首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何使用imgshow放大一个子图图像,以对齐两个图像?

imgshow是一个用于显示图像的函数,通常在Python的图像处理库中使用。要放大一个子图图像并对齐两个图像,可以按照以下步骤进行操作:

  1. 导入必要的库和模块:
代码语言:txt
复制
import matplotlib.pyplot as plt
  1. 加载图像数据:
代码语言:txt
复制
image = plt.imread('image.jpg')
  1. 创建一个包含两个子图的画布:
代码语言:txt
复制
fig, (ax1, ax2) = plt.subplots(1, 2)
  1. 在第一个子图中显示原始图像:
代码语言:txt
复制
ax1.imshow(image)
  1. 在第二个子图中显示放大的图像:
代码语言:txt
复制
ax2.imshow(image, aspect='auto', extent=(x1, x2, y1, y2))

其中,x1、x2、y1、y2是放大图像的坐标范围。

  1. 设置子图的标题和标签:
代码语言:txt
复制
ax1.set_title('Original Image')
ax2.set_title('Zoomed Image')
ax1.set_xlabel('X-axis')
ax1.set_ylabel('Y-axis')
ax2.set_xlabel('X-axis')
ax2.set_ylabel('Y-axis')
  1. 调整子图的布局:
代码语言:txt
复制
plt.tight_layout()
  1. 显示图像:
代码语言:txt
复制
plt.show()

这样就可以使用imgshow函数放大一个子图图像并对齐两个图像了。

注意:以上代码示例中没有提及具体的腾讯云产品,因为腾讯云并没有与图像处理直接相关的云计算产品。如果需要在腾讯云上进行图像处理,可以考虑使用腾讯云的云服务器、云函数、云存储等基础服务,并结合第三方图像处理库进行开发。

相关搜索:如何在块中将一个垂直图像与另外两个垂直图像对齐如何使用UWP以编程方式连接两个图像如何使用光标擦除图像以显示另一个图像?如何使用css在一行中对齐和居中图像?如何使用CSS将图像和文本在同一行居中对齐?如何使用一个UIImagePickerControllerDelegate设置两个不同的图像?Xcode 8/ Swift 3-如何将按钮约束锁定在一个按键上,以缩放图像,以便与图像一起放大和缩小?如何将图像加载到tensorflow中以与模型一起使用?如何使用swift以编程方式添加带有一些约束的图像视图?卷积神经网络-如何在同一图像上使用两个cnn模型如何使用WPF画布以编程方式将图像从一点动画到另一点?如何使用JavaScript对齐图像中显示的内容并重定向到另一个页面如何使用两个值之间的CV2对图像进行归一化?如何使用Codeigniter3一次将图像输入到两个表中如何使用CSS将两个箭头图像(upvote/downvote)叠加在一起?如何使用ImageMagick convert工具水平合并两个半图像,创建一个拆分视图?如何使用同一图像运行两个组件,并将两个不同的参数传递给docker-compose我如何使用gstreamer将一组图像拼接在一起以形成视频幻灯片我正在使用JavaScript渲染一个绝对定位的p元素,但我不知道如何将它与上面的图像对齐如何在使用Keras flow_from_directory的同时,沿深度轴组合两个RGB图像,以准备6通道输入数据?
相关搜索:
页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

Qt+OpenCV显示图片的两种方法(代码演示)

视觉/图像重磅干货,第一时间送达! 导 读 本文主要介绍Qt+OpenCV显示图像的两种方法,并通过代码演示效果。 背景介绍 OpenCV本身提供了一些GUI方法,但使用起来仍有局限性。...以C++为例,实际应用中我们大多会使用Qt或MFC来编写GUI程序。相较之下,Qt比MFC更易上手且界面样式更丰富,所以越来越多的C++视觉开发者和公司都倾向用Qt做视觉项目的GUI。...Qt中显示OpenCV图像常用的方法有两种,一种是使用QLabel显示,另一种是QGraphicsView显示。...【2】添加两个Push Button(分别命名QLabel和Graphics View),简单设计布局。...总 结 上面为大家演示了Qt+OpenCV显示图像的两种方法,QLabel方法适合初学者和简单应用,进阶开发和项目使用推荐使用Graphics View。后续还会有更多实用文章,敬请期待!

