欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

Python+OpenCV全景拼接實(shí)戰(zhàn):從特征匹配到黑邊智能裁剪

Python+OpenCV全景拼接實(shí)戰(zhàn):從特征匹配到黑邊智能裁剪 簡(jiǎn)介本資源是一份面向計(jì)算機(jī)視覺(jué)初學(xué)者與圖像處理愛(ài)好者的實(shí)戰(zhàn)教程聚焦PythonOpenCV實(shí)現(xiàn)多圖自動(dòng)拼接與黑邊智能去除適用于攝影全景合成、無(wú)人機(jī)航拍重建、虛擬漫游等實(shí)際場(chǎng)景。壓縮包共9個(gè)文件7張JPG原始輸入圖像、1個(gè)核心Python腳本image_stitching.py、1張PNG結(jié)果圖總大小2.18MB代碼含完整中文注釋覆蓋圖像預(yù)處理、SIFT/ORB特征檢測(cè)、BFMatcher特征匹配、cv2.findHomography透視變換建模、cv2.warpPerspective圖像配準(zhǔn)及自定義黑邊裁剪邏輯結(jié)構(gòu)清晰、模塊可拆解。已有7532人學(xué)習(xí)下載讀者可直接運(yùn)行復(fù)現(xiàn)全流程快速掌握全景拼接核心鏈路并基于源碼理解Homography原理、融合邊界處理技巧及OpenCV關(guān)鍵API的工程化用法。1. 項(xiàng)目概述從零到一的全景拼接實(shí)戰(zhàn)最近在整理過(guò)去幾年旅行拍攝的照片發(fā)現(xiàn)很多場(chǎng)景用單張照片根本無(wú)法展現(xiàn)其壯闊比如連綿的山脈、城市的天際線或者室內(nèi)的全景。手動(dòng)在PS里一張張對(duì)齊不僅效率低下而且對(duì)精度要求極高效果往往不盡如人意。作為一個(gè)常年和代碼打交道的開(kāi)發(fā)者我自然想到了用程序化的方式來(lái)解決這個(gè)問(wèn)題——使用Python和OpenCV實(shí)現(xiàn)自動(dòng)化的全景圖像拼接。這個(gè)項(xiàng)目的核心目標(biāo)很明確輸入一組有重疊區(qū)域的照片程序能自動(dòng)識(shí)別特征、匹配圖像、計(jì)算變換矩陣最終將它們無(wú)縫地拼接成一張寬幅的全景圖。聽(tīng)起來(lái)很酷對(duì)吧但實(shí)際操作過(guò)的人都知道拼接完成后圖像邊緣那些不規(guī)則的黑邊或透明區(qū)域才是真正讓人頭疼的“最后一公里”問(wèn)題。這些黑邊是由于圖像經(jīng)過(guò)透視變換后在畫(huà)布邊界外沒(méi)有像素?cái)?shù)據(jù)造成的直接裁剪會(huì)損失畫(huà)面保留又影響觀感。因此一個(gè)完整的全景拼接流程必須包含智能的“黑邊處理”環(huán)節(jié)。本文將帶你深入這個(gè)項(xiàng)目的每一個(gè)技術(shù)細(xì)節(jié)。無(wú)論你是剛接觸計(jì)算機(jī)視覺(jué)的Python新手還是想尋找一個(gè)完整項(xiàng)目練手的中級(jí)開(kāi)發(fā)者都能從中獲得可直接復(fù)現(xiàn)的代碼和避坑經(jīng)驗(yàn)。我們將從環(huán)境搭建、原理剖析一直講到完整的代碼實(shí)現(xiàn)和黑邊處理的多種策略。我會(huì)分享我在這個(gè)過(guò)程中踩過(guò)的所有坑以及最終讓拼接效果變得“可用”甚至“好看”的那些關(guān)鍵技巧。2. 核心原理與方案選型在動(dòng)手寫(xiě)代碼之前我們必須搞清楚全景拼接到底是怎么一回事。它不是一個(gè)單一的步驟而是一個(gè)標(biāo)準(zhǔn)的圖像處理流水線Pipeline。整個(gè)流程可以分解為幾個(gè)核心步驟每一步的選擇都直接影響到最終結(jié)果的成敗。2.1 全景拼接的技術(shù)流水線拆解一個(gè)健壯的全景拼接流程通常包含以下步驟特征檢測(cè)與描述這是整個(gè)流程的基石。我們需要在每一張輸入圖像中找到一些獨(dú)特的、可重復(fù)檢測(cè)的點(diǎn)稱為“關(guān)鍵點(diǎn)”或“特征點(diǎn)”如角點(diǎn)、斑點(diǎn)。然后為每個(gè)關(guān)鍵點(diǎn)計(jì)算一個(gè)“描述符”它是一個(gè)向量抽象地表示了該點(diǎn)周?chē)恍K圖像區(qū)域的紋理、梯度等信息。OpenCV提供了多種算法如SIFT、SURF、ORB等。特征匹配在所有圖像對(duì)之間通過(guò)比較描述符的相似度如計(jì)算歐氏距離為一張圖像中的關(guān)鍵點(diǎn)在另一張圖像中尋找最匹配的對(duì)應(yīng)點(diǎn)。這樣我們就得到了許多匹配點(diǎn)對(duì)。圖像配準(zhǔn)與單應(yīng)性矩陣計(jì)算匹配點(diǎn)對(duì)可能存在錯(cuò)誤誤匹配。我們需要用一個(gè)數(shù)學(xué)模型來(lái)描述兩張圖像之間的幾何變換關(guān)系。對(duì)于在同一平面上拍攝的照片如平移或旋轉(zhuǎn)相機(jī)這個(gè)關(guān)系通??梢杂靡粋€(gè)3x3的單應(yīng)性矩陣Homography Matrix來(lái)精確表示。我們使用RANSAC隨機(jī)抽樣一致等魯棒算法從可能包含誤匹配的點(diǎn)對(duì)中估算出最優(yōu)的單應(yīng)性矩陣并同時(shí)剔除掉不符合該模型的錯(cuò)誤匹配點(diǎn)。圖像扭曲與融合利用計(jì)算出的單應(yīng)性矩陣將第二張及后續(xù)圖像“扭曲”到第一張圖像的坐標(biāo)系下使它們對(duì)齊。對(duì)齊后重疊區(qū)域需要進(jìn)行像素融合以消除接縫和曝光差異。簡(jiǎn)單的融合方式是直接覆蓋但更好的方法是使用多頻段融合Multi-Band Blending或羽化Feathering。畫(huà)布計(jì)算與黑邊處理這是本文要重點(diǎn)解決的難題。在對(duì)多張圖像進(jìn)行連續(xù)變換后最終全景圖的畫(huà)布尺寸會(huì)變得非常大且圖像內(nèi)容在畫(huà)布上的位置是偏移的。畫(huà)布四周會(huì)出現(xiàn)大量沒(méi)有圖像數(shù)據(jù)的黑色區(qū)域值為0。如何智能地裁剪或填充這些區(qū)域就是“黑邊處理”的核心。2.2 關(guān)鍵工具選型為什么是OpenCV和PythonOpenCV它是計(jì)算機(jī)視覺(jué)領(lǐng)域事實(shí)上的標(biāo)準(zhǔn)庫(kù)用C編寫(xiě)性能卓越并提供了完整的Python接口。其cv2模塊中包含了我們所需的所有高級(jí)功能從SIFT_create()到findHomography()再到warpPerspective()幾乎為我們封裝好了整個(gè)拼接流程的底層復(fù)雜計(jì)算。這意味著我們可以更專注于算法邏輯和效果優(yōu)化而不是從頭實(shí)現(xiàn)特征檢測(cè)算法。Python作為膠水語(yǔ)言Python的簡(jiǎn)潔語(yǔ)法和豐富的科學(xué)計(jì)算生態(tài)如NumPy使其成為快速原型開(kāi)發(fā)和算法驗(yàn)證的絕佳選擇。我們可以用幾行代碼完成復(fù)雜的矩陣運(yùn)算和圖像操作極大地提升了開(kāi)發(fā)效率。注意OpenCV的某些專利算法如SIFT、SURF在較新版本的OpenCV中可能被移至opencv-contrib-python這個(gè)擴(kuò)展包中。如果你在導(dǎo)入時(shí)遇到AttributeError: module ‘cv2‘ has no attribute ‘xfeatures2d‘之類的錯(cuò)誤通常是因?yàn)闆](méi)有安裝這個(gè)擴(kuò)展包。對(duì)于商業(yè)項(xiàng)目可以考慮使用無(wú)專利限制的ORB或AKAZE算法。2.3 黑邊問(wèn)題的根源與解決思路黑邊產(chǎn)生的根本原因在于透視變換的非線性。當(dāng)我們用單應(yīng)性矩陣對(duì)圖像進(jìn)行warpPerspective變換時(shí)圖像被投影到一個(gè)新的平面上。這個(gè)變換可能會(huì)將原圖像中的像素映射到目標(biāo)畫(huà)布坐標(biāo)的負(fù)值區(qū)域或超出畫(huà)布尺寸的區(qū)域。OpenCV在處理時(shí)對(duì)于這些“映射出去”的區(qū)域默認(rèn)用黑色0填充。解決思路主要有兩種裁剪法找到所有有效像素非純黑的邊界將這個(gè)邊界矩形裁剪出來(lái)作為最終全景圖。優(yōu)點(diǎn)是簡(jiǎn)單直接保留了所有有效像素。缺點(diǎn)是可能會(huì)得到一個(gè)非矩形的有效區(qū)域直接裁剪為矩形會(huì)損失一些角落的有效像素。填充法不裁剪而是嘗試用合理的內(nèi)容填充黑邊。例如可以用圖像邊緣的顏色進(jìn)行擴(kuò)展填充或者更高級(jí)的使用圖像修復(fù)Inpainting技術(shù)根據(jù)周?chē)y理生成內(nèi)容。填充法的目標(biāo)是得到一個(gè)規(guī)整的矩形圖像且填充區(qū)域看起來(lái)自然。在本項(xiàng)目中我們將重點(diǎn)實(shí)現(xiàn)一種基于輪廓查找的智能裁剪法它能在保留最大有效畫(huà)面的同時(shí)得到一個(gè)整齊的矩形輸出。同時(shí)我也會(huì)探討填充法的思路和局限性。3. 環(huán)境搭建與核心依賴詳解工欲善其事必先利其器。一個(gè)穩(wěn)定、版本匹配的環(huán)境是項(xiàng)目成功的第一步。這里我推薦使用conda或venv創(chuàng)建獨(dú)立的Python虛擬環(huán)境避免與系統(tǒng)或其他項(xiàng)目的包發(fā)生沖突。3.1 創(chuàng)建并激活虛擬環(huán)境# 使用conda推薦 conda create -n panorama python3.8 conda activate panorama # 或者使用venv python -m venv panorama_env # Windows panorama_env\Scripts\activate # Linux/Mac source panorama_env/bin/activate3.2 安裝核心庫(kù)在激活的虛擬環(huán)境中使用pip安裝以下包pip install opencv-contrib-python4.8.1.78 pip install numpy1.24.3 pip install matplotlib3.7.2opencv-contrib-python這是包含主模塊和貢獻(xiàn)模塊如SIFT的完整OpenCV包。