OpenCV中findContours查找后获得轮廓数 轮廓包含点数 各点坐标的实践

最新推荐文章于 2025-05-18 09:54:02 发布
原创 最新推荐文章于 2025-05-18 09:54:02 发布 · 8k 阅读 · 41 ·
CC 4.0 BY-SA版权
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。
文章标签：

#OpenCV #轮廓 #坐标

本文介绍如何使用OpenCV进行轮廓检测，包括获取轮廓数量、各轮廓包含的点数及坐标等关键信息。通过实例演示了从图像处理到轮廓绘制的全过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

                刚学OpenCV，并且不懂VC++，费了几天的气力在网上终于找到了findContours查找轮廓后，怎么获得轮廓数，轮廓内包含点数，以及每个点坐标值的方法，为了方便自己以后查阅，同时也为了像我一样的“门外汉”们节省点时间，把源代码晒一下，见笑了。

        主体源代码取自浅墨老师的书《OpenCV3编程入门》OpenC3版书本配套示例程序70，在此，向浅墨老师表示敬意和感谢！还有几行代码取自于网络，网址也做了标注，在此，一并向文章博主、楼主表示感谢！

        main.cpp

//---------------------------------【头文件、命名空间包含部分】----------------------------

//              描述：包含程序所使用的头文件和命名空间

//------------------------------------------------------------------------------------------------

#include"opencv2/highgui/highgui.hpp"

#include"opencv2/imgproc/imgproc.hpp"

#include <iostream>

#include <stdio.h>

using namespace cv;

using namespace std;

 

 

 

 

//-----------------------------------【宏定义部分】--------------------------------------------

//              描述：定义一些辅助宏

//------------------------------------------------------------------------------------------------

#define WINDOW_NAME1 "【原始图窗口】"                      //为窗口标题定义的宏

#define WINDOW_NAME2 "【轮廓图】"                                       //为窗口标题定义的宏

 

 

 

 

//-----------------------------------【全局变量声明部分】--------------------------------------

//              描述：全局变量的声明

//-----------------------------------------------------------------------------------------------

Mat g_srcImage;

Mat g_grayImage;

int g_nThresh = 80;

int g_nThresh_max = 255;

RNG g_rng(12345);

Mat g_cannyMat_output;

vector<vector<Point>>g_vContours;

vector<Vec4i> g_vHierarchy;

 

 

 

 

//-----------------------------------【全局函数声明部分】--------------------------------------

//              描述：全局函数的声明

//-----------------------------------------------------------------------------------------------

static void ShowHelpText();

void on_ThreshChange(int, void*);

 

 

 

 

//-----------------------------------【main( )函数】--------------------------------------------

//              描述：控制台应用程序的入口函数，我们的程序从这里开始执行

//-----------------------------------------------------------------------------------------------

int main(int argc, char** argv)

{

        //【0】改变console字体颜色

        system("color1F");

 

 

        //【0】显示欢迎和帮助文字

        ShowHelpText();

 

 

        //加载源图像

        g_srcImage= imread("..\\hlw.jpg", 1);

        if(!g_srcImage.data) { printf("读取图片错误，请确定目录下是否有imread函数指定的图片存在~！ \n");return false; }

 

 

        /*//对图像四周边7像素内的区域全部灰度化

        for(int row = 0; row < g_srcImage.rows; row++) {

                 for(int col = 0; col < g_srcImage.cols; col++) {

                         if(row < 8 || row>(g_srcImage.rows-8)) {

                                  g_srcImage.at<Vec3b>(row,col)[0] = 127;

                                  g_srcImage.at<Vec3b>(row,col)[1] = 127;

                                  g_srcImage.at<Vec3b>(row,col)[2] = 127;

                         }

                         if((row > 8 || row < (g_srcImage.rows-8))&& (col < 8 || col >(g_srcImage.cols - 8))) {

                                  g_srcImage.at<Vec3b>(row,col)[0] = 127;

                                  g_srcImage.at<Vec3b>(row,col)[1] = 127;

                                  g_srcImage.at<Vec3b>(row,col)[2] = 127;