2K10

OpenCV+OpenGL 双目立体视觉三维重建

当然由于图像是具有深度的,Q与Q’必定会有差距,因此距离阈值可以设置的稍微宽松一些。我使用了这两种过滤方法。...然后根据这两个点的视差值就可以计算出另外一个视图中的对应点的坐标。...2.计算世界坐标 一般双目立体视觉中使用的实验图像都是经过外极线矫正的,计算3D坐标也比较方便,其实利用外极线约束(以及其他的约束条件)可以极大的降低立体匹配的计算量。见下图: ?...如何传入(插入)散点集呢?...要从深度图像中恢复高质量的视差图,对深度图像的要求有: ①深度图像中,物体的边界必需与图像中物体的边界对齐; ②在场景图中,深度图像要尽可能均勻和平滑,即对图像进行平滑处理。

5.4K20
  • 33. 摄影-怎样对焦才能让不同距离的物体都拍摄清晰?

    ,它分为几个步骤 对齐图像 对每个像素赋以一个权重,代表它的清晰程度(也就是它对焦的准确度) 求这些图像的加权平均,获取到最终的图像,就是我们所需要的全焦图像 步骤一:对齐图像 首先我们来看看图像对齐,...嗯,也许你已经想到了,当我们通过改变像距、物距来获取不同对焦距离的图像时,图像的放大倍率也会改变: ? 此时,不同放大倍率的图像就无法简单的融合到一起了。...下面是两个图像不对齐的例子,第一个只有放大倍率导致的不对齐,而第二个则还有相机抖动导致的不对齐(手持拍摄) ? ? 对于相机运动导致的图像非对齐情况,我们暂不讨论。...现在假定是只有改变像距导致的放大倍率不一致,那么如何对齐图像呢? 我之前在31. 镜头、曝光,以及对焦(上)讲过,放大倍率可以用如下公式表示。因此,如果我们知道相机的焦距和各个像距,就可以求出m。...这样,所有的图像都可以以第1张图像为标准来对齐,论文中用下面的公式来表示对第i张图像利用它与第1张图像之间的光流场来进行变换。 ? 下面是作者给出的对齐前和对齐后的机组图像的对比: ? ?

    1.1K21

    解决在页面中无法获取qrcode.js生成的base64的图片

    应用场景     生成带二维码的推广海报图片旧方法:    将用户自己的推广连接先通过qrcode.js生成二维码,然后再用后台返回的一张背景图片和二维码通过canvas绘制成一张海报。...= document.getElementById('imgShow');       imgShow.setAttribute('src', _imgSrc);} }}} 解决方法虽然知道是页面渲染的先后问题,但是时间很紧,只能跳过使用另一种方式解决这种在有的手机上不能生成海报的问题。...使用的是phpqrcode类,不过需要简单的修改一下,让其能生成base64的二维码,这个我是在网上参考别人的源码,具体是谁忘记了,记起后代码原著我会补上,这里就代码先上了。2. ...= document.getElementById('imgShow');       imgShow.setAttribute('src', _imgSrc);} }}}</script

    22810

    手机中的计算摄影2-光学变焦

    于是,我们可以再前进一步,在放大的画面的同时,逐渐的平移画面中感兴趣的目标位置,使得切换瞬间两个图像中我们感兴趣的目标的位置一致,就像下面这样: 这样,是不是更有平滑变焦的感觉了?...因此简单的平移图像是无法使得画面上每一个像素都对齐的。...下面的示意图说明了相机之间的三维旋转关系,这种三维旋转关系比起简单的平移关系更加影响图像在切换时的对齐效果: 如果用几何表达的话,是这样的: 观察刚才的动图的切换瞬间的两帧,你可以很明显的看到图像的旋转...,然后将平移量和放大倍率线性关联起来,这样每放大一点,就会相应的旋转一点、平移一点,最终达到在相机的切换点,两张图像的尺度一致、关键目标的位置刚好对齐,且整个画面没有旋转感,就像下面所示: 图像质量平滑过渡...现在我们已经解决了图像主体在空间上的对齐问题,但两个摄像头通常不仅仅在空间位置上有差异,在图像质量上也有明显的区别,你可以看看下面这个视频,很容易观察到在相机切换的瞬间,图像的亮度、颜色等都发生了突变

