欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

如何使用JavaCV進(jìn)行圖像灰度化處理

 更新時(shí)間:2024年10月23日 09:30:04   作者:月下獨(dú)碼  
在計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域,圖像灰度化是一項(xiàng)基礎(chǔ)且重要的任務(wù),它將彩色圖像轉(zhuǎn)換為灰度圖像,JavaCV 是一個(gè)強(qiáng)大的開源庫(kù),它提供了對(duì)各種計(jì)算機(jī)視覺(jué)算法和圖像處理操作的支持,本文將詳細(xì)介紹如何使用 JavaCV 進(jìn)行圖像灰度化處理,需要的朋友可以參考下

一、引言

在計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域,圖像灰度化是一項(xiàng)基礎(chǔ)且重要的任務(wù)。它將彩色圖像轉(zhuǎn)換為灰度圖像,去除了顏色信息,只保留了圖像的亮度信息。這種轉(zhuǎn)換在許多圖像處理任務(wù)中具有重要意義,如圖像邊緣檢測(cè)圖像特征提取等。JavaCV 是一個(gè)強(qiáng)大的開源庫(kù),它提供了對(duì)各種計(jì)算機(jī)視覺(jué)算法和圖像處理操作的支持。本文將詳細(xì)介紹如何使用 JavaCV 進(jìn)行圖像灰度化處理,包括相關(guān)的 Maven 依賴、原理講解、代碼示例以及實(shí)際效果展示。

二、JavaCV 簡(jiǎn)介

JavaCV 是一個(gè)基于 Java 的計(jì)算機(jī)視覺(jué)庫(kù),它封裝了許多流行的計(jì)算機(jī)視覺(jué)庫(kù),如 OpenCV、FFmpeg 等。通過(guò) JavaCV,開發(fā)者可以在 Java 環(huán)境中方便地進(jìn)行圖像處理、視頻處理、計(jì)算機(jī)視覺(jué)算法等任務(wù)。它提供了豐富的 API,使得開發(fā)者可以輕松地進(jìn)行圖像的讀取、寫入、處理和顯示等操作。

三、Maven 依賴

要在 Java 項(xiàng)目中使用 JavaCV,需要在項(xiàng)目的 pom.xml 文件中添加以下 Maven 依賴:

<dependency>
    <groupId>org.bytedeco</groupId>
    <artifactId>javacv-platform</artifactId>
    <version>1.5.7</version>
</dependency>

這個(gè)依賴會(huì)自動(dòng)引入 JavaCV 所需的所有庫(kù),包括 OpenCV 的 Java 綁定。

四、圖像灰度化原理

(一)人眼對(duì)顏色的敏感度

人眼對(duì)不同顏色的敏感度是不同的。一般來(lái)說(shuō),人眼對(duì)綠色最為敏感,其次是紅色,對(duì)藍(lán)色最不敏感。這是因?yàn)槿搜鄣囊暰W(wǎng)膜中有三種不同類型的視錐細(xì)胞,分別對(duì)紅、綠、藍(lán)三種顏色敏感。這三種視錐細(xì)胞的響應(yīng)曲線不同,導(dǎo)致人眼對(duì)不同顏色的敏感度不同。其中,對(duì)綠色敏感的視錐細(xì)胞數(shù)量最多,對(duì)藍(lán)色敏感的視錐細(xì)胞數(shù)量最少。

這種敏感度的差異在圖像灰度化中起著重要的作用。由于人眼對(duì)綠色的敏感度最高,因此在灰度化公式中,綠色的權(quán)重最大。同理,紅色的權(quán)重次之,藍(lán)色的權(quán)重最小。

(二)顏色通道與灰度值

彩色圖像中的紅(R)、綠(G)、藍(lán)(B)三個(gè)顏色通道分別代表了不同的顏色信息。例如,在 RGB 顏色空間中,(255, 0, 0)表示純紅色,(0, 255, 0)表示純綠色,(0, 0, 255)表示純藍(lán)色。而灰度圖像只有一個(gè)通道,其灰度值范圍通常為 0 到 255,0 表示黑色,255 表示白色,中間的數(shù)值表示不同程度的灰色。
彩色圖像的每個(gè)像素由三個(gè)字節(jié)表示,分別對(duì)應(yīng) R、G、B 三個(gè)通道的值。而灰度圖像的每個(gè)像素只需要一個(gè)字節(jié)來(lái)表示灰度值。通過(guò)將彩色圖像轉(zhuǎn)換為灰度圖像,可以大大減少圖像的數(shù)據(jù)量,從而提高圖像處理的效率。

