【Python】PIL库学习笔记（一）

逃离我推掉我的手 2023-01-05 09:50 464阅读 0赞

### Python PIL库 ###

*  数字图像的基本概念
 *   *  1. 图像的RGB色彩模式
     *  2. 像素阵列
 *  Image模块
 *   *  1. 打开图像和新建图像
     *   *  (1) 打开已有图像
         *  (2) 新建一个图像
     *  2. 查看图像的信息
     *  3. 混合处理图像
     *   *  (1) 透明度混合处理图像
         *  (2) 遮罩混合处理图像
     *  4. 复制和缩放图像
     *   *  (1) 复制图像
         *  (2) 缩放像素值的RPG
         *  (3) 原生缩放图像大小
     *  5. 剪切和黏贴图片
     *   *  (1) 剪切图片函数
         *  (2) 黏贴图片函数
     *  6. 图像旋转
     *  7. 图像通道的分割与合并
     *   *  (1) 图像分割为通道函数
         *  (2) 通道合并入图像函数
     *  8. 滤镜效果
     *  9.像素点计算
 *  ImageChops模块
 *  ImageEnhance模块

# 数字图像的基本概念 #

## 1. 图像的RGB色彩模式 ##

RGB三个颜色通道的变化和叠加得到各种颜色，其中

*  R 红色，取值范围\[0,255\]，大小为1字节
 *  G 绿色，取值范围\[0,255\]，大小为1字节
 *  B 蓝色，取值范围\[0,255\]，大小为1字节

这三种颜色是三原色，是指色彩中不能再进行分解的三种基本颜色

常见的几种颜色的叠加：

*  红色的RGB表示（255，0，0）
 *  绿色的RGB表示（0，255，0）
 *  蓝色的RGB表示（0，0，255）
 *  黑色的RGB表示（0，0，0）
 *  白色的RGB表示（255，255，255）

## 2. 像素阵列 ##

数字图像可以看成一个整数阵列，阵列中的元素称为像素（Pixel）

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70]

*  每个像素点代表1个像素，一点包含RGB三种颜色的组合，一个像素点包含3个字节的信息
 *  假如这个点是红色，则包含的信息为（255, 0, 0）
 *  理论上，我们只需要操作每个点上的这三个数字，就能得到任何图形
 *  一幅图像上的所有像素点的信息，完全可以使用整数矩阵来表示
 *  通过矩阵的运算实现复杂的图像操作

# Image模块 #

## 1. 打开图像和新建图像 ##

### (1) 打开已有图像 ###

> 使用open函数打开一个已经存在的图像

def open(fp, mode="r", formats=None)

*  参数

fp表示要打开文件的路径（相对路径或者绝对路径）

mode表示打开文件的形式，通常使用默认值r，即不需要传入

*  返回值：一个图像的实例

> 打开图像函数程序演示

# 导入包
    from PIL import Image
    # 以 默认方式 打开图片
    img1 = Image.open("picture/杯子.png")
    # 显示图片
    img1.show()

> 程序运行结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 1]

### (2) 新建一个图像 ###

> 使用new函数新建一个图像

def new(mode, size, color=0)

*  参数

mode表示新建图像的形式

size表示图像的大小

color表示图像的颜色

> new函数演示

from PIL import Image
    img1 = Image.new("RGB", (300,300),(255,255,255))
    img1.show()

> 运行结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 2]

## 2. 查看图像的信息 ##

<table> 
 <thead> 
  <tr> 
   <th>属性</th> 
   <th>含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>format</td> 
   <td>图片格式（后缀名）</td> 
  </tr> 
  <tr> 
   <td>size</td> 
   <td>图片尺寸（宽度和高度组成的tuple）</td> 
  </tr> 
  <tr> 
   <td>width</td> 
   <td>图片宽度</td> 
  </tr> 
  <tr> 
   <td>height</td> 
   <td>图片高度</td> 
  </tr> 
 </tbody> 
</table>

> 获取某个点的RPG像素值函数

def getpixel(self, xy)

*  参数：点坐标
 *  返回值：RPG三个值组成的tuple

> 查看图像信息程序演示

from PIL import Image
    img1 = Image.open("picture/杯子.png")
    # 查看图片信息
    print('图像格式：',img1.format)
    print('图像大小（宽度，高度）：',img1.size)
    print('图片的高度：',img1.height,'图片的宽度：',img1.width)
    print('获取(100,100)处像素值：',img1.getpixel((100,100)))