                         }

                 }

        }

        imwrite("..\\hlwC.jpg",g_srcImage);*/ //查看切边效果

 

 

        //转成灰度并模糊化降噪

        cvtColor(g_srcImage,g_grayImage, COLOR_BGR2GRAY);

        blur(g_grayImage,g_grayImage, Size(3, 3));

 

 

        //创建窗口

        namedWindow(WINDOW_NAME1,WINDOW_AUTOSIZE);

        imshow(WINDOW_NAME1,g_srcImage);

 

 

        //创建滚动条并初始化

        createTrackbar("canny阈值",WINDOW_NAME1, &g_nThresh, g_nThresh_max, on_ThreshChange);

        on_ThreshChange(0,0);

 

 

        waitKey(0);

        return(0);

}

 

 

//-----------------------------------【on_ThreshChange()函数】------------------------------ 

//     描述：回调函数

//---------------------------------------------------------------------------------------------- 

void on_ThreshChange(int, void*)

{

 

 

        //用Canny算子检测边缘

        Canny(g_grayImage,g_cannyMat_output, g_nThresh, g_nThresh * 2, 3);

 

 

        //寻找轮廓

        findContours(g_cannyMat_output,g_vContours, g_vHierarchy, RETR_LIST, CHAIN_APPROX_NONE, Point(0, 0));

        cout<< "轮廓的总个数是 " << g_vContours.size() << endl;

       

        /*//  下面四行来自http://www.cnblogs.com/wsc36305/archive/2012/10/15/2725218.html

        vector<vector<Point>>::const_iteratoritContours = g_vContours.begin();

        for(; itContours != g_vContours.end(); ++itContours) {

                 cout<< "Size: " << itContours->size() << endl;//每个轮廓包含的点数

        }*/

 

 

        //绘出轮廓

        Matdrawing = Mat::zeros(g_cannyMat_output.size(), CV_8UC3);

        for(int i = 0; i< g_vContours.size(); i++)

        {

                 Scalarcolor = Scalar/*(255, 255, 255);// */ (g_rng.uniform(0, 255), g_rng.uniform(0,255), g_rng.uniform(0, 255));//任意值

                 drawContours(drawing,g_vContours, i, color, 1, 8, g_vHierarchy, 0, Point());

                 printf("\n输出 轮廓序号,第 个轮廓:   %d \n", i);

                 //下面一行来自 http://blog.youkuaiyun.com/dcrmg/article/details/51987348

                 cout<< "输出轮廓包含点的总数:  " <<g_vContours[i].size() << endl;    //试试看输出该轮廓点的总数

                 //  下面三行来自http://www.opencv.org.cn/forum.php?mod=viewthread&tid=38297&page=4

                 cout<< "输出轮廓第0个点的坐标  " <<g_vContours[i][0] << endl;     //试试看输出轮廓第一个点的坐标   x,y

                 //cout<< "输出轮廓第0个点的x坐标  " <<g_vContours[i][0].x << endl;  //试试看输出轮廓第一个点的横坐标 x

                 //cout<< "输出轮廓第0个点的y坐标  " <<g_vContours[i][0].y << endl;  //试试看输出轮廓第一个点的纵坐标 y

        }

 

 

        //显示效果图

        imwrite("..\\findContours.bmp",drawing);

        imshow(WINDOW_NAME2,drawing);

}

 

 

//-----------------------------------【ShowHelpText()函数】---------------------------------- 

//     描述：输出一些帮助信息 

//---------------------------------------------------------------------------------------------- 

static void ShowHelpText()

{

        //输出欢迎信息和OpenCV版本

        printf("\n\n\t\t\t非常感谢购买《OpenCV3编程入门》一书！\n");

        printf("\n\n\t\t\t此为本书OpenCV3版的第70个配套示例程序\n");

        printf("\n\n\t\t\t   当前使用的OpenCV版本为："CV_VERSION);

        printf("\n\n ----------------------------------------------------------------------------\n");

 

 

        //输出一些帮助信息 

        printf("\n\n\t欢迎来到【在图形中寻找轮廓】示例程序~\n\n");

        printf("\n\n\t按键操作说明:\n\n"