    2.6K30

    C#进阶-ASP.NET实现可以缩放和旋转的图片预览页

    本文详细介绍了如何在ASP.NET WebForms中实现一个功能丰富的图片预览页面。通过结合HTML、CSS和JavaScript,用户可以方便地对图片进行放大、缩小以及旋转操作。...通过这个项目,读者可以学会如何在Web应用中动态处理图片,提高用户交互体验。一、实现思路在现代Web应用中,用户对图片的操作需求日益增加,尤其是在图片展示时能够方便地进行放大、缩小以及旋转等操作。...实现这一功能的核心在于使用HTML、CSS和JavaScript结合来动态调整图片的样式属性,以达到相应的效果。二、实现步骤1....设置图片展示区在body标签中,添加一个div容器,用于展示图片。这个容器需要设定宽度和高度,以保证图片能在页面居中显示。然后,使用img标签加载图片。这里,我们设置图片初始宽度为60%。...location=0,width=" + iWidth + ",height=" + iHeight + ",top=" + iTop + ",left=" + iLeft);}四、实现总结通过本项目,我们展示了如何使用

    22243

    【论文分享】 作者带你读CVPR2020-MSFSR

    通过显式引入外部人脸结构先验知识(人脸解析图和人脸关键点),不仅提升了输出高分辨率人脸图像的分辨率;而且也不需要对人脸图像进行复杂的预对齐工作。...人脸边缘线 在人脸对齐领域,来自清华大学和商汤科技的Wayne Wu等人首次“人脸边缘线”的概念[2],旨在解决人脸对齐任务中各个人脸数据集之间定义不一致的问题。...一方面,由于边缘线的连续性,无论人脸关键点定义密度如何,表示同一五官特征的关键点都会落在11条人脸边缘线上。...人脸边缘线示意图 给定一张人脸图片,给出适当密度的L个人脸关键点标注 将S个人脸关键点(本文选取了68个人脸关键点)划分为N个子集合(11条人脸边缘线),并且将每一个子集合内部的关键点按照语义顺序顺次链接...本文的网络设计中: 基础上采样模块引入了通道注意力机制以及后置上采样模块的亚像素卷积层,以较低的计算量实现了图像的高效放大; 边缘融合模块则同样通过通道注意力机制,通过对融合后的特征图同样引入通道注意力机制实现了通道权重间的自适应调整

    1.6K40

    CVPR 2018 | 无需额外硬件,全卷积网络让机器学习学会夜视能力

    一种解决办法是使用一组连拍图像 [24,14] 合成,但在极低照度的情况下,连拍对齐算法也很容易会失败,并且连拍流程不能用于视频捕捉。 ?...该方法通过对齐混合多个图像得到良好的结果,但同时会增加其复杂度(例如对应密度估计),且可能难以将其应用于视频捕获。 ? 图 3:不同图像处理流程的结构。...输出是一个空间分辨率为之前一半的 12 通道图像,它通过一个子像素层的处理恢复原始分辨率 [37]。...因此我们得以避免使用需要处理小图像块并重新组装它们的全连接层 [26]。默认架构是 U-net [35]。 ? 图 4:放大系数作用于 SID 数据集(Sony x100 子集)中室内图像的效果。...放大系数作为外部输入提供给我们的参数,类似于相机中的 ISO 设置。更高的放大倍数可以产生更明亮的图像。这张图显示了具有不同的放大系数的输出图像。 放大率决定了输出亮度,类似于相机中的 ISO 设置。

    85760

    Pixel 3的超分辨变焦技术

    典型的数码变焦是对单张图像的一小部分进行裁剪并放大而得到一张更大的图像。...相对而言, 大多数现代的单图放大算法使用了机器学习的手段 (包括我们早先的工作,RAISR)。这些方法能放大特定的图像特征, 比如直线边缘, 甚至可以合成一些纹理, 但是不能恢复出高分辨率的自然细节。...为了捕捉场景中存在的真实颜色, 相机使用放在传感器前面的色彩滤镜阵列, 以便每个像素仅记录单一颜色 (红色, 绿色或蓝色),这些滤镜以拜耳模式(Bayer Pattern)排列, 如下图所示。...当使用高分辨率传感器的手机拍摄照片时, 手震的幅度仅为几个像素。 对多帧图像全局对齐, 裁剪之后, 很明显能看出手震效应。 为了利用手震, 我们首先需要将图像对齐在一起。...一个快速移动巴士的场景。左图: 没有使用鲁棒融合模型。右图: 使用了鲁棒融合模型。 让手机摄影更上一层楼 去年的人像模式, 以及之前的 HDR+ 算法, 展示了手机摄影可以达到的优秀程度。