> 程序输出结果

图像格式： JPEG
    图像大小（宽度，高度）： (2000, 1333)
    图片的高度： 1333 图片的宽度： 2000
    获取(100,100)处像素值： (26, 49, 33)

## 3. 混合处理图像 ##

### (1) 透明度混合处理图像 ###

> 函数blend实现透明度混合处理

def blend(img1,img2,alpha)

*  其中img1和img2指参与混合的图片1和图片2，他们的尺寸必须相同
 *  alpha指混合透明度，取值为\[0,1\]
 *  blend函数可以将两个图片以一定的透明度进行混合
 *  混合原理：img1 \* (1 - alpha) + img2 \* alpha
 *  当alpha为0时，混合出来的图片为img2；当alpha为1时，混合出来的图片为img1

> blend函数演示

from PIL import Image
    img1 = Image.open("picture/cup.jpg").convert("RGB")
    img2 = Image.new("RGB", img1.size, "red")
    img3 = Image.blend(img1, img2, alpha=0.5)
    img3.show()

> 运行结果  
> ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 3]

### (2) 遮罩混合处理图像 ###

> 函数composite实现遮罩混合处理

def composite(image1, image2, mask)

*  image1 、 image2 、mask 分别是三张图片
 *  三张图片尺寸必须相同
 *  用mask来混合image1 和image2

> composite函数演示

from PIL import Image
    img1 = Image.open("picture\cup.jpg")
    img2 = Image.open("picture\杯子.png").resize(img1.size)
    r,g,b = img2.split()	# 将img2分割成3个通道
    Image.composite(img1,img2,b).show() # 使用img2的b通道遮罩img1

> 程序输出结果  
> ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 4]

## 4. 复制和缩放图像 ##

### (1) 复制图像 ###

> 函数copy复制指定的图片

def copy(self)

> 函数copy演示

from PIL import Image
    img1 = Image.open("picture\cup.jpg")
    img2 = img1.copy()
    img2.show()
    print(id(img1))
    print(id(img2))

> 输出结果

1706724532872
    1706724069000

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 5]

### (2) 缩放像素值的RPG ###

> 使用eval函数缩放图像

def eval(image, *args)

*  将image图片的每一个像素点的RPG值按照函数指针args中定义的方式进行缩放

> eval函数演示

from PIL import Image
    img1 = Image.open("picture\cup.jpg")
    img1_bigger = Image.eval(img1, lambda x: x / 10)
    print(img1.getpixel((100,100)))
    print(img1_bigger.getpixel((100,100)))
    img1_bigger.show()

> 输出结果：缩放图的点(100,100)的RPG值是原图的十分之一

(26, 49, 33)
    (2, 4, 3)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 6]

### (3) 原生缩放图像大小 ###

> thumbnail函数

def thumbnail(self, size, resample=BICUBIC, reducing_gap=2.0)

*  按照size缩放按比例缩放原图

> thumbna函数演示

from PIL import Image
    img1 = Image.open("picture\cup.jpg")
    print(img1.size)
    img1.thumbnail((200, 100))
    print(img1.size)

> 运行结果

(2000, 1333)
    (150, 100)

## 5. 剪切和黏贴图片 ##

### (1) 剪切图片函数 ###

> 剪切图片函数crop

def crop(self, box=None)

*  参数box是一个四元组，分别定义了剪切区域的左、上、右、下四个坐标

### (2) 黏贴图片函数 ###

> 粘贴图片函数paste

def paste(self, im, box=None, mask=None)

*  im是要黏贴的目标图片
 *  box是黏贴的区域，分为三种情况

<table> 
 <thead> 
  <tr> 
   <th>box</th> 
   <th>含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>(x1,y1)</td> 
   <td>将源图像左上角对齐(x1,y1)点</td> 
  </tr> 
  <tr> 
   <td>(x1,y1,x2,y2)</td> 
   <td>源图像与该区域必须大小一致</td> 
  </tr> 
  <tr> 
   <td>None</td> 
   <td>源图像与被黏贴的图像大小必须一致</td> 
  </tr> 
 </tbody> 
</table>