指定版本可以確保代碼的穩(wěn)定性避免因版本升級(jí)導(dǎo)致的API變化。numpyOpenCV的底層數(shù)組操作依賴于NumPy它是必須的。matplotlib用于在開(kāi)發(fā)過(guò)程中可視化顯示圖像、關(guān)鍵點(diǎn)匹配結(jié)果等便于調(diào)試。3.3 驗(yàn)證安裝與常見(jiàn)問(wèn)題安裝完成后可以運(yùn)行一個(gè)簡(jiǎn)單的腳本驗(yàn)證import cv2 import numpy as np print(f“OpenCV Version: {cv2.__version__}”) print(f“NumPy Version: {np.__version__}”) # 測(cè)試SIFT算法是否可用在contrib中 sift cv2.SIFT_create() print(“SIFT create successfully!”)如果運(yùn)行成功說(shuō)明環(huán)境配置正確。如果遇到SIFT_create失敗請(qǐng)確認(rèn)安裝的是opencv-contrib-python而非opencv-python。實(shí)操心得我強(qiáng)烈建議在項(xiàng)目根目錄下創(chuàng)建一個(gè)requirements.txt文件記錄所有依賴包及其版本。這樣在另一臺(tái)機(jī)器或未來(lái)重裝環(huán)境時(shí)一句pip install -r requirements.txt就能完美復(fù)現(xiàn)。這是保證項(xiàng)目可復(fù)現(xiàn)性的好習(xí)慣。4. 全景拼接核心代碼實(shí)現(xiàn)與分步解析接下來(lái)我們將把第2章中提到的技術(shù)流水線轉(zhuǎn)化為具體的Python代碼。我會(huì)將整個(gè)流程封裝成幾個(gè)清晰的函數(shù)并逐一解釋每個(gè)步驟的細(xì)節(jié)和參數(shù)意義。4.1 第一步讀取與預(yù)處理圖像我們首先定義一個(gè)函數(shù)來(lái)讀取一組圖像并進(jìn)行必要的預(yù)處理。預(yù)處理不是為了改變圖像內(nèi)容而是為了提升后續(xù)特征匹配的穩(wěn)定性和效率。import cv2 import numpy as np def read_and_preprocess_images(image_paths, resize_factor1.0): “”“ 讀取圖像列表并進(jìn)行預(yù)處理。 參數(shù) image_paths: 圖像文件路徑列表。 resize_factor: 縮放因子1.0為原圖。為加快處理速度可適當(dāng)縮小圖像。 返回 images: 預(yù)處理后的圖像列表BGR格式。 images_gray: 對(duì)應(yīng)的灰度圖像列表用于特征檢測(cè)。 ”“” images [] images_gray [] for path in image_paths: img cv2.imread(path) if img is None: print(f“Warning: Could not read image at {path}”) continue # 可選調(diào)整圖像大小 if resize_factor ! 1.0: h, w img.shape[:2] new_w, new_h int(w * resize_factor), int(h * resize_factor) img cv2.resize(img, (new_w, new_h)) # 轉(zhuǎn)換為灰度圖 gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 可選直方圖均衡化增強(qiáng)對(duì)比度有助于在光照不均的場(chǎng)景下檢測(cè)特征 # gray cv2.equalizeHist(gray) images.append(img) images_gray.append(gray) return images, images_gray關(guān)鍵點(diǎn)解析resize_factor對(duì)于高分辨率圖片如2000萬(wàn)像素全尺寸進(jìn)行特征檢測(cè)和匹配會(huì)非常耗時(shí)。將其縮放至原圖的0.5或0.25倍能極大提升速度且對(duì)匹配精度影響不大因?yàn)樘卣鼽c(diǎn)通常是多尺度的。這是一個(gè)典型的“用精度換速度”的權(quán)衡在實(shí)時(shí)性要求高的場(chǎng)景下非常有用?;叶绒D(zhuǎn)換絕大多數(shù)特征檢測(cè)算法都在灰度圖像上運(yùn)行因?yàn)轭伾畔?duì)于識(shí)別關(guān)鍵點(diǎn)結(jié)構(gòu)并非必需且能減少計(jì)算量。直方圖均衡化被注釋掉了。這是一個(gè)雙刃劍。它能增強(qiáng)低對(duì)比度區(qū)域的細(xì)節(jié)但有時(shí)也會(huì)放大噪聲。我的經(jīng)驗(yàn)是在室內(nèi)或光照較暗的場(chǎng)景下開(kāi)啟它可能有益在戶外正常光照下保持原圖灰度往往效果更穩(wěn)定。4.2 第二步特征檢測(cè)、描述與匹配這是拼接算法中最核心也最耗時(shí)的部分之一。我們選擇SIFT算法因?yàn)樗鼘?duì)尺度、旋轉(zhuǎn)和亮度變化具有較好的不變性。def detect_and_match_features(image_gray_list, feature_detector‘sift’, ratio_test_thresh0.75): “”“ 檢測(cè)圖像特征并進(jìn)行匹配。 參數(shù) image_gray_list: 灰度圖像列表。 feature_detector: 特征檢測(cè)器類型‘sift’或‘orb’。 ratio_test_thresh: Lowe‘s ratio test的閾值用于篩選優(yōu)質(zhì)匹配。 返回 all_keypoints: 每張圖像的關(guān)鍵點(diǎn)列表。 all_descriptors: 每張圖像的描述符列表。 good_matches_list: 相鄰圖像之間的優(yōu)質(zhì)匹配點(diǎn)對(duì)列表。 ”“” all_keypoints [] all_descriptors [] # 初始化檢測(cè)器 if feature_detector.lower() ‘sift’: detector cv2.SIFT_create() elif feature_detector.lower() ‘orb’: detector cv2.ORB_create(nfeatures5000) # ORB需要指定特征點(diǎn)數(shù)量 else: raise ValueError(“Unsupported detector. Choose ‘sift’ or ‘orb’.”) print(“Detecting keypoints and computing descriptors...”) for gray in image_gray_list: kp, des detector.detectAndCompute(gray, None) all_keypoints.append(kp) all_descriptors.append(des) # 匹配相鄰圖像 good_matches_list [] if feature_detector ‘sift’: matcher cv2.BFMatcher(cv2.NORM_L2, crossCheckFalse) # 對(duì)于SIFT使用L2距離 else: # ORB matcher cv2.BFMatcher(cv2.NORM_HAMMING, crossCheckFalse) # 對(duì)于ORB使用漢明距離 print(“Matching features between consecutive images...”) for i in range(len(all_descriptors) - 1): des1 all_descriptors[i] des2 all_descriptors[i 1] if des1 is None or des2 is None: good_matches_list.append([]) continue # KNN匹配為每個(gè)描述符找兩個(gè)最近鄰 knn_matches matcher.knnMatch(des1, des2, k2) good_matches [] # Lowe‘s ratio test: 過(guò)濾掉模棱兩可的匹配 for m, n in knn_matches: if m.distance ratio_test_thresh * n.distance: good_matches.append(m) good_matches_list.append(good_matches) print(f“Image {i} - {i1}: Found {len(good_matches)} good matches.”) return all_keypoints, all_descriptors, good_matches_list關(guān)鍵點(diǎn)解析算法選擇代碼支持SIFT和ORB。SIFT精度高但受專利保護(hù)在開(kāi)源項(xiàng)目中通??捎盟俣容^慢ORB是免費(fèi)的速度極快但旋轉(zhuǎn)和尺度不變性稍弱。對(duì)于要求高精度的全景拼接SIFT通常是首選。KNN與Ratio Test我們使用knnMatch為每個(gè)特征點(diǎn)找到兩個(gè)最佳匹配k2。Ratio Test是David Lowe提出的一種非常有效的誤匹配濾除方法。其原理是正確的匹配點(diǎn)其最佳匹配距離m.distance應(yīng)該顯著小于次佳匹配距離n.distance。