    92520

    计算机视觉最新进展概览(2021年7月25日到2021年7月31日)

    具体来说,我们先预测路缘的像素分割图,然后进行一系列的后处理步骤提取路缘的图结构。 为了解决分割图中的不连通性问题,我们提出了一种新颖的保持连接丢失(CP-loss)方法来提高分割性能。...从技术上讲,SFA由一个基于域查询的特征对齐(DQFA)模块和一个基于token-wise的特征对齐(TDA)模块组成。...在DQFA中,一个新的域查询用于从两个域的token-wise序列聚合和对齐全局上下文。 DQFA减少了部署在Transformers编码器和解码器中的全局特征表示和目标关系的域差异。...使用我们的方法,可以利用目标域样本来适应目标检测模型,而无需改变模型架构或生成合成数据。 当应用于图像腐蚀和高水平跨域自适应基准时,我们的方法在多个域自适应基准上优于先前的基准。...此外,在训练阶段,我们提出了一种分层任务学习策略,以减少错误放大造成的不稳定性。 该学习算法通过提出的指标监控每个任务的学习情况,并根据任务前的情况自适应地为不同任务分配合适的损失权重。

    84830

    FaceShifter:新的人脸交换模型

    2.多级属性编码器:一种与将X emb嵌入到空间中有关的编码器,该空间描述了交换面部时要保留的属性。 3.AAD生成器:一种生成器,它集成了前面两个子网的输出,以生成Xₜ的面与Xₛ的标识交换。 ?...它以提高的空间分辨率集成了前两个子网的输出,以生成AEI-Net的最终输出。它是通过堆叠如图6所示的称为AAD Resblock的新块来实现的。 ?...一个包含比例值,该比例值将与hᵢₙ中的每个单元相乘,另一个包含位移值。第1部分层的输入是属性向量之一。同样,第2部分将告诉我们如何将特征图hᵢₙ编辑为更像Xₛ。 ? 图7....通过图8所示的实验以经验证明了这一点。 ? 因此,AAD生成器将能够逐步构建最终图像,其中在给定身份和属性编码的情况下,AAD生成器将在每个步骤中确定最佳的方法来放大当前特征图。...在图11中,您可以找到在其所设计的数据集之外(即从野外获取)的图像上的泛化性能的一些示例。请注意,它如何能够在不同的恶劣条件下正常工作。 ?

    1.2K62

    FaceShifter:一秒换脸的人脸交换模型

    2.多级属性编码器:一种与将X emb嵌入到空间中有关的编码器,该空间描述了交换面部时要保留的属性。 3.AAD生成器:一种生成器,它集成了前面两个子网的输出,以生成Xₜ的面与Xₛ的标识交换。...它以提高的空间分辨率集成了前两个子网的输出,以生成AEI-Net的最终输出。它是通过堆叠如图6所示的称为AAD Resblock的新块来实现的。...一个包含比例值,该比例值将与hᵢₙ中的每个单元相乘,另一个包含位移值。第1部分层的输入是属性向量之一。同样,第2部分将告诉我们如何将特征图hᵢₙ编辑为更像Xₛ。 图7....通过图8所示的实验以经验证明了这一点。 因此,AAD生成器将能够逐步构建最终图像,其中在给定身份和属性编码的情况下,AAD生成器将在每个步骤中确定最佳的方法来放大当前特征图。...在图11中,您可以找到在其所设计的数据集之外(即从野外获取)的图像上的泛化性能的一些示例。请注意,它如何能够在不同的恶劣条件下正常工作。