(三)加權(quán)平均公式

Gray = 0.299R + 0.587G + 0.114*B 這個(gè)加權(quán)平均公式是根據(jù)人眼對(duì)不同顏色的敏感度確定的。通過(guò)對(duì)彩色圖像中的每個(gè)像素進(jìn)行計(jì)算,將其 RGB 值轉(zhuǎn)換為一個(gè)單一的灰度值,從而得到灰度圖像。
例如,對(duì)于一個(gè)像素的 RGB 值為(100, 150, 200),根據(jù)加權(quán)平均公式計(jì)算其灰度值為:
Gray = 0.299 * 100 + 0.587 * 150 + 0.114 * 200 = 29.9 + 88.05 + 22.8 = 140.75
這個(gè)灰度值表示該像素在灰度圖像中的亮度。通過(guò)對(duì)彩色圖像中的每個(gè)像素進(jìn)行這樣的計(jì)算,可以得到整個(gè)灰度圖像。
在實(shí)際應(yīng)用中,這個(gè)加權(quán)平均公式被廣泛應(yīng)用于圖像灰度化處理。它可以有效地保留圖像的亮度信息,同時(shí)減少顏色信息的干擾,使得灰度圖像更加適合于一些特定的圖像處理任務(wù),如邊緣檢測(cè)、特征提取等。

(四)JavaCV 中的實(shí)現(xiàn)

在 JavaCV 中,圖像灰度化是通過(guò)對(duì)圖像中的每個(gè)像素進(jìn)行計(jì)算,將其 RGB 值轉(zhuǎn)換為一個(gè)單一的灰度值來(lái)實(shí)現(xiàn)的。具體來(lái)說(shuō),JavaCV 提供了一個(gè)Mat類來(lái)表示圖像,每個(gè)像素在Mat中由一個(gè)數(shù)組表示,數(shù)組的長(zhǎng)度取決于圖像的通道數(shù)。對(duì)于彩色圖像,每個(gè)像素由三個(gè)通道組成,分別表示紅、綠、藍(lán)三個(gè)顏色通道的值。要進(jìn)行灰度化處理,需要遍歷圖像中的每個(gè)像素,將其 RGB 值代入加權(quán)平均公式中,計(jì)算出灰度值,并將灰度值賦值給該像素的三個(gè)通道,使得該像素變?yōu)榛叶认袼亍?/p>

也可以直接使用如下方法:

  • 使用 JavaCV 的 Imgcodecs 類方便地讀取彩色圖像。
  • 使用 JavaCV 的 Imgproc 類將彩色圖像轉(zhuǎn)換為灰度圖像。
  • 使用 JavaCV 的 Imgcodecs 類保存灰度圖像。

五、圖像代碼Javacv代碼示例

以下是一個(gè)使用 JavaCV 進(jìn)行圖像灰度化處理的完整代碼示例:

import org.bytedeco.opencv.global.opencv_imgcodecs;
import org.bytedeco.opencv.global.opencv_imgproc;
import org.bytedeco.opencv.opencv_core.Mat;

public class ImageGrayingExample {
    public static void main(String[] args) {
        String imagePath = "path/to/your/color/image.jpg";

			 // 讀取彩色圖像
        Mat colorImage = opencv_imgcodecs.imread(imagePath);
        if (colorImage.empty()) {
            System.out.println("無(wú)法讀取圖像");
            return;
        }
        Mat grayImage = new Mat();
  
        // 彩色圖像轉(zhuǎn)換為灰度
        opencv_imgproc.cvtColor(colorImage, grayImage, opencv_imgproc.COLOR_BGR2GRAY);
        String outputPath = "path/to/your/gray/image.jpg";
       
