜色空间转换的图像
  • flag: 转换类型
    • cv.COLOR_BGR2GRAY : BGR↔Gray
    • cv.COLOR_BGR2HSV: BGR→HSV
# 转换成灰度图片
gray = cv.cvtColor(dili,cv.COLOR_BGR2GRAY)
plt.imshow(gray,cmap=plt.cm.gray)

# 转换成hsv
hsv = cv.cvtColor(dili,cv.COLOR_BGR2HSV)
plt.imshow(hsv)

image-20240127112859417

1-1-16 总结

  1. 图像IO操作的API：

    cv.imread(): ## 读取图像
cv.imshow()：## 显示图像
cv.imwrite(): ## 保存图像

  2. 在图像上绘制几何图像

    cv.line(): ## 绘制直线
cv.circle(): ## 绘制圆形
cv.rectangle(): ## 绘制矩形
cv.putText(): ## 在图像上添加文字

  3. 直接使用行列索引获取图像中的像素并进行修改

  4. 图像的属性

    image-20240127104906057

  5. 拆分通道：cv.split()

    通道合并：cv.merge()

  6. 色彩空间的改变

    cv.cvtColor(input_image，flag)

1-2 算数操作

1-2-1 图像的加法

你可以使用OpenCV的cv.add()函数把两幅图像相加，或者可以简单地通过numpy操作添加两个图像，如res = img1 + img2。两个图像应该具有相同的大小和类型，或者第二个图像可以是标量值。

注意：OpenCV加法和Numpy加法之间存在差异。OpenCV的加法是饱和操作，而Numpy添加是模运算。

参考以下代码：

import numpy as np
>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print( cv.add(x,y) ) # 250+10 = 260 => 255
[[255]]
>>> print( x+y )          # 250+10 = 260 % 256 = 4  取模
[4]

这种差别在你对两幅图像进行加法时会更加明显。OpenCV 的结果会更好一点。所以我们尽量使用 OpenCV 中的函数。

我们将下面两幅图像：

image-20240127113853959

代码：

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

# 1 读取图像
img1 = cv.imread("view.jpg")
img2 = cv.imread("rain.jpg")

# 2 加法操作
img3 = cv.add(img1,img2) # cv中的加法
img4 = img1+img2 # 直接相加

# 3 图像显示
fig,axes=plt.subplots(nrows=1,ncols=2,figsize=(10,8),dpi=100)
axes[0].imshow(img3[:,:,::-1])
axes[0].set_title("cv中的加法")
axes[1].imshow(img4[:,:,::-1])
axes[1].set_title("直接相加")
plt.show()

结果如下所示：

image-20240127113914437

1-2-1 图像的混合

这其实也是加法，但是不同的是两幅图像的权重不同，这就会给人一种混合或者透明的感觉。图像混合的计算公式如下：

g(x) = (1−α)f0(x) + αf1(x)

通过修改 α 的值（0 → 1），可以实现非常炫酷的混合。

现在我们把两幅图混合在一起。第一幅图的权重是0.7，第二幅图的权重是0.3。函数cv2.addWeighted()可以按下面的公式对图片进行混合操作。

dst = α⋅img1 + β⋅img2 + γ

这里γ取为零。

参考以下代码：

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

# 1 读取图像
img1 = cv.imread("view.jpg")
img2 = cv.imread("rain.jpg")

# 2 图像混合
img3 = cv.addWeighted(img1,0.7,img2,0.3,0)  # α⋅img1 + β⋅img2 + γ 对应五个参数

# 3 图像显示
plt.figure(figsize=(8,8))
plt.imshow(img3[:,:,::-1])
plt.show()

窗口将如下图显示：

image-20240127114312212

1-2-3 总结

  1. 图像加法：将两幅图像加载一起

    cv.add()

  2. 图像的混合：将两幅图像按照不同的比例进行混合

    cv.addweight()

注意：这里都要求两幅图像是相同大小的。

2，图像处理

2-1 几何变换

2-1-1 图像的缩放

缩放是对图像的大小进行调整，即使图像放大或缩小。

1，API

cv2.resize(src,dsize,fx=0,fy=0,interpolation=cv2.INTER_LINEAR)