    1.1K30

    复旦大学:多模态知识图谱最新综述

    MMKG通常提供多模态数据作为附加特性来弥补一些NLP任务中的信息差距。以实体识别为例,一个图像可以提供足够的信息来识别“Rocky”是一只狗的名字还是一个人的名字。...也可搭建一个系统来做,比如分为三个子任务:视觉实体/概念提取、视觉关系提取和视觉事件提取。...视觉实体/概念提取的目的是检测和定位图像中的目标视觉对象,然后用KG中的实体/概念符号标记这些对象,目标检测和视觉定位使用较多; 视觉关系提取的目的是识别图像中检测到的视觉实体/概念之间的语义关系,然后用...此外MMKG还可以帮助构建场景图,引入视觉概念之间的信息相关知识,进一步增强图像表示。 Multi-modal Generation Tasks。...即除了实体、概念和关系的基础之外,一些下游应用还需要复杂的符号知识的基础,如KG中的一条路径、一个子图等涉及到多重关系。且在许多情况下,多重关系的复合语义是隐式表达的且可能随着时间而改变。

    4.1K60

    目标检测的渐进域自适应,优于最新SOTA方法

    具体来说,源图像首先由一个图像到图像的迁移网络进行转换,使其具有与目标图像相似的外观。这里将包含合成目标图像的域称为中间域。然后,去对齐源域和中间分布来构造中间特征空间,这比对齐最终目标域要简单得多。...一旦这个中间域对齐后,就将它拿去连接目标域的桥梁。 因此,通过提出的中间域渐进自适应方法,将源域和目标域之间的初始对齐分解为两个子任务,这两个子任务都能以较小的域间隙解决较简单的问题。...图2展示了渐进式自适应框架。 ? 该算法包括适应的两个阶段,如图2中的a和b所示。首先使用通过CycleGAN [36]获悉的生成器G转换源图像以生成合成图像。...另外,从CycleGAN中的鉴别器Dcycle获得权重w,以平衡检测损失中的合成图像质量。 图2中的(c)显示来自适应网络的整体结构。...总结 在本文中,作者提出了一种渐进的自适应方法,该方法使用中间域来弥合域间隙,从而将较困难的任务分解为具有较小间隙的两个较简单的子任务。通过将源图像转换为目标图像来获得中间域。

    83910

    语义分割--FCN 算法中的一些细节--特征怎么融合

    如果227 × 227输入图像经过一系列卷积池化,得到一个图像对应的特征图,以前用该特征图进行分类,得到该图像的类别信息 对于一个 500×500 大小的图像,我们可以用 10 × 10 个 227...10 × 10 的分割结果A,我们使用一个 deconvolution layer 进行双线性上采样到输入图像尺寸得到 FCN-32s分割结果, 直接放大32倍 deconvolution layer...这里需要放大,裁剪,对齐。...得到一个放大2倍的分割结果图A2, 将这两个分类置信度图求和相加得到了 一个分割结果图 C,最后使用一个 deconvolution layer 进行双线性上采样到输入图像尺寸得到 FCN-16s分割结果...得到一个放大2倍的分割结果图C2, 将这两个分类置信度图求和相加得到了 一个分割结果图 E,最后使用一个 deconvolution layer 进行双线性上采样到输入图像尺寸得到 FCN-16s分割结果

    1.4K10

    深入理解双线性插值算法

    如果想把这副图放大为 4 * 4大小的图像,那么该怎么做呢?...,这是一种最基本、最简单的图像缩放算法,效果也是最不好的,放大后的图像有很严重的马赛克,缩小后的图像有很严重的失真;效果不好的根源就是其简单的最临近插值方法引入了严重的图像失真,比如,当由目标图的坐标反推得到的源图的的坐标是一个浮点数的时候...(其实就是有两个点确定的一次函数,然后在函数上去值呗) 双线性插值法 在数学上,双线性插值是有两个变量的插值函数的线性插值扩展,其核心思想是在两个方向分别进行一次线性插值。...参考OpenCV源码以及网上博客整理如下两点: 源图像和目标图像几何中心的对齐 将浮点运算转换成整数运算 源图像和目标图像几何中心的对齐 方法:在计算源图像的虚拟浮点坐标的时候,一般情况:   srcX...放大的主要对象是u,v这些浮点数,OpenCV选择的放大倍数是2048“如何取这个合适的放大倍数呢,要从三个方面考虑,   第一:精度问题,如果这个数取得过小,那么经过计算后可能会导致结果出现较大的误差