        // 保存灰度圖像
        opencv_imgcodecs.imwrite(outputPath, grayImage);
    }
}

在上述代碼中,首先使用opencv_imgcodecs.imread()方法讀取一個(gè)彩色圖像。然后,創(chuàng)建一個(gè)與彩色圖像大小相同的灰度圖像。接著,使用opencv_imgproc.cvtColor(colorImage, grayImage, opencv_imgproc.COLOR_BGR2GRAY);將彩色圖像轉(zhuǎn)換為灰度。最后,使用opencv_imgcodecs.imwrite()方法保存灰度圖像。

六、灰度圖像效果展示

為了更好地展示圖像灰度化的效果,我們選取了三張不同的彩色圖像進(jìn)行處理,并將處理前后的效果進(jìn)行對(duì)比。

(一)萬(wàn)象更新成語(yǔ)圖

彩色圖像

在這里插入圖片描述

灰度圖像

在這里插入圖片描述

從對(duì)比可以看出,彩色圖像中的豐富顏色信息被去除,只保留了圖像的亮度信息。在灰度圖像中,物體的輪廓和形狀更加清晰,這對(duì)于一些圖像處理任務(wù),如邊緣檢測(cè)和特征提取,是非常有幫助的。

(二)竹馬之交成語(yǔ)圖

彩色圖像

在這里插入圖片描述

灰度圖像

在這里插入圖片描述

這張圖片在灰度化后,顏色的變化更加明顯。原本鮮艷的竹林在灰度圖像中變成了不同程度的灰色,但是竹林的形狀和紋理依然清晰可見。

(三)獅子搏兔成語(yǔ)圖

彩色圖像

在這里插入圖片描述

灰度圖像

在這里插入圖片描述

對(duì)于這張風(fēng)景圖片,灰度化處理后,天空、山脈和湖水的顏色都變成了灰色調(diào)。但是,圖像中的層次感和細(xì)節(jié)依然保留,使得我們可以更專注于圖像的結(jié)構(gòu)和形狀。

七、圖像灰度化在圖像邊緣檢測(cè)中的應(yīng)用

(一)簡(jiǎn)化計(jì)算過(guò)程

在圖像邊緣檢測(cè)中,灰度圖像可以簡(jiǎn)化計(jì)算過(guò)程。因?yàn)榛叶葓D像只有一個(gè)通道,而彩色圖像有三個(gè)通道,所以在處理灰度圖像時(shí),計(jì)算量會(huì)大大減少。這使得邊緣檢測(cè)算法能夠更快地運(yùn)行,提高處理效率。

(二)減少顏色信息干擾

彩色圖像中的顏色信息可能會(huì)對(duì)邊緣檢測(cè)算法產(chǎn)生干擾。例如,在某些情況下,顏色的變化可能會(huì)被誤認(rèn)為是邊緣,從而導(dǎo)致誤檢測(cè)。而灰度圖像只包含亮度信息,減少了顏色信息的干擾,使得邊緣檢測(cè)算法能夠更準(zhǔn)確地識(shí)別圖像中的邊緣。

以下是一個(gè)使用 JavaCV 進(jìn)行圖像邊緣檢測(cè)的代碼示例,其中首先對(duì)彩色圖像進(jìn)行灰度化處理,然后再進(jìn)行邊緣檢測(cè):

import org.bytedeco.opencv.opencv_core.Mat;
import org.bytedeco.opencv.global.opencv_imgcodecs;
import org.bytedeco.opencv.global.opencv_imgproc;

import static org.bytedeco.opencv.global.opencv_core.CV_8UC3;
import static org.bytedeco.opencv.global.opencv_core.CV_8UC1;

public class ImageEdgeDetection {
    public static void main(String[] args) {
        // 讀取彩色圖像
        Mat colorImage = opencv_imgcodecs.imread("path/to/color/image.jpg");

        // 創(chuàng)建一個(gè)與彩色圖像大小相同的灰度圖像
        Mat grayImage = new Mat(colorImage.rows(), colorImage.cols(), CV_8UC1);