如果兩者很接近說(shuō)明這個(gè)特征點(diǎn)不夠獨(dú)特匹配結(jié)果不可靠應(yīng)予以剔除。ratio_test_thresh通常設(shè)置在0.7到0.8之間值越小篩選越嚴(yán)格匹配點(diǎn)越少但質(zhì)量越高。匹配數(shù)量相鄰圖像間至少需要4對(duì)高質(zhì)量的匹配點(diǎn)才能計(jì)算單應(yīng)性矩陣。通常建議有幾十對(duì)以上結(jié)果才比較穩(wěn)定。如果good_matches數(shù)量少于10拼接很可能失敗。4.3 第三步計(jì)算單應(yīng)性矩陣與圖像配準(zhǔn)獲得優(yōu)質(zhì)匹配點(diǎn)對(duì)后我們需要從中計(jì)算出將一張圖像映射到另一張圖像坐標(biāo)系的變換矩陣。def compute_homography_and_align(keypoints_list, good_matches_list, ransac_thresh5.0): “”“ 根據(jù)匹配點(diǎn)計(jì)算單應(yīng)性矩陣并構(gòu)建圖像到參考坐標(biāo)系第一張圖的變換鏈。 參數(shù) keypoints_list: 關(guān)鍵點(diǎn)列表。 good_matches_list: 優(yōu)質(zhì)匹配列表。 ransac_thresh: RANSAC算法中判定內(nèi)點(diǎn)的距離閾值像素單位。 返回 homographies: 從每張圖像到第一張圖像坐標(biāo)系的累積單應(yīng)性矩陣列表。 H[0]是單位矩陣H[i]將第i張圖變換到第0張圖的坐標(biāo)系。 ”“” homographies [np.eye(3)] # 第一張圖到自身的變換是單位矩陣 H_accumulated np.eye(3) # 累積變換矩陣 for i in range(len(good_matches_list)): kp1 keypoints_list[i] kp2 keypoints_list[i 1] good_matches good_matches_list[i] if len(good_matches) 4: print(f“Warning: Not enough matches between image {i} and {i1} to compute homography.”) # 如果匹配不足假設(shè)是純平移或使用單位矩陣效果會(huì)很差 H_current np.eye(3) else: # 提取匹配點(diǎn)的坐標(biāo) src_pts np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2) dst_pts np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2) # 使用RANSAC計(jì)算單應(yīng)性矩陣并獲取內(nèi)點(diǎn)掩碼 H_current, mask cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, ransac_thresh) if H_current is None: print(f“Warning: Homography computation failed for image {i} - {i1}.”) H_current np.eye(3) else: # 統(tǒng)計(jì)內(nèi)點(diǎn)數(shù)量 num_inliers np.sum(mask) print(f“Image {i} - {i1}: Homography computed with {num_inliers}/{len(good_matches)} inliers.”) # 累積變換將當(dāng)前變換與之前的累積變換相乘 # H_accumulated 是將第i張圖變換到第0張圖坐標(biāo)系的矩陣 # H_current 是將第i1張圖變換到第i張圖坐標(biāo)系的矩陣 # 所以第i1張圖到第0張圖的變換是H_accumulated * H_current # 但注意findHomography返回的H_current是將src_pts圖i變換到dst_pts圖i1的矩陣。 # 而我們想要的是將圖i1變換到圖i的坐標(biāo)系。所以這里需要取逆。 H_current_inv np.linalg.inv(H_current) H_accumulated np.dot(H_accumulated, H_current_inv) homographies.append(H_accumulated.copy()) return homographies關(guān)鍵點(diǎn)解析cv2.findHomography()這個(gè)函數(shù)是核心。它接受兩組對(duì)應(yīng)的點(diǎn)集使用RANSAC算法魯棒地估算單應(yīng)性矩陣H。ransac_thresh參數(shù)是關(guān)鍵它定義了多大距離內(nèi)的點(diǎn)被認(rèn)為是“內(nèi)點(diǎn)”符合模型。這個(gè)值設(shè)置得太小如1.0可能會(huì)因?yàn)樵肼暥也坏阶銐騼?nèi)點(diǎn)導(dǎo)致計(jì)算失敗設(shè)置得太大如10.0則可能讓一些錯(cuò)誤的匹配點(diǎn)也被當(dāng)作內(nèi)點(diǎn)降低矩陣精度。通常根據(jù)圖像分辨率來(lái)定對(duì)于縮放后的圖像如1000px寬5.0是一個(gè)不錯(cuò)的起點(diǎn)。矩陣?yán)鄯e與逆變換這是最容易出錯(cuò)的地方。findHomography返回的矩陣H滿足dst_pts H * src_pts。即它將圖i的點(diǎn)變換到了圖i1的坐標(biāo)系。但在全景拼接中我們通常希望將所有圖像都變換到第一張圖圖0的坐標(biāo)系。因此我們需要的是將圖i1變換到圖i坐標(biāo)系的矩陣也就是H的逆矩陣H_inv。然后通過(guò)連續(xù)左乘得到從任意圖到圖0的累積變換矩陣。代碼中的H_accumulated正是這個(gè)累積矩陣。內(nèi)點(diǎn)數(shù)量打印出的內(nèi)點(diǎn)數(shù)量是評(píng)估單應(yīng)性矩陣質(zhì)量的重要指標(biāo)。內(nèi)點(diǎn)比例內(nèi)點(diǎn)數(shù)/總匹配數(shù)越高說(shuō)明匹配質(zhì)量越好計(jì)算出的變換越可靠。4.4 第四步圖像扭曲與畫(huà)布尺寸計(jì)算有了每張圖到參考坐標(biāo)系的變換矩陣后我們需要計(jì)算最終全景圖畫(huà)布的大小并將所有圖像扭曲到這個(gè)畫(huà)布上。def warp_images_to_canvas(images, homographies): “”“ 將所有圖像根據(jù)單應(yīng)性矩陣扭曲到統(tǒng)一的畫(huà)布上。 參數(shù) images: 原始BGR圖像列表。 homographies: 到參考坐標(biāo)系圖0的累積單應(yīng)性矩陣列表。 返回 panorama: 拼接后的全景圖可能包含黑邊。 (x_offset, y_offset): 畫(huà)布原點(diǎn)相對(duì)于圖0原點(diǎn)的偏移量。 ”“” print(“Calculating canvas size...”) # 1. 計(jì)算畫(huà)布邊界 corners_list [] # 存儲(chǔ)每張圖扭曲后的四個(gè)角點(diǎn) for i, (img, H) in enumerate(zip(images, homographies)): h, w img.shape[:2] # 原始圖像的四個(gè)角點(diǎn) corners np.array([[0, 0], [w, 0], [w, h], [0, h]], dtypenp.float32).reshape(-1, 1, 2) # 變換到全景圖畫(huà)布坐標(biāo)系 warped_corners cv2.perspectiveTransform(corners, H) corners_list.append(warped_corners) # 將所有角點(diǎn)堆疊起來(lái)找到最大最小值 all_corners np.vstack(corners_list) [x_min, y_min] np.int32(all_corners.min(axis0).ravel() - 0.5) # 減0.5并取整留有余量 [x_max, y_max] np.int32(all_corners.max(axis0).ravel() 0.5) # 計(jì)算畫(huà)布大小和偏移量 canvas_width x_max - x_min canvas_height y_max - y_min x_offset -x_min y_offset -y_min print(f“Canvas size: {canvas_width} x {canvas_height}”) print(f“Offset: ({x_offset}, {y_offset})”) # 2. 調(diào)整變換矩陣加入平移偏移使所有圖像都位于畫(huà)布正坐標(biāo)區(qū)域 translation_matrix np.array([[1, 0, x_offset], [0, 1, y_offset], [0, 0, 1]]) adjusted_homographies [np.dot(translation_matrix, H) for H in homographies] # 3. 