参数：

- src : ## 输入图像
- dsize: ## 绝对尺寸，直接指定调整后图像的大小
- fx,fy: ## 相对尺寸，将dsize设置为None，然后将fx和fy设置为比例因子即可
- interpolation：## 插值方法，

image-20240127115410751

2，演示

import cv2 as cv
# 1. 读取图片
img1 = cv.imread("./image/dog.jpeg")
# 2.图像缩放
# 2.1 绝对尺寸
rows,cols = img1.shape[:2]
res = cv.resize(img1,(2*cols,2*rows),interpolation=cv.INTER_CUBIC)

# 2.2 相对尺寸
res1 = cv.resize(img1,None,fx=0.5,fy=0.5)

# 3 图像显示
# 3.1 使用opencv显示图像(不推荐)
cv.imshow("orignal",img1)
cv.imshow("enlarge",res)
cv.imshow("shrink）",res1)
cv.waitKey(0)

# 3.2 使用matplotlib显示图像
fig,axes=plt.subplots(nrows=1,ncols=3,figsize=(10,8),dpi=100)
axes[0].imshow(res[:,:,::-1])
axes[0].set_title("绝对尺度（放大）")
axes[1].imshow(img1[:,:,::-1])
axes[1].set_title("原图")
axes[2].imshow(res1[:,:,::-1])
axes[2].set_title("相对尺度（缩小）")
plt.show()

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

2-1-2 图像平移

图像平移将图像按照指定方向和距离，移动到相应的位置。

API

cv.warpAffine(img,M,dsize)

参数：

image-20240127120134079

需求是将图像的像素点移动(50,100)的距离：

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1. 读取图像
img1 = cv.imread("./image/image2.jpg")