                 "\t\t键盘按键任意键- 退出程序\n\n"

                 "\t\t滑动滚动条-改变阈值\n");

}

 





                

        

    

    
  



    



                



	

		

			

				
					
opencv获取轮廓内部像素点的坐标

				
			

			

				

					qq_21603315的博客
				

				

					05-01
					
					2835
					
				

			

		

		

			
				
opencv获取轮廓内部像素点的坐标

			
		

	



                

            
              



	

		

			

				
					
【python】OpenCV—findContours（4.4）

				
			

			

				

					bryant_meng
				

				

					10-30
					
					1234
					
				

			

		

		

			
				
PCA是一种统计方法，用于减少数据集的维度，同时保留数据中的主要变化特征。通过PCA，可以找到数据中的“主成分”，这些主成分定义了数据的主要变化方向。找出物体轮廓，根据 PCA 计算特征值和特征向量，绘制特征值和特征向量，来初步展示物体的方向。仔细核对发现这个不符合上述的规则，个人理解，因为这个和正方向是反的（还原不到上述的正方向），第一个是绘制方向的直线，第二个和第三个分别绘制箭头，偏离直线 ±45°。遍历轮廓，剔除面积过小或者过大的轮廓，绘制轮廓，调用。是系数，影响的是绘制时候的长度。

			
		

	



              


  
              

                


	

		

			

				
					
cvFindContours之轮廓个数

				
			

			

				

					linxue博客
				

				

					08-19
					
					2897
					
				

			

		

		

			
				
在利用cvFindContours查找轮廓时，时常要统计轮廓的个数，cvFindContours(src,storage,&count,sizeof(CvContour),CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,cvPoint(0,0));刚开始，我是利用count->total统计个数的，但是结果却不对，其实这个结果返回的个数就是轮廓的个数。及int nu

			
		

	





	

		

			

				
					
c/c++的findcontours崩溃解决方案

					
最新发布

				
			

			

				

					m0_54069809的博客
				

				

					05-18
					
					1114
					
				

			

		

		

			
				
本文是讲解调用findcontours崩溃的问题的解决方案，能直接解决findcontours因为与std::vector不兼容导致的崩溃

			
		

	



		

			
		



	

		

			

				
					
Opencv求轮廓的中心点坐标

				
			

			

				

					u014360510的博客
				

				

					12-12
					
					1万+
					
				

			

		

		

			
				
Opencv求轮廓的中心点坐标
思路：
1.通过findContours找出图片中的轮廓；
2.minAreaRect找到最小外接矩形；
3.得到最小外接矩形的中心点坐标作为轮廓的中心坐标；
cv::threshold(Imsrc, Imdest, 200, 255, cv::/*THRESH_BINARY*/THRESH_BINARY_INV);//THRESH_BINARY_INV不检测图片画布轮廓
cv::findContours(Imdest, contoursDest, hierarchy, cv

			
		

	





	

		

			

				
					
C++ opencv获取精确轮廓坐标

				
			

			

				

					Loss
				

				

					02-25
					
					8372
					
				

			

		

		

			
				
垃圾代码，看看就行嘻嘻，注释部分钧可以运行，大概是画二值化，灰度化，所有轮廓的图像，画的图像太多了我就注视了，算精确坐标的部分就一个for循环，别的方法别忘了告诉我，感谢！效果图放下边了，打了亿点点码
#include <iostream>
#include "opencv2/opencv.hpp"


void show(std::string img_name, cv::Mat img) {
    cv::namedWindow(img_name, cv::WINDOW_NORMAL);


			
		

	





	

		

			

				
					
PYTHON OPENCV 获取轮廓精确坐标

				
			

			

				

					Loss
				

				

					02-25
					
					1万+
					
				

			

		

		

			
				
效果图和解释看我 c++版本
import cv2
import numpy as np
import math
import os


def show(name, img):
    # 显示图片
    cv2.namedWindow(str(name), cv2.WINDOW_NORMAL)
    cv2.resizeWindow(str(name), 800, 2000)  # 改变窗口大小
    cv2.imshow(str(name), img)


def dis(cx, cy, tx,

			
		