創(chuàng)建畫(huà)布并扭曲圖像 panorama np.zeros((canvas_height, canvas_width, 3), dtypenp.uint8) print(“Warping images to canvas...”) # 方法一簡(jiǎn)單覆蓋最后一張覆蓋前一張接縫明顯 # for img, H_adj in zip(images, adjusted_homographies): # warped cv2.warpPerspective(img, H_adj, (canvas_width, canvas_height)) # # 創(chuàng)建掩碼只將非零區(qū)域覆蓋到全景圖 # mask (warped 0).all(axis2) # panorama[mask] warped[mask] # 方法二使用加權(quán)平均融合簡(jiǎn)單羽化 panorama_acc np.zeros((canvas_height, canvas_width, 3), dtypenp.float32) # 累加器 weight_acc np.zeros((canvas_height, canvas_width), dtypenp.float32) # 權(quán)重累加器 for idx, (img, H_adj) in enumerate(zip(images, adjusted_homographies)): warped cv2.warpPerspective(img, H_adj, (canvas_width, canvas_height)) # 為扭曲后的圖像創(chuàng)建一個(gè)權(quán)重圖中心權(quán)重高邊緣權(quán)重低簡(jiǎn)單線性衰減 h, w img.shape[:2] # 創(chuàng)建一個(gè)與原圖同尺寸的權(quán)重圖中心為1邊緣為0 weight_map np.ones((h, w), dtypenp.float32) # 在邊緣處創(chuàng)建漸變可選這里簡(jiǎn)化處理直接使用二值掩碼 # 更復(fù)雜的做法是計(jì)算每個(gè)像素到圖像邊界的距離來(lái)生成漸變權(quán)重 mask_warped cv2.warpPerspective(weight_map, H_adj, (canvas_width, canvas_height)) mask_warped (mask_warped 0).astype(np.float32) # 二值化 # 累加 panorama_acc warped.astype(np.float32) * mask_warped[:, :, np.newaxis] weight_acc mask_warped # 避免除以零 weight_acc[weight_acc 0] 1 panorama np.uint8(panorama_acc / weight_acc[:, :, np.newaxis]) return panorama, (x_offset, y_offset)關(guān)鍵點(diǎn)解析畫(huà)布計(jì)算我們通過(guò)將所有圖像變換后的角點(diǎn)坐標(biāo)求并集來(lái)確定全景圖的最小包圍矩形。x_min, y_min可能是負(fù)數(shù)所以我們計(jì)算一個(gè)偏移量(x_offset, y_offset)將所有點(diǎn)的坐標(biāo)平移為正數(shù)方便在NumPy數(shù)組中表示。矩陣調(diào)整adjusted_homographies是在原始變換矩陣H的基礎(chǔ)上左乘了一個(gè)平移矩陣相當(dāng)于在變換后額外進(jìn)行了一次平移確保圖像落在畫(huà)布內(nèi)。圖像融合這里演示了兩種方式。注釋掉的“簡(jiǎn)單覆蓋法”會(huì)導(dǎo)致接縫處有明顯的邊緣因?yàn)楹笈で膱D像直接覆蓋了先扭曲的圖像。我們實(shí)際采用的是加權(quán)平均融合。為每張扭曲后的圖像生成一個(gè)二值掩碼有圖像數(shù)據(jù)的地方為1黑邊為0然后將所有圖像的像素值乘以其掩碼后累加最后除以累加的權(quán)重掩碼。這樣在重疊區(qū)域像素值是平均值能有效平滑接縫。這是一種簡(jiǎn)化的羽化Feathering方法。對(duì)于更高質(zhì)量的無(wú)縫融合可以考慮多頻段融合Multi-Band Blending它能在不同頻率上平滑接縫效果更好但計(jì)算更復(fù)雜。5. 黑邊處理的多種策略與實(shí)現(xiàn)經(jīng)過(guò)上一步我們得到了一個(gè)包含黑邊的全景圖panorama。現(xiàn)在我們來(lái)集中解決這個(gè)“黑邊”問(wèn)題。我將介紹三種策略并重點(diǎn)實(shí)現(xiàn)最實(shí)用的智能裁剪法。5.1 策略一簡(jiǎn)單矩形裁剪Naive Crop這是最直接的方法找到圖像中所有非純黑像素的邊界然后裁剪出這個(gè)邊界矩形。def simple_crop_black_borders(panorama): “”“ 簡(jiǎn)單裁剪掉圖像四周的純黑邊RGB均為0。 返回裁剪后的圖像。 ”“” # 將圖像轉(zhuǎn)換為灰度圖非零像素即為有效區(qū)域 gray cv2.cvtColor(panorama, cv2.COLOR_BGR2GRAY) # 找到所有非零像素的坐標(biāo) coords cv2.findNonZero(gray) if coords is None: print(“No valid pixels found!”) return panorama # 獲取非零區(qū)域的邊界矩形 x, y, w, h cv2.boundingRect(coords) # 裁剪 cropped panorama[y:yh, x:xw] print(f“Cropped to rectangle: ({x}, {y}) to ({xw}, {yh}), size {w}x{h}”) return cropped優(yōu)缺點(diǎn)分析優(yōu)點(diǎn)實(shí)現(xiàn)簡(jiǎn)單速度快能去除大部分黑邊。缺點(diǎn)如果有效像素區(qū)域不是矩形例如由于圖像扭曲有效區(qū)域是一個(gè)不規(guī)則的凸多邊形這種方法會(huì)裁剪掉多邊形角落的有效像素造成畫(huà)面損失。如下圖所示紅色矩形是裁剪框但藍(lán)色多邊形區(qū)域才是真正的有效像素四個(gè)角的信息丟失了。5.2 策略二尋找最大內(nèi)接矩形智能裁剪我們的目標(biāo)是找到有效像素區(qū)域一個(gè)可能不規(guī)則的形狀內(nèi)部最大的內(nèi)接矩形。這樣可以在不丟失任何有效像素的前提下得到一個(gè)規(guī)整的矩形輸出。這是一個(gè)經(jīng)典的計(jì)算機(jī)視覺(jué)問(wèn)題可以通過(guò)輪廓查找和幾何分析來(lái)解決。def find_largest_inscribed_rectangle(mask): “”“ 在二值掩碼中尋找最大的內(nèi)接矩形。 參數(shù) mask: 二值圖像有效區(qū)域?yàn)?55黑邊為0。 返回 (x, y, w, h): 最大內(nèi)接矩形的左上角坐標(biāo)和寬高。 ”“” # 方法使用輪廓查找和矩形逼近的簡(jiǎn)化方法。 # 更精確但復(fù)雜的方法是使用旋轉(zhuǎn)卡殼或基于距離變換的方法。 contours, _ cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if not contours: return 0, 0, mask.shape[1], mask.shape[0] # 找到最大的輪廓有效區(qū)域 largest_contour max(contours, keycv2.contourArea) # 方法A直接使用輪廓的邊界矩形即簡(jiǎn)單裁剪可能不是最大內(nèi)接 # x, y, w, h cv2.boundingRect(largest_contour) # return x, y, w, h # 方法B尋找最小面積矩形旋轉(zhuǎn)矩形然后取其正外接矩形作為近似最大內(nèi)接矩形。 # 這是一個(gè)折中方案比簡(jiǎn)單裁剪好但非最優(yōu)解。 rect cv2.minAreaRect(largest_contour) box cv2.boxPoints(rect) box np.int0(box) # 獲取這個(gè)旋轉(zhuǎn)矩形的正外接矩形 x, y, w, h cv2.boundingRect(box) return x, y, w, h def smart_crop_black_borders(panorama): “”“ 智能裁剪嘗試找到有效區(qū)域的最大內(nèi)接矩形。 返回裁剪后的圖像。 ”“” # 1. 創(chuàng)建有效區(qū)域的掩碼 gray cv2.cvtColor(panorama, cv2.COLOR_BGR2GRAY) # 閾值化非黑像素都視為有效。閾值設(shè)為1是為了避免因壓縮產(chǎn)生的接近0的噪聲。 _, mask cv2.threshold(gray, 1, 255, cv2.THRESH_BINARY) # 2. 可選進(jìn)行形態(tài)學(xué)操作閉合小孔洞平滑邊緣 kernel np.ones((5,5), np.uint8) mask cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) mask cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) # 3. 尋找最大內(nèi)接矩形 x, y, w, h find_largest_inscribed_rectangle(mask) # 4. 裁剪 if w 0 and h 0: cropped panorama[y:yh, x:xw] print(f“Smart cropped to rectangle: ({x}, {y}) to ({xw}, {yh}), size {w}x{h}”) return cropped else: print(“Smart crop failed, fallback to simple crop.”) return simple_crop_black_borders(panorama)關(guān)鍵點(diǎn)解析閾值化cv2.threshold(gray, 1, 255, cv2.THRESH_BINARY)將灰度圖中大于1的像素設(shè)為255白色其余為0黑色。閾值設(shè)為1而不是0是為了避免因JPEG壓縮或圖像扭曲插值產(chǎn)生的極暗像素接近0但不是0被誤判為有效區(qū)域。形態(tài)學(xué)操作MORPH_CLOSE閉運(yùn)算先膨脹后腐蝕??梢蕴畛溲诖a中的小型黑洞比如因紋理單一導(dǎo)致特征點(diǎn)缺失產(chǎn)生的微小空洞。MORPH_OPEN開(kāi)運(yùn)算先腐蝕后膨脹。可以消除掩碼邊緣小的凸起或毛刺使輪廓更平滑。