    1.5K10

    文生图新SOTA!Pika北大斯坦福联合推出RPG,多模态助力解决文生图两大难题

    RPG 当前的文生图模型主要存在两个问题:1. 基于布局或基于注意力的方法只能提供粗略的空间引导,并且难以处理重叠的对象;2. 基于反馈的方法需要收集高质量的反馈数据,并产生额外的训练成本。...;最后,引入互补区域扩散来独立生成每个子区域的图像,并在每个采样步骤中进行聚合。...使用MLLM来识别用户提示y中的关键短语,获得其中的子项: 使用LLM将文本提示符分解为不同的子提示符,并进行更详细的重新描述: 通过这种方式,可以为每个子提示生成更密集的细粒度细节,以有效地提高生成图像的保真度...此外,论文扩展了这个框架,以适应编辑任务,采用基于轮廓的区域扩散,从而对需要修改的不一致区域精确操作。 文本引导的图像编辑 如上图所示。...在复述阶段,RPG采用MLLM作为字幕来复述源图像,并利用其强大的推理能力来识别图像和目标提示之间的细粒度语义差异,直接分析输入图像如何与目标提示对齐。

    28810

    细粒度图像分析_图像分类研究现状

    以图1为例,通用图像分类其任务诉求是将“袋鼠”和“狗”这两个物体大类(蓝色框和红色框中物体)分开,可见无论从样貌、形态等方面,二者还是很容易被区分的;而细粒度图像的分类任务则要求对“狗”该类类别下细粒度的子类...CNN的创新之处在于使用原型对图像进行了姿态对齐操作, 并针对不同的局部区域提取不同网络层的特征, 以试图构造一个更具区分度的特征表示....全卷积网络将CNN中的全连接层使用1×1的卷积代替,其输出特征图的维度小于输入图像维度。输出特征图的每个像素点对应输入图像的一个区域,该区域称为其感受野。...同时,两个Part Mask组合起来刚好可组成一个较完整的Object Mask。同样,基于物体/部位图像块,Mask-CNN训练了三个子网络。...如上图,我们的框架以ResNet50作为baseline, SEnet通过压缩-扩展操作对输出特征图再校准。为了产生P个特定注意力的特征图,我们从SEnet延伸,把一次扩展操作换成多次扩展操作。

    1.2K20

    动手画个二次元老婆,上科大团队这个APP刚上线就火出圈,网友:我学废了

    为了解决这个问题,该研究提出了一个名为 SofGAN 的图像生成器,将人像的潜在空间解耦为两个子空间:几何空间和纹理空间。...从两个子空间采样的潜在代码分别馈送到两个网络分支,一个生成具有规范姿态的人像的 3D 几何图形,另一个生成纹理。...SOF 能够在任意视图渲染一致的 2D 语义分割图,然后将其与生成的纹理图融合并使用语义 instance-wise(SIW)模块将其风格化为人像图像。...在渲染阶段,给定任意查询视点,该方法将使用光线移动框架将 SOF 映射为 2D 分割图。SOF 的使用确保了视图的一致性。...纹理合成 该研究使用 SIW 卷积层将基于区域的特征图放大为高分辨率图像,如下图 6 所示。 图 6:该研究的 SIW 生成模块。 更多技术细节详见论文原文。

    34710

    细粒度图像分类(FGVC)—综述

    以图1为例,通用图像分类其任务诉求是将“袋鼠”和“狗”这两个物体大类(蓝色框和红色框中物体)分开,可见无论从样貌、形态等方面,二者还是很容易被区分的;而细粒度图像的分类任务则要求对“狗”该类类别下细粒度的子类...CNN的创新之处在于使用原型对图像进行了姿态对齐操作, 并针对不同的局部区域提取不同网络层的特征, 以试图构造一个更具区分度的特征表示....全卷积网络将CNN中的全连接层使用1×1的卷积代替,其输出特征图的维度小于输入图像维度。输出特征图的每个像素点对应输入图像的一个区域,该区域称为其感受野。...同时,两个Part Mask组合起来刚好可组成一个较完整的Object Mask。同样,基于物体/部位图像块,Mask-CNN训练了三个子网络。...如上图,我们的框架以ResNet50作为baseline, SEnet通过压缩-扩展操作对输出特征图再校准。为了产生P个特定注意力的特征图,我们从SEnet延伸,把一次扩展操作换成多次扩展操作。

    3.7K20
    领券