	





	

		

			

				
					
opencv基础47 图像轮廓查找cv2.findContours()介绍及示例

					
热门推荐

				
			

			

				

					小海聊智造
				

				

					08-08
					
					3万+
					
				

			

		

		

			
				
图像轮廓是指图像中物体边缘的连续性曲线。在计算机视觉和图像处理中，轮廓通常被用于检测物体、分割图像以及提取物体特征。图像轮廓是由一系列连续的像素点组成，这些像素点位于物体边界上。轮廓的特点是在物体和背景之间的边界位置，因此可以用来表示物体的形状和结构。轮廓可以是闭合的，也可以是开放的，具体取决于物体的形状。

			
		

	





	

		

			

				
					
OpenCV学习(4.9) OpenCV中的轮廓

				
			

			

				

					PLANTTHESON的博客
				

				

					06-10
					
					1510
					
				

			

		

		

			
				
通常我们使用函数来检测图像中的对象，对吗？有时对象位于不同的位置。但是在某些情况下，某些形状位于其他形状内。就像嵌套的数字一样。在这种情况下，我们将外部的一个称为父级，将内部的一个称为子级。这样，图像中的轮廓彼此之间就具有某种关系。并且我们可以指定一个轮廓如何相互连接，例如是其他轮廓的子轮廓，还是父轮廓等。这种关系的表示称为层次结构。

			
		

	





	

		

			

				
					
OpenCV 图像处理四（轮廓查找、画线、矩特征、轮廓）

				
			

			

				

					m0_74154295的博客
				

				

					12-31
					
					2809
					
				

			

		

		

			
				
**边缘检测**用于发现图像中灰度变化明显的区域，但这些边缘通常是不连续的。为了构成完整的对象轮廓，需要将这些边缘连接在一起。
为了进行**轮廓查找**，首先需要将图像转换为二值图像，其中对象是白色，背景是黑色。这可以通过预先进行阈值分割或者边缘检测处理来实现。

轮廓查找通常会修改原始图像，因此为了保留原始图像的完整性，我们通常会在原始图像的一份拷贝上进行操作。

在给轮廓标注序号的过程中，使用了OpenCV的 `cv.putText()` 函数。这个函数用于在图像上绘制文本

			
		

	





	

		

			

				
					
OpenCV学习之路（三）——轮廓查找与多边形绘制

				
			

			

				

					.
				

				

					03-28
					
					2151
					
				

			

		

		

			
				
查找与绘制轮廓
一个轮廓一般对应一系列点，即一条曲线。在OpenCV中，可以用findContours()函数从二值图像查找轮廓。
查找findContours()函数
findContours(srcImage, contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE);

第一个参数，输入图像，即原图像，填Mat单通道图像。可使用compare...

			
		

	





	

		

			

				
					
python-opencv获取二值图像轮廓及中心点坐标的代码

				
			

			

				

					09-18
				

			

		

		

			
				
今天小编就为大家分享一篇python-opencv获取二值图像轮廓及中心点坐标的代码，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

			
		

	





	

		

			

				
					
【OpenCV】-查找并绘制轮廓

				
			

			

				

					qq_44859533的博客
				

				

					08-07
					
					1997
					
				

			

		

		

			
				
canny之类边缘检测算法可以根据像素之间的差异，检测出轮廓边界的像素，但是并没有将轮廓作为一个整体。所以，这一章主要学习的是边缘像素组成轮廓。

			
		

	





	

		

			

				
					
opencv学习心得八----提取轮廓的点坐标

				
			

			

				

					u011616066的专栏
				

				

					10-13
					
					1万+
					
				

			

		

		

			
				
轮廓提取后，它是用关键点组成的，下面提取出这些关键点。
1.先输出所有关键点的个数couttotal
2.for(int i=0;itotal;++i)
   {
          CvPoint* p = CV_GET_SEQ_ELEM(CvPoint,contour,i);
         cout


   }

			
		

	





	

		

			

				
					
opencv如何根据不规则轮廓关键点获取轮廓上的所有坐标，如图像标注后的轮廓

				
			

			

				

					qq_18894441的博客
				

				