內(nèi)核大小(5,5)是一個(gè)經(jīng)驗(yàn)值可以根據(jù)圖像分辨率調(diào)整。太大可能會(huì)過(guò)度平滑損失細(xì)節(jié)。find_largest_inscribed_rectangle函數(shù)這里實(shí)現(xiàn)了一個(gè)近似方法。首先找到有效區(qū)域的最大輪廓然后計(jì)算其最小面積矩形這個(gè)矩形可以是旋轉(zhuǎn)的。最后取這個(gè)旋轉(zhuǎn)矩形的正外接矩形作為近似解。這個(gè)方法在大多數(shù)情況下能得到一個(gè)不錯(cuò)的結(jié)果且計(jì)算量遠(yuǎn)小于尋找精確最大內(nèi)接矩形的算法如基于距離變換的方法?;赝藱C(jī)制如果智能裁剪失敗如寬高為0則自動(dòng)回退到簡(jiǎn)單的矩形裁剪保證程序健壯性。5.3 策略三內(nèi)容感知填充高級(jí)對(duì)于追求完美矩形且不想丟失任何畫(huà)面的情況可以考慮使用圖像修復(fù)Inpainting或內(nèi)容感知填充技術(shù)來(lái)“猜”出黑邊區(qū)域應(yīng)該是什么內(nèi)容。OpenCV提供了cv2.inpaint()函數(shù)但它更適合修復(fù)小區(qū)域的劃痕或斑點(diǎn)對(duì)于大面積的、邊界復(fù)雜的黑邊區(qū)域效果通常不理想會(huì)產(chǎn)生模糊或扭曲的紋理。更先進(jìn)的方法是使用深度學(xué)習(xí)模型進(jìn)行圖像外推或補(bǔ)全但這超出了本項(xiàng)目的范圍。一個(gè)實(shí)用的折中方案是先用智能裁剪法得到最大內(nèi)接矩形然后使用圖像縮放或邊緣像素?cái)U(kuò)展將圖像填充到目標(biāo)尺寸。但這本質(zhì)上是一種有損的拉伸會(huì)改變圖像比例需謹(jǐn)慎使用。5.4 綜合處理流程封裝我們將上述步驟整合成一個(gè)主函數(shù)并提供參數(shù)接口。def create_panorama(image_paths, output_path“panorama_result.jpg”, crop_method“smart”, resize_factor0.5, feature_type“sift”): “”“ 全景圖拼接主流程。 參數(shù) image_paths: 輸入圖像路徑列表按拍攝順序。 output_path: 輸出全景圖路徑。 crop_method: 黑邊處理方法‘simple‘, ‘smart‘, or ‘none‘。 resize_factor: 圖像預(yù)處理縮放因子。 feature_type: 特征檢測(cè)器類型‘sift‘ or ‘orb‘。 ”“” print(“ Panorama Stitching Started ”) # 1. 讀取與預(yù)處理 images, images_gray read_and_preprocess_images(image_paths, resize_factor) if len(images) 2: print(“Error: Need at least two images to stitch.”) return # 2. 特征檢測(cè)與匹配 all_kp, all_des, good_matches detect_and_match_features(images_gray, feature_detectorfeature_type) # 3. 計(jì)算單應(yīng)性矩陣 homographies compute_homography_and_align(all_kp, good_matches) # 4. 扭曲圖像到畫(huà)布 panorama, offset warp_images_to_canvas(images, homographies) # 5. 黑邊處理 if crop_method ‘simple‘: result simple_crop_black_borders(panorama) elif crop_method ‘smart‘: result smart_crop_black_borders(panorama) elif crop_method ‘none‘: result panorama else: print(f“Unknown crop method: {crop_method}, using ‘smart‘.”) result smart_crop_black_borders(panorama) # 6. 保存結(jié)果 cv2.imwrite(output_path, result) print(f“Panorama saved to: {output_path}”) print(“ Panorama Stitching Finished ”) # 可選顯示結(jié)果 # cv2.imshow(‘Final Panorama‘, result) # cv2.waitKey(0) # cv2.destroyAllWindows() return result6. 實(shí)戰(zhàn)調(diào)試、常見(jiàn)問(wèn)題與優(yōu)化技巧即使代碼邏輯正確在實(shí)際操作中你仍會(huì)遇到各種問(wèn)題。下面是我在多次實(shí)踐中總結(jié)的常見(jiàn)“坑”及其解決方案。6.1 匹配失敗或匹配點(diǎn)過(guò)少癥狀good_matches數(shù)量很少比如少于10對(duì)或者計(jì)算出的單應(yīng)性矩陣內(nèi)點(diǎn)比例極低。原因與排查圖像重疊區(qū)域不足這是最常見(jiàn)的原因。確保相鄰照片至少有30%-50%的重疊區(qū)域。拍攝時(shí)最好使用三腳架水平旋轉(zhuǎn)相機(jī)并保持一致的曝光。特征點(diǎn)太少場(chǎng)景紋理單一如純色的天空、白墻、水面。嘗試降低resize_factor如從0.5降到0.25讓算法在更小的圖像上檢測(cè)特征有時(shí)反而能檢測(cè)到更穩(wěn)定的角點(diǎn)?;蛘呖梢試L試調(diào)整SIFT的參數(shù)如contrastThreshold降低以檢測(cè)更多低對(duì)比度點(diǎn)。光照或視角變化過(guò)大拍攝時(shí)光線突變或者相機(jī)有顯著的俯仰變化超出了單應(yīng)性矩陣能描述的平面變換范圍。盡量保持拍攝條件穩(wěn)定。對(duì)于視角變化大的情況可能需要更復(fù)雜的模型如仿射變換或使用APAP等高級(jí)算法。誤匹配過(guò)多Ratio Test太嚴(yán)格嘗試適當(dāng)提高ratio_test_thresh如從0.75調(diào)到0.8保留更多匹配點(diǎn)讓RANSAC去篩選。6.2 拼接結(jié)果出現(xiàn)重影或錯(cuò)位癥狀圖像對(duì)齊了但重疊區(qū)域有模糊的重影或者物體邊緣沒(méi)有完全對(duì)齊。原因與解決方案單應(yīng)性矩陣不準(zhǔn)確雖然RANSAC能剔除誤匹配但如果內(nèi)點(diǎn)中仍存在系統(tǒng)性誤差比如所有匹配點(diǎn)都來(lái)自場(chǎng)景中的某個(gè)局部平面而其他部分不在同一平面就會(huì)導(dǎo)致矩陣對(duì)于整個(gè)圖像不準(zhǔn)確??梢試L試使用更嚴(yán)格的RANSAC閾值ransac_thresh如從5.0降到3.0或者使用cv2.RHO或cv2.LMEDS等其他估算方法。累積誤差當(dāng)拼接多張圖像如超過(guò)5張時(shí)每次配準(zhǔn)的小誤差會(huì)累積起來(lái)導(dǎo)致首尾圖像無(wú)法閉合或者中間圖像出現(xiàn)明顯扭曲。解決方案是使用捆集調(diào)整Bundle Adjustment。這是一個(gè)復(fù)雜的優(yōu)化過(guò)程旨在全局最小化所有匹配點(diǎn)的重投影誤差。OpenCV沒(méi)有直接提供此功能但可以嘗試將所有圖像兩兩匹配然后使用cv2.detail模塊屬于OpenCV的stitching模塊中的高級(jí)功能或者研究第三方庫(kù)如Photoscan的算法。融合算法不佳簡(jiǎn)單的平均融合在曝光差異大的地方會(huì)產(chǎn)生“鬼影”??梢試L試更先進(jìn)的融合算法多頻段融合Multi-Band Blending這是OpenCVcv2.detail.MultiBandBlender使用的算法效果很好。你可以嘗試使用OpenCV的stitching模塊或者自己實(shí)現(xiàn)將圖像分解為拉普拉斯金字塔在不同頻段進(jìn)行融合。增益補(bǔ)償Gain Compensation在融合前先估計(jì)并補(bǔ)償每張圖像的亮度差異。6.3 黑邊裁剪后畫(huà)面損失嚴(yán)重癥狀使用simple_crop后發(fā)現(xiàn)全景圖的四個(gè)角被切掉了重要內(nèi)容。解決方案切換到smart_crop智能裁剪模式。如果智能裁剪的結(jié)果仍然不理想可能是有效區(qū)域的掩碼本身不規(guī)則或有空洞。檢查掩碼在smart_crop_black_borders函數(shù)中保存并顯示中間生成的mask圖像看看有效區(qū)域是否是一個(gè)連貫的、相對(duì)飽滿的形狀。如果掩碼有很多毛刺或空洞可以調(diào)整形態(tài)學(xué)操作的內(nèi)核大小或者嘗試先對(duì)原圖進(jìn)行高斯模糊再閾值化使掩碼更平滑。手動(dòng)定義ROI如果自動(dòng)方法始終不滿意最后的手段是手動(dòng)指定感興趣區(qū)域ROI。你可以用cv2.selectROI(panorama)交互式地選擇一個(gè)矩形區(qū)域然后進(jìn)行裁剪。雖然不自動(dòng)但能保證結(jié)果符合預(yù)期。6.4 性能優(yōu)化技巧處理高分辨率圖像或多張圖像時(shí)程序可能會(huì)很慢。降低分辨率resize_factor是最大的性能杠桿。將其設(shè)為0.25或0.3能極大加速特征檢測(cè)和匹配且對(duì)最終拼接質(zhì)量影響有限。限制特征點(diǎn)數(shù)量對(duì)于SIFT雖然不能直接限制數(shù)量但可以通過(guò)contrastThreshold和edgeThreshold參數(shù)間接控制。對(duì)于ORB可以直接設(shè)置nfeatures參數(shù)如2000。