> 剪切黏贴函数演示程序

from PIL import Image
    img1 = Image.open("picture\cup.jpg")
    # 将img1拷贝两份
    img2 = img1.copy()
    img3 = img1.copy().resize((500,400))
    # 将img3整张图片剪切出来
    img_region = img3.crop((0,0,img3.width,img3.height))
    # 将剪切出来的img_region左上角的点定位放在img2的(30,30)处
    img2.paste(img_region,(30,30))
    img2.show()

> 运行结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 7]

## 6. 图像旋转 ##

> rotate函数实现图像旋转

rotate(
            self,
            angle,
            resample=NEAREST,
            expand=0,
            center=None,
            translate=None,
            fillcolor=None,
        )

*  将图片旋转angle度,其他参数可不填

> rotate函数演示

from PIL import Image
    img1 = Image.open("picture\cup.jpg")
    img_rotate = img1.rotate(90)
    img_rotate.show()

> 运行结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 8]

## 7. 图像通道的分割与合并 ##

### (1) 图像分割为通道函数 ###

> split函数将图片分割为多个**通道列表**

def split(self)

### (2) 通道合并入图像函数 ###

> merge函数可以将**一个通道的图像**合并到**更多通道的图像**当中

def merge(mode, bands)

> 对指定图片进行合并和分离操作

from PIL import Image
    img1 = Image.open("picture\cup.jpg")
    img2 = Image.open("picture\杯子.png").resize(img1.size)
    # 分离
    r1,g1,b1 = img1.split()
    r2,g2,b2 = img2.split()
    # 合并
    tmp = [r1,g2,b1]
    img = Image.merge("RGB",tmp)
    img.show()

> 运行结果  
> ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 9]

## 8. 滤镜效果 ##

> 在ImageFilter模块中，函数filter可以使用特定滤镜过滤指定的图像

def filter(self, filter)

*  filter表示滤镜内核

> 函数filter对图像进行**高斯模糊**

from PIL import Image,ImageFilter
    img = Image.open("picture\cup.jpg")
    # 创建一个 与img同高但两倍宽的空白图 
    img_output = Image.new("RGB", (2 * img.width, img.height))
    # 将img放在空白图左侧
    img_output.paste(img, (0, 0))
    # 将img进行高斯模糊
    img_filter = img.filter(ImageFilter.GaussianBlur)
    # 将高斯模糊后的img放在空白图的右侧
    img_output.paste(img_filter,(img.width, 0))
    # 将拼接好的原图和高斯模糊的图进行对比展示
    img_output.show()

> 输出结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 10]

> 其他滤镜内核演示

*  四个一起对比

img = Image.open("picture\cup.jpg")
    img_output = Image.new("RGB", (img.width * 4, img.height))
    
    img_GaussianBlur = img.filter(ImageFilter.GaussianBlur)     # 高斯模糊
    img_EDGE_ENHANCE = img.filter(ImageFilter.EDGE_ENHANCE)     # 边缘增强滤镜
    img_FIND_EDGES   = img.filter(ImageFilter.FIND_EDGES)       # 寻找边缘滤镜
    
    # 将原图与另外三个图拼接在一起
    img_output.paste(img, (0, 0))
    img_output.paste(img_GaussianBlur, (img.width, 0))
    img_output.paste(img_EDGE_ENHANCE, (img.width * 2, 0))
    img_output.paste(img_FIND_EDGES, (img.width * 3, 0))
    
    img_output.show()

*  两两对比

from PIL import Image,ImageFilter
    
    img = Image.open("picture\cup.jpg")
    
    img_GaussianBlur = img.filter(ImageFilter.GaussianBlur)     # 高斯模糊
    img_EDGE_ENHANCE = img.filter(ImageFilter.EDGE_ENHANCE)     # 边缘增强滤镜
    img_FIND_EDGES   = img.filter(ImageFilter.FIND_EDGES)       # 寻找边缘滤镜
    
    filters = []
    filters.append(img_GaussianBlur)
    filters.append(img_EDGE_ENHANCE)
    filters.append(img_FIND_EDGES)
    
    img_output  = Image.new("RGB", (img.width * 2, img.height))
    img_output.paste(img, (0, 0))
    for _filter in filters:
        img_output.paste(_filter, (img.width, 0))
        img_output.show()