					08-07
					
					2190
					
				

			

		

		

			
				
首先，根据轮廓上的关键点获取掩膜mask
# coding=utf-8
import numpy as np
import json
import cv2

image = cv2.imread("/home/dell/1575532290620423707.jpg")#原始图像路径
lists = [[ , ],[ , ],[ , ],[ , ],[ , ]]#填入自己轮廓关键点的像素坐标
b = np.array([lists],dtype = np.int32)
im = np.zeros(image

			
		

	





	

		

			

				
					
使用OpenCV-Python的drawContours（）函数获取轮廓上及内部点坐标，并按轮廓分组

				
			

			

				

					csqqscCSQQSC的博客
				

				

					12-07
					
					4728
					
				

			

		

		

			
				
想利用opencv获取多个轮廓上及内部元素的坐标，并按照轮廓进行分组；主要使用的函数：cv2.drawContours()；首先查阅了其他博主的代码，对我有了很大启发，上链接：https://blog.youkuaiyun.com/Starkiron/article/details/120641718这篇文章里的代码主要是获取了轮廓内部的点，但是没有分组，然后我自己搞了一下分组，有注释乌拉！！！

			
		

	





	

		

			

				
					
OpenCv cvFindContours 查询轮廓并返回轮廓数量

				
			

			

				

					weixin_30443813的博客
				

				

					08-04
					
					2245
					
				

			

		

		

			
				
Hai
cvFindContours(binaryim, contourStorage, &contourSeq, sizeof(CvContour),CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE, cvPoint(0, 0));
&contourSeq是用于储存轮廓的序列
contourSeq->total所表示的是contourSe...

			
		

	





	

		

			

				
					
cvFindContours 获取轮廓中的所有点

				
			

			

				

					cxf7394373的专栏
				

				

					04-16
					
					1万+
					
				

			

		

		

			
				
利用cvFindContours 函数计算图像的轮廓，获取

			
		

	





	

		

			

				
					
教我opencv python中的轮廓查找与筛选函数的findcountour 和drawcountour

				
			

			

				

					03-22
				

			

		

		

			
				
<think>好的，我现在要教用户关于OpenCV Python中的findContours和drawContours函数，特别是轮廓查找与筛选的方法。首先，我需要回忆这两个函数的基本用法和参数，确保自己理解正确。

用户可能已经知道轮廓是图像中物体的边界，但可能需要了解如何找到并绘制它们。首先，我应该解释findContours的作用，它用于在二值图像中检测轮廓。需要注意的是，原图会被这个函数修改，所以通常使用拷贝来处理。参数方面，mode方法有RETR_EXTERNAL、RETR_LIST等，method有CHAIN_APPROX_SIMPLE等，这些需要详细说明。

然后，drawContours用于绘制检测到的轮廓。参数包括图像、轮廓列表、索引（-1表示全部）、颜色和厚度。要提醒用户轮廓是在原图上绘制，所以可能需要复制图像。

接下来是筛选轮廓的部分。用户可能想知道如何根据面积、周长等特征筛选。比如使用cv2.contourArea计算面积，cv2.arcLength计算周长，然后设定阈值过滤。这里需要给出具体的代码示例，比如遍历所有轮廓，保留符合条件的。

需要检查是否要提到轮廓的层次结构，即hierarchy参数。对于初学者来说，可能暂时不需要深入，但可以简要提及，以备后续学习。

还要注意常见的错误点，比如确保图像是二值化的，否则findContours可能不会正确工作。此外，绘制轮廓时索引的使用，比如用-1来画所有，或者指定某个索引。

结构方面，按照用户的请求，分步骤讲解：1）准备工作，2）查找轮廓，3）绘制轮廓，4）筛选轮廓。每个步骤给出代码片段，并解释参数和注意事项。

最后，可能需要一个完整的示例代码，从读取图像、灰度化、二值化、查找、筛选到绘制，帮助用户整体理解流程。同时提醒实际应用中可能需要调整阈值和方法。

现在要确保语言清晰，用中文，代码中的LaTeX公式正确，比如数学表达式用$...$，例如面积阈值用$A > 100$。独立公式如果有的话，用$$...$$，但可能这部分内容较少，重点在代码和参数说明。