使用FLANN匹配器當(dāng)特征點(diǎn)數(shù)量非常多時(shí)如10000BFMatcher暴力匹配會(huì)變慢。可以嘗試使用基于KD樹(shù)的FLANN匹配器它對(duì)于高維數(shù)據(jù)如SIFT的128維描述符更快。但需要注意FLANN需要額外設(shè)置參數(shù)且對(duì)于二值描述符如ORB需要使用LSHLocality Sensitive Hashing索引。# FLANN匹配器示例用于SIFT FLANN_INDEX_KDTREE 1 index_params dict(algorithmFLANN_INDEX_KDTREE, trees5) search_params dict(checks50) # 搜索次數(shù) flann cv2.FlannBasedMatcher(index_params, search_params) knn_matches flann.knnMatch(des1, des2, k2)并行處理特征檢測(cè)和描述符計(jì)算是每張圖像獨(dú)立的任務(wù)可以嘗試使用Python的concurrent.futures庫(kù)進(jìn)行多線程或多進(jìn)程加速。6.5 讓拼接效果更好的拍攝建議算法再?gòu)?qiáng)也依賴于好的輸入素材。以下是一些實(shí)戰(zhàn)拍攝技巧使用三腳架保持相機(jī)水平旋轉(zhuǎn)盡可能減少垂直方向的視差。保持重疊度相鄰照片之間保證30%-50%的重疊區(qū)域。固定曝光和白平衡使用相機(jī)的手動(dòng)模式M檔或至少鎖定曝光避免自動(dòng)模式下不同照片的亮度、色溫差異過(guò)大。對(duì)焦到無(wú)窮遠(yuǎn)如果是風(fēng)景將對(duì)焦點(diǎn)設(shè)為無(wú)窮遠(yuǎn)確保整個(gè)場(chǎng)景清晰。按順序拍攝從左到右或從右到左順序拍攝便于程序按順序處理。最后調(diào)用主函數(shù)完成拼接if __name__ “__main__”: # 替換為你的圖片路徑列表確保按順序排列 image_paths [“image1.jpg”, “image2.jpg”, “image3.jpg”] result create_panorama( image_paths, output_path“my_panorama.jpg”, crop_method“smart”, # 嘗試 ‘simple‘, ‘smart‘, ‘none‘ resize_factor0.4, feature_type“sift” )通過(guò)這個(gè)項(xiàng)目你不僅學(xué)會(huì)了如何用代碼將多張照片拼接成全景圖更重要的是你深入理解了特征匹配、幾何變換、圖像融合這些計(jì)算機(jī)視覺(jué)核心概念在實(shí)際問(wèn)題中的應(yīng)用并掌握了處理“黑邊”這類工程難題的多種思路。在實(shí)際操作中多調(diào)試參數(shù)多觀察中間結(jié)果如匹配點(diǎn)可視化、掩碼圖像是解決問(wèn)題的關(guān)鍵。希望這份詳盡的指南和代碼能成為你探索計(jì)算機(jī)視覺(jué)世界的一塊堅(jiān)實(shí)跳板。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
99精品网| 综合狠狠干| 九九热免费| 熟女乱论网| 色婷婷yy久| 岛国AV网站| 欧美天堂久久| 色9999综合久久| 色偷偷五月天| 色婷婷a| 999激情视频| 国产精品色情AAAAA片软件| 五月开心激情| 99热这里只有精品无码| 26uuu.| 伊大人久久| 99热99精品| 日夜夜天天| 婷婷五月色综合| 这里只有精品96| 丁香五月电影| 婷婷在线免费| 五月色婷婷AV| 丁香五月综合色婷婷| 激情综合婷婷久久| 五月激情丁香| 亚洲激情免费久久| 日本色色网站| 激情文学 综合 九月| 狠狠色噜噜狠狠狠狠综合| 一區四區歐美日韓| 操操操av| 丁香女人五月天| 九九综合网色全集 | 六月婷婷深深爱| 91操在线| 婷婷伊人綜合中文| 9色小视频在线观看| 爱射综合| 九九Av| 国产激情在线| 欧美色99| www.夜夜操| 色情丁香五月婷婷精品| 26uuu精品一区二区| 激情AV在线| 精品无码99| 亚洲婷婷月丁香五月| WWW99热| 丁香五月天激情四射网络不好| 激情五月婷| 亚洲激情视频在线观看| 91久久1118| 五月天婷婷色| 欧美日韩99| 五月人妻婷婷视频| www.99热精品| 99狠狠| 婷婷激情五月综合| 婷婷丁香五月网| 激情5月婷婷| 天天干天天操天天上| 99色啊| 色色五月天丁香| 色丁香五月| 五月丁香六月婷婷啪啪| 99热这里只有精品21| 成人婷婷五月天| 亚洲激情电影五月天色婷婷丁香一起草 | 色婷视频| 牛牛澡牛牛爽| 婷婷丁香五月色偷偷| 综合激情在线| 久久99最新| 亚洲综合网激情小说| 五月天婷婷色播在线网| 中文av网| 五月丁香六月婷婷,婷| 99er6免费视频热播| 婷婷在线五月天观看| 丁香婷婷久久激情| 五月天伊人久久久久| 激情综合婷婷| 97色射| 日韩 mm 不卡| wwW天天干| 毛片新网地| 婷婷五月天激情免费在线观看| WWW.17C亚洲精品| 婷婷五月激情五月激情| 激情婷婷激情在线不卡| 蜜臀AV在线成人| 《》【无码】想被搞到爽AV应募而来的超M素人 西纯子 10musume-011723-01 | 人妻久久久| 狠狠色噜噜狠| 五月天激情四射| 丁香六月婷婷色XXXX| 久久九九视频| 五月婷婷色| 在线视频九色97| 日本天堂爱爱| 这里只有精品免费观看网占| 综合色图区| yw国产AV| 久久狠色噜噜狠狠狠狠97| 天天干夜夜谢| 成人 在线观看国产| 哇嘎成人久久| 人妻尝试久久久久久久久久久久| 丁香婷婷色五月| 美女久久天堂| 人人爱天天摸摸天天爱| 色五月综合网| 婷婷va| 七七九九色色| 99热国产精品| 99视频91| 五月婷婷丁香在线视频| 精品一二三区久久AAA片| 亚洲无码免费看| 热99国产精品| 99九九综合久久九九| 99精品国产在热久久| 久久在线大香蕉| 嫩草AV久久伊人妇女超级A| 欧美性猛交 XXXX 乱大交| 欧美色五月| 在线播放 精品| 色婷婷丁香网| 五月婷婷五月天| 五月婷婷黄色网址| 激情校园 亚洲| 丁香激情网| 五月激香蕉网| 亚洲 在线 性爱 | 丁香色色网| 五月婷婷片| 中文字幕丰满孑伦无码专区| 看黄的网站18禁| 婷婷五月天基地| 成人 在线观看国产| 69久久99精品久久久久婷婷| 99热都是精品| 欧美啪啪网| 激情九九这里只有精品| 五月丁香婷婷五月色| 99综合视频| 精品爆操| 91操在线视频| 九月丁香| 五月丁香手机在线| 五月激情综合网| 五月丁香花视频| 丁香五月婷婷色偷偷| 丁香性爱在线视频| www国产亚洲色婷婷com| 亚洲视频码| 五月色导航| 噼里啪啦完整版中文在线观看| 日本久久高清| 99熟女| 色婷婷色综合激情91| 精品五月天| 五月丁香花成人社区| 伊人大香五月天| 色五月激情| 91丨九色丨熟女丰满| 亚洲婷婷免费| 天堂久久婷婷| 欧美一级色| 久婷| 99成人| 中文久久久人妻| 婷婷五月成人| 色婷激情网| 国产精品人成A片一区二区| 五月天激情网图片 - 百度| 综合激情婷婷| 色五月婷婷777| 日日夜夜狠狠婷婷色| 亚洲五月婷婷| 丁香五月亚洲综合| 99偷拍视频在线日本| 久青草影院| 狼人婷婷综合| 国产超碰在线| 色婷婷丁香| 97婷婷五月激情六月丁香伊人| 丁婷婷五月天在线播放| 五月天久久婷婷| a网站免费观看| 97色色色色| 极品人妻VIDEOSSS人妻| 免费不卡狠操美女视频网| AV免费在线网站| 操逼三区| 丁香五月天婷婷久久| 国产欧美精品AAAAAA片| 丁香六月五月天| 五月婷婷久久大香蕉| 丁香五月色| 天天操夜夜夜夜爽| 激情五月天99色| www久久久久久久97| 亚洲综合激情五月天婷婷| 国产成人精品123区免费视频| 欧美丁香六月激情视频| 婷婷五月天激情电影| 日本综合久久| 色五月丁香伊人| 玖玖婷婷色五月| 91久久久久久久| site:esunnet.com| 日本99色| 久久久国产精品黄毛片 | 欧美婷婷| 激情开心五月天| 婷婷99狠狠躁天天躁| 激情婷婷五月亚洲| 六月婷婷视频| 97在线观看| 丁香五月婷婷影院| 丁香六月av| 97ai婷婷| 欧类av怡春院| 婷婷伊人久久| 婷婷综合五月天亚洲综合| 久操综合| 先锋男人91资源| 色情五月婷婷| 五月天伊人| 婷婷五月深情丁香深爱日韩| 九九中文字幕九| 激情四射五月天| 色婷婷综合视频| 亚洲婷婷五月天综合| 五月天婷婷网站| 91欧美| 色操b| 婷婷五月丁香久久| 五月狠狠| 天天久久婷婷| 丁香婷婷九月在线| 丁香久久| 人人干av| 丁香婷婷基地| 色婷婷天堂| 开心五月激情五月丁香五月婷婷| ay2区| 色色色色色五月丁香| 国产免费性爱| 99久久九九| 亚洲人人操| 九九久久五月天综合伊人| 亚洲视频五区| 日本一毛片| 国产欧美大香蕉一区| 天天拍天天做视频| 性爱综合网| 日韩xx在线| 国产精品久久久久久久久久| 可以免费观看的AV| 久久a热| 五月丁香影院| 深爱婷婷网| 色情丁香五月天| 玖玖爱伊人| 久久青青日本视频| 六月丁香婷婷综合影院| 激情五月婷婷她| 激情网 久久| 久久综合婷婷| 91超级碰碰碰| 99热精品免费| 天堂无码人妻精品AV一区| 色色五月天婷婷| 97操碰视频| 激情开心五月天| 丁香激情五月少妇| 色综合99| 色伊人婷婷| 九九热视频在线观看| 久99热| 狠狠干青青草| 天天操夜夜爱| 无码色色色| 五月激情综合美女久久| 99re6久热只有精品6在线直播| 深爱激情网综合| 五月婷综合网| 五月婷婷丁香在线| 亚洲综合另类| 色色综合网站| 成人AV在线电影| jiZZdr| 六月丁香激情网| 色爱亚洲| http:色情日本com| 中文字幕综合色| 玖玖@三月天天丁香婷婷| 国产九月婷婷| 色婷婷瘦婷婷日韩| 深夜男女福利刺激影院一区| 99在线er热| 久久免费精品小视频| 综合网天天| 九九碰九九爱97| 人人爱操| 国精产品一区一区三区免费视频| www.