> 四个一起对比输出结果

![在这里插入图片描述][20210111220721399.png]

## 9.像素点计算 ##

*  对像素点进行计算，从而改变图片的亮度

def point(self, lut, mode=None)

> 测试程序

from PIL import Image
    
    img = Image.open("picture\cup.jpg")
    
    img_high = img.point(lambda x: x * 1.5)
    img_low  = img.point(lambda x: x * 0.5)
    
    img_output = Image.new("RGB",(img.width * 3, img.height))
    img_output.paste(img, (0, 0))
    img_output.paste(img_high, (img.width, 0))
    img_output.paste(img_low, (img.width * 2, 0))
    img_output.show()

![在这里插入图片描述][20210111220735644.png]

# ImageChops模块 #

*  PIL库中的内置模块ImageChops中包含了多个用于实现图片合成的函数
 *  这些合成功能的=是通过计算通道中像素值的方式实现的
 *  主要用于制作特效、合成图片等操作

内置函数：

**（1）add函数**

*  相加函数add，功能是对两张图片进行算术加法运算
 *  合成后的图像中的每个像素值，按照以下公式计算： out = (image1 + image2) / scale + offset)

def add(image1, image2, scale=1.0, offset=0)

> 函数演示

from PIL import Image,ImageChops
    img1 = Image.open("picture\cup.jpg")
    img2 = Image.open("picture\杯子.png").resize(img1.size)
    
    # add函数
    ImageChops.add(img1, img2).show()

> 运行结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 11]

**（2）subtract函数**

*  减法函数subtract，功能是对两张图片进行算术减法运算
 *  合成后的图像中的每个像素值，按照以下公式计算： out = (image1 - image2) / scale + offset)

def subtract(image1, image2, scale=1.0, offset=0)

> 函数演示

from PIL import Image,ImageChops
    img1 = Image.open("picture\cup.jpg")
    img2 = Image.open("picture\杯子.png").resize(img1.size)
    
    # subtract函数
    ImageChops.subtract(img1,img2).show()

> 运行结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 12]

**（3）darker函数**

*  变量函数darker，功能是比较连个图片（逐像素比较）将两张图片较暗的部分叠加得到一张新的图片返回
 *  某个像素点的取值为两张图片中较小（暗）的那个值

def darker(image1, image2)

> 函数演示

from PIL import Image,ImageChops
    img1 = Image.open("picture\cup.jpg")
    img2 = Image.open("picture\杯子.png").resize(img1.size)
    
    # darker函数
    ImageChops.darker(img1,img2).show()

> 运行结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 13]

**（4）lighter函数**

*  变量函数lighter，功能是比较连个图片（逐像素比较）将两张图片较亮的部分叠加得到一张新的图片返回
 *  某个像素点的取值为两张图片中较大（亮）的那个值

def lighter(image1, image2)

> 函数演示

from PIL import Image,ImageChops
    img1 = Image.open("picture\cup.jpg")
    img2 = Image.open("picture\杯子.png").resize(img1.size)
    
    # lighter函数
    ImageChops.lighter(img1,img2).show()

> 运行结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 14]

**（5）multiply函数**

*  叠加函数multiply，功能室将两张图片相互叠加。若果用纯色与某图片进行叠加操作，就会得到一幅纯黑色的图片，如果用纯白色图片，则图片不受影响
 *  像素的计算公式为： out = image1 \* image / MAX

def multiply(image1, image2)

> 函数演示

from PIL import Image,ImageChops
    img1 = Image.open("picture\cup.jpg")
    img2 = Image.open("picture\杯子.png").resize(img1.size)
    
    # multiply函数
    ImageChops.multiply(img1,img2).show()

> 运行结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 15]

**（6）screen函数**

*  屏幕函数screen，功能是先反色后叠加，实现合成图像的效果，就像将两张幻灯片用两台投影仪投影到一块屏幕上的效果
 *  像素计算公式： out = MAX - ((MAX - image1) \* (MAX - image2) / MAX)

def screen(image1, image2)

> 函数演示

from PIL import Image,ImageChops
    img1 = Image.open("picture\cup.jpg")
    img2 = Image.open("picture\杯子.png").resize(img1.size)
    