        // 遍歷彩色圖像中的每個(gè)像素,進(jìn)行灰度化處理
        for (int i = 0; i < colorImage.rows(); i++) {
            for (int j = 0; j < colorImage.cols(); j++) {
                double[] pixel = colorImage.get(i, j);
                double blue = pixel[0];
                double green = pixel[1];
                double red = pixel[2];
                double grayValue = 0.299 * red + 0.587 * green + 0.114 * blue;
                grayImage.put(i, j, grayValue);
            }
        }

        // 進(jìn)行邊緣檢測(cè)
        Mat edges = new Mat();
        opencv_imgproc.Canny(grayImage, edges, 50, 150);

        // 保存邊緣檢測(cè)后的圖像
        opencv_imgcodecs.imwrite("path/to/edge/image.jpg", edges);
    }
}

在上述代碼中,首先對(duì)彩色圖像進(jìn)行灰度化處理,得到灰度圖像。然后,使用opencv_imgproc.Canny()方法對(duì)灰度圖像進(jìn)行邊緣檢測(cè),得到邊緣圖像。最后,保存邊緣圖像。

八、圖像灰度化在圖像特征提取中的應(yīng)用

(一)提取圖像的形狀特征

在圖像特征提取中,灰度圖像可以用于提取圖像的形狀特征。例如,可以使用輪廓檢測(cè)算法來(lái)檢測(cè)灰度圖像中的物體輪廓,從而提取出物體的形狀特征。輪廓檢測(cè)算法通?;趫D像的梯度信息,而灰度圖像的梯度信息更容易計(jì)算,因?yàn)樗挥幸粋€(gè)通道。

以下是一個(gè)使用 JavaCV 進(jìn)行圖像輪廓檢測(cè)的代碼示例:

import org.bytedeco.opencv.opencv_core.Mat;
import org.bytedeco.opencv.global.opencv_imgcodecs;
import org.bytedeco.opencv.global.opencv_imgproc;

import static org.bytedeco.opencv.global.opencv_core.CV_8UC3;
import static org.bytedeco.opencv.global.opencv_core.CV_8UC1;

public class ImageContourDetection {
    public static void main(String[] args) {
        // 讀取彩色圖像
        Mat colorImage = opencv_imgcodecs.imread("path/to/color/image.jpg");

        // 創(chuàng)建一個(gè)與彩色圖像大小相同的灰度圖像
        Mat grayImage = new Mat(colorImage.rows(), colorImage.cols(), CV_8UC1);

        // 遍歷彩色圖像中的每個(gè)像素,進(jìn)行灰度化處理
        for (int i = 0; i < colorImage.rows(); i++) {
            for (int j = 0; j < colorImage.cols(); j++) {
                double[] pixel = colorImage.get(i, j);
                double blue = pixel[0];
                double green = pixel[1];
                double red = pixel[2];
                double grayValue = 0.299 * red + 0.587 * green + 0.114 * blue;
                grayImage.put(i, j, grayValue);
            }
        }

        // 進(jìn)行輪廓檢測(cè)
        Mat edges = new Mat();
        opencv_imgproc.Canny(grayImage, edges, 50, 150);
        Mat hierarchy = new Mat();
        Mat contours = new Mat();
        opencv_imgproc.findContours(edges, contours, hierarchy, opencv_imgproc.RETR_TREE, opencv_imgproc.CHAIN_APPROX_SIMPLE);

        // 在彩色圖像上繪制輪廓
        opencv_imgproc.drawContours(colorImage, contours, -1, new org.bytedeco.opencv.opencv_core.Scalar(0, 255, 0), 2);

        // 保存帶有輪廓的彩色圖像
        opencv_imgcodecs.imwrite("path/to/contour/image.jpg", colorImage);
    }
}

在上述代碼中,首先對(duì)彩色圖像進(jìn)行灰度化處理,得到灰度圖像。然后,使用opencv_imgproc.Canny()方法對(duì)灰度圖像進(jìn)行邊緣檢測(cè),得到邊緣圖像。接著,使用opencv_imgproc.findContours()方法在邊緣圖像上檢測(cè)輪廓,得到輪廓信息。最后,在彩色圖像上繪制輪廓,并保存帶有輪廓的彩色圖像。