色欲丁香婷婷| 激情丁香社区| 超碰av在| www999日韩精品| 日韩 中文 欧美| 久久9视频欧美| 26uuu视频欧美| 美女丁香五月天| www..com色爱| 淑女丝袜bi操逼123| 六月丁香网| 亚洲综合视频在线| 免费看欧美成人A片无码| 综合aV在线| 9999热精品| 婷婷五月丁香花综合| 五夜婷婷| 99热精品6| 99视频网址| 久激情网| 91久久国产自产拍夜夜91久久精品文字>91麻豆精品国产 | 嫩草视频观看| 久久久久久五月天| av国产精品| 免费看欧美成人A片无码| 超碰熟女农村在线69| 美国不卡视频| 天天草婷婷五月| 五月丁香六月婷综合成人综合| 少妇人妻人伦A片| 六月婷婷色综合| 久久婷婷五月综合色丁香花| 久久性操| 这里只有精品免费视频在线观看 | 五月婷婷伊| 五月婷婷综合影院| 大香蕉啪啪网| 96色婷婷| 色六月丁香婷婷狠狠干| 色久女| 九九热在线视频| 五月丁香趴趴| α久久| 日日日日操| 五月天色色色| 五月天久久久| 丁香五月情| 99ri精品视频在线观看| 亚洲色久| 日韩五月婷婷| 亚洲电影在线观看| 丁香五月综合网亚洲综合欧美狠狠| 成人va视频| 级情九色| 色五月婷婷自拍| 啪啪啪啪五月天| 九九婷婷综合| 婷婷五月丁香人妻无码高清| 色亚洲色宗合| AVDV久久| 色999;丁香五月| 久久五月天色| 天堂美国久久| 五月天久久婷婷婷| 久久曰曰| 五月丁香久久| 久久婷婷精品| 日日干五月天婷婷| 婷婷五月天天| 2025天天日爽| 婷婷激情伍月网| 免费AV播放| 色婷婷深爱五月| 超碰97在线操| 五月天综合色| 五月丁香色色综合| 91综合网| 色香蕉影院| 伊人五月天在线| 日本一级一级一级一级| 中文字幕日本最新乱码视频| 最新va在线播放| 色六月婷婷| 亚洲乱码精品久久久久..| 人妻久久久久久久久妻久久久久| 日本天堂免费99| 97香蕉碰碰人妻国产欧美| 偷偷狠狠久久婷婷五月天| 成人做爰A片免费看视频| 操射国产日本| 国产精品久久久久久白浆色欲| 99热只有| 色婷婷五月天偷拍| 都市激情五月婷婷综合| 九九精品热播| 97夫妻超碰| 九九热最新| 亚洲午夜精品久久久久久人妖| 搡BBBB搡BBB搡五十| 久久六月天| 丁香九月激情| 五月天婷婷丁香人人操91| 婷婷色五月丁香六月欧美啪| 色99热| 久久xx| 亚洲岛国电影| 人妻中文在线| 狠狠狠狠狠干| 日日肏天天操| 亚洲VA欧美VA| 狠狠人妻色综合| 婷婷5月久久综合网站| 中文字幕综合| 操骚货在线| 五月丁香综合久久| 婷婷久久丁香五月| 婷婷色色五月| 色色综合无码| 风流少妇A片一区二区蜜桃| 综合色天天| 天天日天天久久青青| 丁香涩涩五月天| 天天肏在线视频| 99热最新| 婷婷九月丁香| 国产无套精品一区二区| 99视频在线精品免费观看2| 亚洲成人无码免费| 激情视频网址| 丁香五月综合图片在线观看| 97人人操人人操人人操人人| 婷婷五月激情图片| 性色天| 五月丁香激情综合网| 久久五月天丁香| 无码少妇高潮喷水A片免费| 日韩黄在免| 99精品视频在线| av操B网站| 五月天色五月| 五月天六月天| 成人丁香五月婷| 色亭亭丁香五月天| 涩五月婷婷| 思思热精品在线| 国产在线黄色| 丁香五月性爱| 亚洲操B| 五月丁香狠狠爱| 91色吧网| 五月丁香久久综合| 精品久久99码| 99在线观看| av在线资源| 五月丁香成人网| 97视频久久| 丁香五月综合久久综合| 98永久精品| 超碰成人AV| 99久久五月天| 久久精典| 色噜噜狠狠色综合伊人| 五月 丁香 欧美| 少妇婷婷五月天| 开心激情久久久久久久| 激情综合色婷婷六月天| 99视频只有精品| 日狠狠| 久久色五月| 超碰在线免费| 99久久九九| 成人做爰高潮A片免费视频| 嫩草AV久久伊人妇女超级A| 五月天激情综合网| 日韩有码一区| 综合色色婷婷| 青青草蜜臀| 天天看夜夜看| 五月丁香好婷婷A片网| VA色婷婷| 国产亚洲成AV人片在线观黄桃| 五月日韩中文字幕| 国产色99| 婷香五月网在线| 婷婷丁香午夜综合影视| 开心激情网五月天| 丁香五月婷婷基地| 九九色黄色| 色欲影香| 亚洲激情网站无码| 天天干夜夜谢| 日韩aⅴ视频| 五月色色网| 天天色色天天| m色激情网| 丁香六月狠狠| 天天插天天狠| 大香蕉久久| 超碰国产AV| 亚洲美女裸体被操在线观看| 强辱丰满人妻HD中文字幕| 97色碰| 国产精品色| 婷婷五月综合啪| 天天草婷婷五月| 99精在线| 亚洲综合在线播放| 日本99在线| 婷婷狠狠操| 五月天婷婷丁香社区| 六月色狠狠色| 第六色在线| 婷婷五月天社区| 99久在线观看| 国产永久一黄| 五月丁香婷婷伊人| 老师高潮流白浆喷水的A片| 亚洲色情一区二区三区四区| 色爱五月天| 大地9中文在线观看免费高清| 热热99爱爱| 狠狠色无码| 9l视频自拍九色9l视频自拍九色9l社区 | www.黄色片-久久成人国产精品在线播放-999AV | 久色国产| 国产精品18久久久| 六月婷婷激情图片| 欧美天堂久久| 丁香花五月天婷婷成人社区| 狠狠干天天内射| 亚洲激情综| 丁香五月停停av| 丁香五月综合激情久久潮喷| 五月天综合网| 五月色婷婷中文字幕| 婷婷五月伦理网站| 亚洲久艹| 91N 一起草| 在线亚洲综合| 99久久新视频| 久久99久久99精品免视看婷| www。五月天激情| 人人色婷婷五月天| 五月婷六月天| 综合色色色| 欧美Va婷色| 国产9色在线/日韩| 99视频自拍| 99网| 色婷婷影视99| 婷婷情色五月天| 大香焦A∨| 婷婷中文字幕| 超碰在线免费观看日韩| 综合网五月天123| 色色丁香| 色999五月色| 啪精品| 综合激情站| 人人操97| www.日日夜夜.com| 国产成人AV不卡| 六月丁香婷婷综合影院| 中文字幕成人| 玖玖资源天天无码| 91婷婷搞| 欧美成人AAA片一区国产精品 | 99久在线精品| 97色色色| 狠狠干在线视频| 五月天久久色| 天天日日综合| A1片久久久| 激情综合九月| 思思热久久阴99| 欧美一级色| 婷婷六月综合在线| 影音先锋男人AV资源站| 久久久噜噜噜久久人妻| 欧美熟女99| 色99网| 色五月婷婷丁香国产在线| 噼里啪啦在线观看免费完整版视频| 色日本丁香婷婷| 日本女色人人| 色婷另类| 久久久久亚洲A∨成人乱码电影| 激情综合五月天| 99这里只有精品在线观看| 26uuu成人网| 99成人在线观看| 日韩六十路91性交电影| 欧美影院| 草草色情综合网| 国产在线黄色| 久久99激情丁香婷婷小说网| 丁香五月婷婷基地| 99免费热视频在线| www,99热| 碰97 久| 99色热视频| 色操b| 色五月xxx| 色五月色五天免费视频| 99久久人妻精品无码二区| 九月激情综合| 色婷婷精品| 伊人91| 五月婷婷啪啪网| 丁香五月婷综合网| 亚洲亚洲人成综合网络| 九九伊人网| 五月丁香综合在线| 香蕉久久五月| 婷婷五月综合性爱| 日本九婷婷| 777久久综合视频| 色五月涩涩婷婷蜜桃| 狠狠狠狠狠狠| 狠狠色噜噜色狠狠狠综合色| enecarbon-materials.comWu染请涟系Bao护@wip1688 | www,色婷婷| 免费观看全黄做爰的视频| 99色在线观看视频| 亚洲AV成人无码久久精品老人法拉利| 好好干Av| 精品亚洲国产成AV人片传媒| 亚洲正能量欧美| 99re8在这里只有精品| 激情五月色播五月| 思思热精品免费视频| 丁香伊人网| 无码AV大香线蕉伊人| 日本色色色| 丁香九月综合| 色XX综合网| 亚洲Av入口| 99 热国产在| 男人的天堂97| 久久日本wwww色| 黑人巨粗进入警花疼哭A片| 99热这里只有精品9| 亚洲国产精品二二三三区| 人人干天天舔| 99热在线播放| 国产在线6| 亚洲综合五月天| 蜜桃婷婷五月| 国产欧美日韩一区二区三区| 色婷婷电影网| 丁香伊人激情| 在线中文AV| Va另类视频| 亚洲三级无码| 狠狠插日日干撸| 真实的国产乱XXXX在线91| 五月综合激情综合久| 超碰成人黄色网| 亚洲激情五月丁香久久久久| 色婷婷色综合久久精品V| 亚洲色欲AAAAAA| 色婷婷很很十八禁| 欧美色五月天| 五月丁香六月色| 超碰人人射| 天搞天天天天天| 欧美三9久九观看| AA片在线观看视频在线播放| 黄色av高清| 涩涩婷婷五月| 久久区区一二三av| 91丨九色丨熟女| 俺去也在线官网| 久色网五月| 丁香五月色情| 99热这里只有精品1| 日日干天天爽| 欧美激情综合色综合啪啪五月| h亚洲| 青青草tp| 六月丁香啪啪| 成人av在线网| 91精品视频男人的天堂| 激情五月天的婷婷| 久热这里只精品| 色亚洲视频| 这里只有免费的精品| jiqingliuyuetian| 操操天堂| 韩国真做片在线观看| 婷婷婷狠狠| 六月婷在线| 99在线精品视频| 丁香五月天在线视频| 俺五月| 岛国AV网| 色丁香久久| 亚洲午夜成人av电影网| 丁香婷婷在线| 成人午夜无码视频| 另类小说五月天综合| 五月婷婷精品| 婷婷色婷婷| 99操逼| 99热最新地址在线| 91伦| 性爱视频久久| 久草大| 丁香五月网络网络| 大香蕉七区| 国产99久久久国产精品免费看| 六月丁香色婷婷| 婷婷五月天中文字幕.| 婷婷丁香五月天操逼| 婷婷五月婷婷| 99在线免费视频| 五月丁香六月激情网| 色婷婷www| 亚洲欧美成人在线观看| 色五月AV| 久久九九@| 五月丁香六月婷婷a v| 殴美日比视频| 激情五月四色| 五月丁香大相交| 成人免费黄色短视频| 久久国产性爱A V| 久久综合最新网址| 欧洲色区| 色综合久久天天综合网| 日日操天天操| 99视频免费播放| 26uuu欧美日韩| 四月丁香五月婷婷久久| 亚洲视频在线观看| site:pzdcoin.com| 殴美激情综合网| 色婷婷aV四虎| 色婷婷五月天激情综合| 五月综合无码| 久久9精品视频| 精品五月天| 一起草AV入口| 激情五月天噢美| 操人久久| 亚洲人人操| 99青青草| 激情内射人妻1区2区3区| 婷婷综合久久| 另类激情综合| 亚洲性爱电影| 五月婷婷五月色| 国产特黄色精品一区二区三区精品无广告| 亚洲国产精品VA在线看黑人| 激情五月天的婷婷| 可以看的av网站| 第四色网婷婷| 婷婷五月天成人视频| 亚洲av| 国外亚洲成AV人片在线观看| 五月丁香影视| 久久久久久久人妻| 九九婷婷网五月天| 天天激情站| 激情色色| 九九热视频精品| 五月丁香婷婷综合网| 超碰二区| 色五月首页| 日本久久精品| 丁香六月五月天| 一起草AV| 婷婷五月丁香六月| 久久小视频| 丁香五月综合| 丁香五月偷拍| 搡BBBB搡BBB搡18 | 韩日另类| 日韩aⅴ视频| 亚洲精品另类| 大香婷婷| 五月婷婷久久大香蕉| 免费婷婷| 色婷婷五月天中文字幕| 久久六月综合| 99ri在线观看视频| 强伦轩人妻一区二区电影| 91色婷婷综合久久中文字幕二区| 91九色视频在线观看| 亚洲激情综| 