    # screen函数
    ImageChops.screen(img1,img2).show()

> 运行结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 16]

**（7）invert函数**

*  反色函数invert，类似于集合操作中的求补集，最大值为MAX，用MAX减去每个像素值求出反色
 *  像素计算公式：out = MAX - image

def invert(image)

> 函数演示

from PIL import Image,ImageChops
    img1 = Image.open("picture\cup.jpg")
    img2 = Image.open("picture\杯子.png").resize(img1.size)
    
    # invert函数
    ImageChops.invert(img1).show()

> 运行结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 17]

**（8）difference函数**

*  比较函数difference，逐像素做减法再求绝对值
 *  若两个像素值相同，比较后的像素值为黑色
 *  像素计算公式：out = abs(image1 - image2)

def difference(image1, image2)

> 函数演示

from PIL import Image,ImageChops
    img1 = Image.open("picture\cup.jpg")
    img2 = Image.open("picture\杯子.png").resize(img1.size)
    
    # difference函数
    ImageChops.difference(img1,img2).show()

> 运行结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 18]

# ImageEnhance模块 #

*  ImageEnhance模块中包含了多个用于增强图像效果的函数，主要用来调整图像的色彩、对比度、亮度和清晰度
 *  在ImageEnhance模块中，质保函一个方法enhance，该方法会返回一个增强的对象，参数是一个大于0的float数，1表示返回原始图片
 *  使用enhance方法之前，需要获得对应的增强调整器，根据增强调制器调用enhance方法，根据增强系数（小于1表示减弱，大于1表示增强）进行调整，再返回调整后的图片

ImageEnhance.Color(image)		# 调整图像 色彩
    ImageEnhance.Contrast(image)	# 调整图像 对比度 
    ImageEnhance.Brightness(image)	# 调整图像 亮度
    ImageEnhance.Sharpness(image)	# 调整图像 清晰度

> 测试程序

from PIL import Image,ImageEnhance
    
    img = Image.open("picture\cup.jpg")
    img_output = Image.new("RGB",(img.width * 3, img.height * 2))
    
    # 获取色彩调整期
    img_color = ImageEnhance.Color(img)
    img_high = img_color.enhance(1.5)   # 色彩增加
    img_low  = img_color.enhance(0.5)   # 色彩减弱
    # 将原图复制到第一行最左边，另外两个图以此放在右边
    img_output.paste(img, (0, 0))
    img_output.paste(img_high, (img.width * 1, 0))
    img_output.paste(img_low, (img.width * 2, 0))
    
    
    # 获取亮度调整期
    img_Brightness = ImageEnhance.Brightness(img)
    img_high = img_Brightness.enhance(1.5)  # 亮度增强
    img_low  = img_Brightness.enhance(0.5)  # 亮度减弱
    # 将原图复制到第二行最左边，另外两个图以此放在右边
    img_output.paste(img, (0, img.height))
    img_output.paste(img_high, (img.width * 1, img.height))
    img_output.paste(img_low, (img.width * 2, img.height))
    
    img_output.show()

> 输出结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 19]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70]: /images/20221119/1063a0f100ec4868968f63163d17c80f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 1]: /images/20221119/17f85292e7f543b8a3def8a338a6732c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20210111220432929.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20210111220500162.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20210111220521171.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20210111220537601.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20210111220552966.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20210111220621335.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20210111220636525.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20210111220649365.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 10]: https://img-blog.csdnimg.cn/20210111220701171.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[20210111220721399.png]: https://img-blog.csdnimg.cn/20210111220721399.png
[20210111220735644.png]: https://img-blog.csdnimg.cn/20210111220735644.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/20210111220749478.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 12]: https://img-blog.csdnimg.cn/20210111220803968.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 13]: https://img-blog.csdnimg.cn/2021011122081828.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 14]: https://img-blog.csdnimg.cn/20210111220831931.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 15]: https://img-blog.csdnimg.cn/20210111220844508.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 16]: https://img-blog.csdnimg.cn/20210111220856907.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 17]: https://img-blog.csdnimg.cn/20210111220908562.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 18]: https://img-blog.csdnimg.cn/20210111220918985.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 19]: https://img-blog.csdnimg.cn/20210111220937217.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70