(二)提取圖像的紋理特征

灰度圖像還可以用于提取圖像的紋理特征。紋理特征是指圖像中像素的灰度值在空間上的分布規(guī)律。可以使用一些紋理特征提取算法,如灰度共生矩陣、局部二值模式等,來(lái)提取灰度圖像中的紋理特征。

以下是一個(gè)使用 JavaCV 進(jìn)行圖像紋理特征提取的代碼示例(以灰度共生矩陣為例):

import org.bytedeco.opencv.opencv_core.Mat;
import org.bytedeco.opencv.global.opencv_imgcodecs;
import org.bytedeco.opencv.global.opencv_imgproc;

import static org.bytedeco.opencv.global.opencv_core.CV_8UC3;
import static org.bytedeco.opencv.global.opencv_core.CV_8UC1;

public class ImageTextureExtraction {
    public static void main(String[] args) {
        // 讀取彩色圖像
        Mat colorImage = opencv_imgcodecs.imread("path/to/color/image.jpg");

        // 創(chuàng)建一個(gè)與彩色圖像大小相同的灰度圖像
        Mat grayImage = new Mat(colorImage.rows(), colorImage.cols(), CV_8UC1);

        // 遍歷彩色圖像中的每個(gè)像素,進(jìn)行灰度化處理
        for (int i = 0; i < colorImage.rows(); i++) {
            for (int j = 0; j < colorImage.cols(); j++) {
                double[] pixel = colorImage.get(i, j);
                double blue = pixel[0];
                double green = pixel[1];
                double red = pixel[2];
                double grayValue = 0.299 * red + 0.587 * green + 0.114 * blue;
                grayImage.put(i, j, grayValue);
            }
        }

        // 計(jì)算灰度共生矩陣
        int[][] glcm = new int[256][256];
        for (int i = 0; i < grayImage.rows(); i++) {
            for (int j = 0; j < grayImage.cols(); j++) {
                int pixelValue = (int) grayImage.get(i, j)[0];
                if (i < grayImage.rows() - 1 && j < grayImage.cols() - 1) {
                    int nextPixelValue = (int) grayImage.get(i + 1, j + 1)[0];
                    glcm[pixelValue][nextPixelValue]++;
                }
            }
        }

        // 計(jì)算紋理特征
        double contrast = 0;
        double energy = 0;
        double homogeneity = 0;
        for (int i = 0; i < 256; i++) {
            for (int j = 0; j < 256; j++) {
                contrast += (i - j) * (i - j) * glcm[i][j];
                energy += glcm[i][j] * glcm[i][j];
                homogeneity += glcm[i][j] / (1 + Math.abs(i - j));
            }
        }

        System.out.println("Contrast: " + contrast);
        System.out.println("Energy: " + energy);
        System.out.println("Homogeneity: " + homogeneity);
    }
}

在上述代碼中,首先對(duì)彩色圖像進(jìn)行灰度化處理,得到灰度圖像。然后,計(jì)算灰度圖像的灰度共生矩陣。最后,根據(jù)灰度共生矩陣計(jì)算紋理特征,如對(duì)比度、能量和同質(zhì)性。

九、總結(jié)

本文詳細(xì)介紹了如何使用 JavaCV 進(jìn)行圖像灰度化處理。首先,介紹了 JavaCV 的簡(jiǎn)介和 Maven 依賴。然后,講解了圖像灰度化的原理,包括人眼對(duì)顏色的敏感度和加權(quán)平均公式。接著,給出了使用 JavaCV 進(jìn)行圖像灰度化處理的代碼示例,并展示了處理前后的效果。最后,介紹了圖像灰度化在圖像邊緣檢測(cè)和圖像特征提取中的應(yīng)用。通過(guò)本文的學(xué)習(xí),讀者可以了解到圖像灰度化的重要性和實(shí)現(xiàn)方法,為進(jìn)一步的圖像處理和計(jì)算機(jī)視覺(jué)任務(wù)打下基礎(chǔ)。

以上就是如何使用JavaCV進(jìn)行圖像灰度化處理的詳細(xì)內(nèi)容,更多關(guān)于JavaCV圖像灰度化處理的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • Windows環(huán)境下重啟jar服務(wù)bat代碼的解決方案