99熟女| 五月天色五月| 婷婷基地成人五月天| 国产乱人偷精品人妻A片| 六月天丁婷婷| 大香婷婷| 99视频精品在线| 激情五月天之六月婷婷| 五月综合激情图片| 日韩啪| 操人妻90p| 亚洲成人电影在线免费观看| 五月婷婷导航| 玖月婷婷爱丁香| 丁香五月亚洲综合丝袜| 婷婷五月在线视频| 99久久66| 99久久久精品| 丁香五月电影| 色婷婷五月天堂资源| 色五月中文字幕| 丁香六月在线| 日日干日日| 亚洲人妻五月丁香婷婷| 97婷婷狠狠久久综合9色| 五月天婷婷视频| 婷婷综合激情五月综合| 在线观看免费狠狠色丁香香综合| 婷婷五月丁香六月| 婷婷丁香在线播放| 五月婷婷性爱| 欧美在线视频9| 欧美情月伍月天| 99热的无码| 伊人久久99| 超碰人妻公开在线| A在线观看| 激情婷婷丁香色情五月天| 欧美丁香婷婷五月| 丁香五月婷婷基地| 伊人热婷婷| 激情综合综合综合| 五月天开心婷婷激情网站| 中文AV网站| 夜色.cnm| 色丁香五月婷婷婷| 99热只有这里有精品| 婷婷伊人綜合中文字幕| 光棍影院日韩精品| 6080av| 久月婷婷| 97色碰碰公开视频| 思思久久99热| 成人va视频| 丁香五月花| 亚洲综合草草| 色婷婷五月天天天干天天操天天爽 | 日韩另类| 五月天色婷婷激情| 五月天综合| 亚洲综合草草| 亚洲成人电影aaaa| 涩涩婷婷五月| WWW色综合| pacopacomama 070722_670 素人奥様初撮りドキュメント 103 大久保純子 | 亚州美女| 色五月成人| 日本VA视频| 国产古装妇女野外A片| 九九99九九99| 99re鈥哸鈥唙| 高潮毛片又色又爽免费| 五月丁香啪啪| 亚洲免费观看高清完整版AV线| AAA级久久久精品| 久草婷婷| 97色天堂| 国产色色小草视频| 天插天啪天啪天啪| 丁香五月性爱| 级情九色| 五月婷六月| 色色热日| 五月天欧美激情| 五月丁香啪| 婷婷色在线| 五月天色色婷婷| 大香伊人婷婷| 激情色视频| 日韩成人无码| 久久6这里只有精品| 五月丁香六月婷综合成人综合| 丁香五月婷婷色偷偷| 青草青草久9视频在线视频| 综合久色五月| 婷婷五月婷婷| 99综合| 日本啪啪天堂| 五月天婷婷情色| AV性爱在线| 五月丁香狠狠爱婷婷综合| 狠狠操狠狠狠| 日韩av手机在线观看| 天天草天天爱| 777精品久无码人妻蜜桃| 五月五婷婷网| 99久热这里只有精品| 色五月激情综合网| 五月天色色网站| 999激情视频| 五月天婷婷免费| 涩涩婷婷五月| 综合五月天| 无码动漫AV| 国内外色色色色色成人视频| 色九综合| 天天综合五月| 9l视频自拍九色9l视频在线观看| 五月天婷婷色综合| 五月婷中文娱乐综合| 99热这里只有精品国产首页| 亚洲123区高清入口| www.深爱激情| 操婷婷基地| 久久玖玖综合| 五月丁香久久久久| 色久天| 久久中文人妻系列| 97人人操人人干| 99er免费在线观看| 日韩AV免费电影在线播放| 婷婷五月天首页| 色婷婷丁香AV综合| 蜘蛛女侠2003满天星免费观看| 美腿丝袜AV天堂网| 久热一本| 五月天婷五月天综合网小说首页-五月天激激婷婷大综合,婷婷亚洲综合五月天小说 | 精品99久久久久成人网站免费| 开心激情婷婷| 色婷婷狠狠色| 99人人干人人操| 网站免费一站二站| 日本在线视频www色| 开心五月深爱五月| 婷婷激情蜜桃玖玖丁香| 思思热99er| 91九色视频在线观看| 天天肏夜夜肏| 国产露脸150部国语对白| 9这里只有精品| 99九精品| 色色a| 五月丁香在线国产 | 色五月婷婷DVD| 五月丁香婷婷色播无码| 国产9色在线/日韩| 久久五月人人摸| 婷婷桃色网| 亚洲综合无码| 丁香婷五月天| 五月丁香婷婷激情四射迷人| 99综合久久| 五月天婷婷激情干干| 久久一操| 久久久精品人妻| 操一操插一插| 99久在线观看| 鲁鲁色五月| 开心五月天激情网| 色五月婷婷久久爱| 九九久久偷拍| 亚洲色五月| 五月丁香久久丝袜啪啪| 六月婷婷久久| 桃色成人网| 第四色五月婷婷| 日日天天操| 好色婷婷| 国产日产亚洲系列最新| 女人天堂AV| 国内婷婷丁香社区在线播放| 夜夜爱爱亚洲| 婷婷五月天av| 九九成人| 亚洲mm色| 天天射美女| 久久精99| 狠狠综合网| 五月天综合视频| 第四色色六月色综合| 一区中文字幕电影| 人妻久久久| 丁香六月婷婷色播| 亚洲 在线 性爱 | 五月婷婷综合热| 亚洲精品成人片在线播| 国产成人一区二区三区在线观看| 午夜婷婷久久 | 超碰高清在线| 麻豆123区| 91综合国免费久入| AV在线免费观看不卡| 99热精品中文字幕| 五月丁香啪啪| 亚洲色vA| 丁香六月色婷婷欧美| a在线免费v| 九九艹女| 九九亚洲| 久久久18| 九九这里有精品| 五月WWW| 婷婷丁香五月天色播网站| 欧美啪啪9| 丁香五月 无码| 99国产在线精品视频| 亚洲第一第二网站| 在线视频99| 久久婷婷五月天综合| 无码G高清天| 天天色综合天天| 国产精品操| 99热一本| 婷婷五月丁香成人网| 亚洲亚洲人成综合网络| 99热网站| 五月天成人综合| 中文av网| 五月丁香六月婷婷亚洲综合| 色五月丁香婷婷综合| 热的国产99热| 超碰亚洲天堂| 亚洲成人AV在线观看| 亚洲无码黄色| www,久久久人人| 亚洲mm免费| 国产婷婷婷| 无码激情AAAAA片-区区| 激情综合网激情五月天| 欧美性爱五月天| AV网站免费在线| 91色吧网| 超碰人人99| 开心五月深爱五月| 99热6色| 五月婷婷啪| 开心五月深爱五月丁香五月激情五月 | 草操AV在线| 色99亚洲| www.色婷婷| 色99网站| 激情五月婷婷五月| jiZZdr| 91色婷婷综合久久中文字幕二区| 激情小说五月天| www.国产色| 丁香婷婷基地| 99九九久久| 激情五月天婷婷| 最近中文字幕大全免费版在线| 噜噜在线| 色狠狠色噜噜AV天堂五区| 国产精产国品一二三在观看 | 99思思在线视频| 亚洲人成网亚洲欧洲无码久久| 国产日比| 天天肏屄夜夜爽| 五月丁香成人日| 婷婷性爱无码视频| 热99热9| 婷婷成人五月天成人文学小说| 狠狠干夜夜干| pacopacomama 070722_670 素人奥様初撮りドキュメント 103 大久保純子 | 激情五月综合ì香亚洲| 五月天婷婷导航| 婷婷十月激情综合网| 噜噜狠狠色综无码久久合欧美| 伊人色综合网| www99精品| 丁香婷婷深情五月亚洲| 公的粗大挺进了我的密道| 一本大道嫩草AV无码专区| 人妻第九页| 激情碰碰碰| 亚欧州精品视频| 99思思在线视频| 色婷婷色久综| www.色五月.com| 婷婷色片| 五月丁香啪啪啪| 中文字幕无码人妻少妇免费视频 | 婷婷五月丁香成人| 亚洲视色| 亚韩在线视频| 九九99久久| 超碰2021| 色色色婷婷五月天| 婷婷另类开心| 婷婷开心激情五月激情网| 色呦呦美女| 五月天激情国产综合婷婷婷| 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | 婷婷五月婷| 99久久99九九99九九九| 日本人妻伦在线中文字幕| 色 噜噜 九月 婷婷| 操操啪| 开心五月综合激情综合五月| 免费观看的av| 五月综合色| 91久久精品视频| 国产亚洲色婷婷久久99精品91| caopeng97日韩| 人人摸人人干| 婷婷五月天激情网| 一区二区传媒视频| 26uuu视频欧美| 丁香五月综合在线视频| 91色久| 91夫妻网站九色| 无码人妻激情| 欧美久久婷婷| 日本三级大片| 91色色色视频| 99色精品视频| 激情五月天小说| 婷婷五月天成人| 三级99热| 五月丁香六月婷婷中合网| 99热免费观看| 国产精产国品一二三在观看| 性天堂久久| 很操日本7| 六月激情婷婷| 啪啪操网| 夜夜操夜夜爽| 久9热视频| 九九成人电影婷婷| 国产成人av在线| 欧美激情综合色综合| 色色婷婷五月天| 二区成人视频| 久久黄色免费视频| 丁香婷婷五月六月久久| 天天操天天干天天射| 99亚色色色| 婷婷色在线播放| 激情性爱五月天网页| 99综合| 色五月成人| 婷婷色色亚洲| 激情宗合哪里能看| 色99色| 91美女艹逼网站| 五五月五月| 人妻精品一区二区三区| 色婷久| 五月丁香婷婷三级| 九月婷婷| 丁香五月性| 亚洲天堂大香蕉| 超级碰碰视频无码| 久久人妻情侣| 色婷婷狠狠| 丁香五月色| www.色综合.com| 任你干嘛免费视频播放| 综合激情深爱| 图片区 小说区 区 亚洲五月 | 99在线观看这里都是精品| 成人av免费观看| 另类激情码| 色婷婷狠狠18| 婷婷五月天综合久久日美女| 一二三区视频韩国| 五月天社区| 欧亚洲在线高清视频| 五月丁香色| 婷婷狠狠操| 激情久久丁香| 大香蕉人人人| 激情五月影院| 日本在线观看91| 五月丁香做爱视频| 亚洲无码影音| 色噜综| 日本V在线观看不卡视频网站| 高清无码 一区 二区 三区| 超碰人人在线| 激情网五夜婷婷| 国产67194| 婷丁五月| 亚洲精品字幕在线观看| 亚洲在线激情婷婷五月| 二色av| 亚洲色色在线| 99精品视频在线观看| 激情五月天开心网丁香无码| 婷婷五月影院| 色五月无码| 亚洲视频在线观看| 丁香六月色情| 超PEN精品在线| 极品五月天| 99欧美热| 久久99热久久99精品| 69人人操人人爽| 欧美性丁香色色五月天干干| 好色婷婷| 亚洲激情婷婷| 91丨九色丨国产打屁股| www.色婷婷| 亚洲激情电影五月天色婷婷丁香一起草 | 丁香五月在线看| 大香蕉综合在线| 狠狠色九月| 思思热在线| 综合大香蕉| 婷婷天堂站| 66久久视频在线| WWW嗯嗯啊啊啊啊| AV五月婷婷露脸| 小骚穴电影| 久久久精品色| 狠狠色丁婷婷日日,伊人激情综合网| 少妇人妻偷人精品无码视频新浪| 99久久er| 色99无码| 色色五月婷婷| 丁香婷婷人妻综合网| 色五月丁香91| 99精品热| 久久五月视频| 荫道BBWBBB高潮潮喷| 狠狠狠夜夜夜| 丁香色成人| 色人久久| 丁香六月天堂| 久久免费操| 激情综合五月| 伊人五月成人| 色久影院| www五月| av中文网站| 婷婷五月综合网| 久久久人妻| 玖玖资源在线视频| 亚洲精品视频在线播放| 日本不卡一区二区三区| 色色网站| 婷婷导航| 91精选国| 免费亚洲婷婷中文字幕| 成人五月天在线视频在线观看| 碰人人97| 国产午夜一区二区三区| 青青草日本亚洲| 国内一级精品| 国产乱子轮XXX农村| 色婷婷的五月天| 99热国品免费| 9l视频自拍九色9l黑人| 亚洲色综合| 丁香社区婷婷五月| 97人人干人人操| 丁香亭亭激情四射| 亚洲综合色色|