# 2. 图像平移
rows,cols = img1.shape[:2]
M = np.float32([[1,0,100],[0,1,50]])# 平移矩阵
dst = cv.warpAffine(img1,M,(cols,rows))

# 3. 图像显示
fig,axes=plt.subplots(nrows=1,ncols=2,figsize=(10,8),dpi=100)
axes[0].imshow(<
最低0.47元/天 解锁文章
OpenCV-Python实战（1）——OpenCV简介与图像处理基础
盼小辉丶的博客
08-10 26万+
OpenCV 是一个的跨平台计算机视觉库，可以运行在 Linux、Windows 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时也提供了 Python 接口，实现了图像处理和计算机视觉方面的很多通用算法。在本文中，将介绍 OpenCV 库，包括它的主要模块和典型应用场景，同时使用 OpenCV-Python 实战讲解图像处理基础要点。
Opencv基本操作
Kernels_K的博客
03-15 944
OpenCV基本操作1 图像的IO操作1.1 读取图像1.2显示图像1.3 保存图像1.4 总结2 绘制几何图形2.1 绘制直线2.2 绘制圆形2.3 绘制矩形2.4 向图像中添加文字2.5 效果展示3 获取并修改图像中的像素点4 获取图像的属性5 图像通道的拆分与合并6 色彩空间的改变总结： 1 图像的IO操作 1.1 读取图像 1.API cv.imread() 参数： 要读取的图像 读取方式的标志 cv.IMREAD*COLOR：以彩色模式加载图像，任何图像的透明度都将被忽略。这是默认
OpenCV简单入门
玦尘的自说自话
07-14 671
什么是OpenCV OpenCV是一个基于BSD许可（开源）发行的轻量级跨平台计算机视觉库。它可以运行在Linux、Windows、Android和Mac OS操作系统上。它由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV用C++语言编写，它的主要接口也是C++语言，但是依...
第一章 OpenCV篇-配置及基础知识-Python
最新发布
2403_88453964的博客
04-30 1565
此章节主要讲解计算机视觉也就是OpenCV，这是我即将开启的篇章，其中这一章主要运用的语言是Python，内容大致分为安装OpenCV以及数据的读取、ROI区域、数值的计算。
OpenCv入门
不会写程序的博客
08-08 1546
Opencv快速入门一、Opencv简介1.1 图像处理简介1.2 OpenCv的模块二、OpenCv基本操作2.1 图像的基本操作 一、Opencv简介 OpenCv简介:OpenCV是应用广泛的开源图像处理库，我们以其为基础，介绍相关的图像处理方法：包括基本的图像处理方法：几何变换，形态学变换，图像平滑，直方图操作，模板匹配，霍夫变换等；特征提取和描述方法：理解角点特征，Harris和Shi-Tomas算法，SIFT/SURF算法，Fast算法，ORB算法等；还有OpenCV在视频操作中的应用，最后的
python-opencv
weixin_44478600的博客
01-15 346
python-opencv api查询
Python OpenCV图像处理：从基础到高级的全方位指南
极客代码
04-24 9424
OpenCV是一个开源的计算机视觉库，提供了丰富的图像处理算法和功能。它支持多种编程语言，包括Python、C++、C#等。OpenCV的主要功能包括图像处理、图像识别、图像合成等。OpenCV的核心概念包括图像处理、图像分析、机器学习等。它提供了一系列的图像处理函数，如图像变换、图像增强、图像复原等。此外，OpenCV还支持图像识别和图像合成，可以用于构建复杂的计算机视觉系统。本文从Python OpenCV图像处理的基础知识出发，详细介绍了图像处理的概念、常用库、实战案例及注意事项。
OpenCV入门（一）
Alkaid2000的博客
04-19 2802
关于如何安装opencv，如何配置环境，这些网上有太多关于这方面的资料了，在这只是我的一些入门笔记： 编译环境：Visual Studio 2019 编程语言：Cpp 0x01 OpenCv的基础知识 （一）OpenCv库分为多个模块： opencv_core模块包含库的核心功能 opencv_imgproc模块包含主要的图像处理函数 opencv_highgui模块提供了读写图像和视频的函数以及一些用户交互函数 在网上下下来的opencv，安装后所生成的
opencv-python-4.10.0.82.tar.gz
06-08
这个压缩包“opencv-python-4.10.0.82.tar.gz”包含了Python接口的OpenCV库版本4.10.0.82，是开发人员在Python环境中进行图像和视频处理的重要资源。 OpenCV-Python是OpenCV库的一个Python绑定，它使得Python程序员...
opencv-python-4.10.0.84.tar.gz
06-26
总之，`opencv-python-4.10.0.84.tar.gz`是一个非常实用的资源，对于进行计算机视觉和深度学习项目开发的Python程序员来说，它是不可或缺的工具之一。无论是初学者还是专业人士，都能从中受益，提升自己的图像处理和...
机器学习 基于opencv和python的智能图像处理-学习代码.zip
06-06
机器学习 基于opencv和python的智能图像处理--学习代码.zip 机器学习 基于opencv和python的智能图像处理--学习代码.zip 机器学习 基于opencv和python的智能图像处理--学习代码.zip 机器学习 基于opencv和python的...
OPenCV入门教程
12-08
OPenCV 入门教程， OPenCV 入门教程OPenCV 入门教程OPenCV 入门教程
opencv入门教程
11-13
opencv入门教程，作者于仕琪，也是opencv3的翻译者之一，适合刚入门的学习了解opencv
OpenCV入门教程
03-28
OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。该库也有大量的Python、Java and MATLAB/OCTAVE（版本2.5）的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#、Ch、Ruby,GO的支持。
【完整版】opencv-python-headless、opencv-python和opencv-contrib-python区别和联系
syu_acm的博客
10-27 3056
opencv-python-headless、opencv-python和opencv-contrib-python是OpenCV库的不同Python包，它们之间区别和关系。
一、Opencv入门
Jocelin47的博客
03-23 241
一、Opencv入门 第一节：图片的读取和展示 import cv2 img = cv2.imread('image0.jpg',1) cv2.imshow('image',img) cv2.waitKey (0) 第二节：Opencv模块组织结构 D:\opencv3.4\opencv\build\include\opencv2中 calib3d:相机的校准和3D内容 core：非常重...
OpenCV入门
不想秃发的博客
07-16 355
OpenCV入门 读图、展示和保存新图 主要用到三个函数cv2.imread()、cv2.imshow()、cv2.imwrite(). 代码示例 import cv2 as cv image=cv.imread("D:/picture/9.jpg") cv.namedWindow("picture",cv.WINDOW_AUTOSIZE) print(f"width:{image.shape[1...
opencv彩色图像分割python
04-18
可以通过使用OpenCV的分割算法来实现彩色图像分割。以下是Python代码示例： ```python import cv2 # 读取彩色图像 img = cv2.imread('image.png') # 进行分割处理 result = cv2.segmentation.imgGrabCut(img, None) # 显示分割结果 cv2.imshow('Segmentation Result', result) cv2.waitKey(0) cv2.destroyAllWindows() ``` 以上代码演示了如何使用OpenCV的imgGrabCut函数实现图像分割。当然，具体的分割算法选择根据实际需求来定。
评论 1
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

打赏作者

学网安的A

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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