    Windows環(huán)境下重啟jar服務(wù)bat代碼的解決方案

    在Windows環(huán)境下部署java的jar包,若有多個(gè)服務(wù)同時(shí)啟動(dòng),很難找到相應(yīng)服務(wù)重啟,每次都重啟全部服務(wù)很麻煩,應(yīng)用場(chǎng)景大多用于部署測(cè)試,今天給大家分享Windows環(huán)境下重啟jar服務(wù)bat代碼,感興趣的朋友一起看看吧
    2023-08-08
  • Java springboot yaml語(yǔ)法注解

    Java springboot yaml語(yǔ)法注解

    這篇文章主要介紹了SpringBoot中的yaml語(yǔ)法及靜態(tài)資源訪問(wèn)問(wèn)題,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2021-09-09
  • SpringBoot整合Groovy腳本實(shí)現(xiàn)動(dòng)態(tài)編程詳解

    SpringBoot整合Groovy腳本實(shí)現(xiàn)動(dòng)態(tài)編程詳解

    這篇文章主要為大家介紹了SpringBoot整合Groovy腳本實(shí)現(xiàn)動(dòng)態(tài)編程詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2022-09-09
  • Spring Junit單元測(cè)試加載配置文件失敗問(wèn)題

    Spring Junit單元測(cè)試加載配置文件失敗問(wèn)題

    這篇文章主要介紹了Spring Junit加載配置文件失敗問(wèn)題解決,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2020-05-05
  • Spring AOP日志框架實(shí)現(xiàn)過(guò)程圖解

    Spring AOP日志框架實(shí)現(xiàn)過(guò)程圖解

    這篇文章主要介紹了Spring AOP日志框架實(shí)現(xiàn)過(guò)程圖解,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2020-09-09
  • 詳解SpringCloud新一代網(wǎng)關(guān)Gateway

    詳解SpringCloud新一代網(wǎng)關(guān)Gateway

    SpringCloud Gateway是Spring Cloud的一個(gè)全新項(xiàng)目,Spring 5.0+ Spring Boot 2.0和Project Reactor等技術(shù)開發(fā)的網(wǎng)關(guān),它旨在為微服務(wù)架構(gòu)提供一種簡(jiǎn)單有效的統(tǒng)一的API路由管理方式
    2021-06-06
  • Java中ArrayBlockingQueue和LinkedBlockingQueue

    Java中ArrayBlockingQueue和LinkedBlockingQueue

    這篇文章主要介紹了Java中ArrayBlockingQueue和LinkedBlockingQueue,文章圍繞主題展開詳細(xì)的內(nèi)容介紹,具有一定的參考價(jià)值,需要的朋友可以參考一下
    2022-09-09
  • Java批量修改文件名的實(shí)例代碼

    Java批量修改文件名的實(shí)例代碼

    幾天前在163公開課上下了一些mp4視頻文件。發(fā)現(xiàn)課程名和文件名不對(duì)應(yīng),想到編個(gè)程序批量修改。先分析網(wǎng)頁(yè)源代碼將課程名和文件名一一對(duì)應(yīng),存儲(chǔ)在一個(gè)文件里,然后使用Java讀取該文件進(jìn)而修改文件名。
    2013-04-04
  • Spring Boot整合swagger使用教程詳解

    Spring Boot整合swagger使用教程詳解

    這篇文章主要介紹了Spring Boot整合swagger使用教程,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2020-07-07
  • Java使用正則表達(dá)式驗(yàn)證手機(jī)號(hào)和電話號(hào)碼的方法

    Java使用正則表達(dá)式驗(yàn)證手機(jī)號(hào)和電話號(hào)碼的方法

    今天小編就為大家分享一篇關(guān)于Java使用正則表達(dá)式驗(yàn)證手機(jī)號(hào)和電話號(hào)碼的方法,小編覺(jué)得內(nèi)容挺不錯(cuò)的,現(xiàn)在分享給大家,具有很好的參考價(jià)值,需要的朋友一起跟隨小編來(lái)看看吧
    2018-12-12

最新評(píng)論