检查是否有遗漏点，比如轮廓近似方法的影响，比如CHAIN_APPROX_SIMPLE会减少点数，节省内存。或者不同检索模式的区别，比如RETR_EXTERNAL只找最外层轮廓，RETR_TREE建立层次结构。

总结时，强调实践的重要性，建议用户尝试不同的参数和筛选条件，观察结果变化。这样可以帮助他们更好地理解如何应用这些函数解决实际问题。</think>下面将分步讲解OpenCV中`findContours`和`drawContours`的使用方法及轮廓筛选技巧：

---

### **1. 准备工作**
```python
import cv2
import numpy as np

# 读取图像并转为灰度图
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化处理（阈值根据实际情况调整）
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
```

---

### **2. 查找轮廓：findContours**
```python
# 查找轮廓（注意会修改原图，使用copy()）
contours, hierarchy = cv2.findContours(
    image=thresh.copy(),  # 输入二值图像
    mode=cv2.RETR_EXTERNAL,  # 轮廓检索模式
    method=cv2.CHAIN_APPROX_SIMPLE  # 轮廓近似方法
)
```

#### **关键参数解析**
- **mode**（轮廓检索模式）：
  - `cv2.RETR_EXTERNAL`：只检测最外层轮廓
  - `cv2.RETR_TREE`：检测所有轮廓并建立层级关系树
  - `cv2.RETR_LIST`：检测所有轮廓不建立层级

- **method**（轮廓近似方法）：
  - `cv2.CHAIN_APPROX_SIMPLE`：压缩水平/垂直/对角线段，仅保留端点
  - `cv2.CHAIN_APPROX_NONE`：存储所有轮廓点

---

### **3. 绘制轮廓：drawContours**
```python
# 创建原图拷贝用于绘制
draw_img = img.copy()

# 绘制所有轮廓（-1表示绘制全部）
cv2.drawContours(
    image=draw_img,
    contours=contours,
    contourIdx=-1,
    color=(0, 255, 0),  # BGR颜色
    thickness=2
)
```

#### **参数说明**
- `contourIdx`：指定绘制轮廓的索引（输入`0`绘制第一个轮廓）
- `thickness`：轮廓线粗细（设为`-1`表示填充轮廓）

---

### **4. 轮廓筛选技巧**
#### **4.1 按面积筛选**
```python
min_area = 100
filtered_contours = [cnt for cnt in contours 
                    if cv2.contourArea(cnt) > min_area]
```

#### **4.2 按周长/长宽比筛选**
```python
# 计算周长
perimeter = cv2.arcLength(cnt, closed=True)

# 长宽比计算
x, y, w, h = cv2.boundingRect(cnt)
aspect_ratio = w / float(h)
```

#### **4.3 按凸性筛选**
```python
# 判断是否为凸轮廓
is_convex = cv2.isContourConvex(cnt)
```

---

### **5. 完整示例代码**
```python
# 读取图像并预处理
img = cv2.imread('shapes.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 筛选面积>100的轮廓
filtered = [cnt for cnt in contours if cv2.contourArea(cnt) > 100]

# 绘制筛选结果
result = img.copy()
cv2.drawContours(result, filtered, -1, (0,255,0), 2)

# 显示结果
cv2.imshow('Result', result)
cv2.waitKey(0)
```

---

### **常见问题**
1. **为什么`findContours`返回空列表？**
   - 检查输入图像是否已正确二值化
   - 确认阈值处理是否合理（可用自适应阈值`cv2.adaptiveThreshold`）

2. **如何保存筛选后的轮廓？**
   ```python
   # 保存绘制结果
   cv2.imwrite('output.jpg', result)
   ```

3. **如何获取轮廓坐标？**
   ```python
   for cnt in contours:
       # 轮廓点坐标为Nx1x2数组
       print(cnt[:,0,:])  # 提取所有点的(x,y)坐标
   ```

建议通过调整阈值和筛选条件进行实验，观察不同参数对结果的影响。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 3

	

  
	




  

    

      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