日韩精品一区二区三区在线视频放-无码中文字幕V?一区二区-成年片免费观看视频-国内少妇人妻丰满av-国产精品中文字幕免费观看-亚洲成人久久一区二区三区-国内少妇偷人精品视频无缓冲-一区二区国产精品日本一区二区三区在线网

ARTICLE DETAIL

資訊詳情

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

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

Python+OpenCV全景拼接實戰(zhàn):從特征匹配到黑邊智能裁剪 簡介本資源是一份面向計算機視覺初學者與圖像處理愛好者的實戰(zhàn)教程聚焦PythonOpenCV實現(xiàn)多圖自動拼接與黑邊智能去除適用于攝影全景合成、無人機航拍重建、虛擬漫游等實際場景。壓縮包共9個文件7張JPG原始輸入圖像、1個核心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處理、SIFT/ORB特征檢測、BFMatcher特征匹配、cv2.findHomography透視變換建模、cv2.warpPerspective圖像配準及自定義黑邊裁剪邏輯結(jié)構(gòu)清晰、模塊可拆解。已有7532人學習下載讀者可直接運行復現(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. 項目概述從零到一的全景拼接實戰(zhàn)最近在整理過去幾年旅行拍攝的照片發(fā)現(xiàn)很多場景用單張照片根本無法展現(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。手動在PS里一張張對齊不僅效率低下而且對精度要求極高效果往往不盡如人意。作為一個常年和代碼打交道的開發(fā)者我自然想到了用程序化的方式來解決這個問題——使用Python和OpenCV實現(xiàn)自動化的全景圖像拼接。這個項目的核心目標很明確輸入一組有重疊區(qū)域的照片程序能自動識別特征、匹配圖像、計算變換矩陣最終將它們無縫地拼接成一張寬幅的全景圖。聽起來很酷對吧但實際操作過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”問題。這些黑邊是由于圖像經(jīng)過透視變換后在畫布邊界外沒有像素數(shù)據(jù)造成的直接裁剪會損失畫面保留又影響觀感。因此一個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項目的每一個技術(shù)細節(jié)。無論你是剛接觸計算機視覺的Python新手還是想尋找一個完整項目練手的中級開發(fā)者都能從中獲得可直接復現(xiàn)的代碼和避坑經(jīng)驗。我們將從環(huán)境搭建、原理剖析一直講到完整的代碼實現(xiàn)和黑邊處理的多種策略。我會分享我在這個過程中踩過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手寫代碼之前我們必須搞清楚全景拼接到底是怎么一回事。它不是一個單一的步驟而是一個標準的圖像處理流水線Pipeline。整個流程可以分解為幾個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)流水線拆解一個健壯的全景拼接流程通常包含以下步驟特征檢測與描述這是整個流程的基石。我們需要在每一張輸入圖像中找到一些獨特的、可重復檢測的點稱為“關(guān)鍵點”或“特征點”如角點、斑點。然后為每個關(guān)鍵點計算一個“描述符”它是一個向量抽象地表示了該點周圍一小塊圖像區(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之間通過比較描述符的相似度如計算歐氏距離為一張圖像中的關(guān)鍵點在另一張圖像中尋找最匹配的對應點。這樣我們就得到了許多匹配點對。圖像配準與單應性矩陣計算匹配點對可能存在錯誤誤匹配。我們需要用一個數(shù)學模型來描述兩張圖像之間的幾何變換關(guān)系。對于在同一平面上拍攝的照片如平移或旋轉(zhuǎn)相機這個關(guān)系通??梢杂靡粋€3x3的單應性矩陣Homography Matrix來精確表示。我們使用RANSAC隨機抽樣一致等魯棒算法從可能包含誤匹配的點對中估算出最優(yōu)的單應性矩陣并同時剔除掉不符合該模型的錯誤匹配點。圖像扭曲與融合利用計算出的單應性矩陣將第二張及后續(xù)圖像“扭曲”到第一張圖像的坐標系下使它們對齊。對齊后重疊區(qū)域需要進行像素融合以消除接縫和曝光差異。簡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。畫布計算與黑邊處理這是本文要重點解決的難題。在對多張圖像進行連續(xù)變換后最終全景圖的畫布尺寸會變得非常大且圖像內(nèi)容在畫布上的位置是偏移的。畫布四周會出現(xiàn)大量沒有圖像數(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它是計算機視覺領域事實上的標準庫用C編寫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功能從SIFT_create()到findHomography()再到warpPerspective()幾乎為我們封裝好了整個拼接流程的底層復雜計算。這意味著我們可以更專注于算法邏輯和效果優(yōu)化而不是從頭實現(xiàn)特征檢測算法。Python作為膠水語言Python的簡潔語法和豐富的科學計算生態(tài)如NumPy使其成為快速原型開發(fā)和算法驗證的絕佳選擇。我們可以用幾行代碼完成復雜的矩陣運算和圖像操作極大地提升了開發(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這個擴展包中。如果你在導入時遇到AttributeError: module ‘cv2‘ has no attribute ‘xfeatures2d‘之類的錯誤通常是因為沒有安裝這個擴展包。對于商業(yè)項目可以考慮使用無專利限制的ORB或AKAZE算法。2.3 黑邊問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。當我們用單應性矩陣對圖像進行warpPerspective變換時圖像被投影到一個新的平面上。這個變換可能會將原圖像中的像素映射到目標畫布坐標的負值區(qū)域或超出畫布尺寸的區(qū)域。OpenCV在處理時對于這些“映射出去”的區(qū)域默認用黑色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邊界矩形裁剪出來作為最終全景圖。優(yōu)點是簡單直接保留了所有有效像素。缺點是可能會得到一個非矩形的有效區(qū)域直接裁剪為矩形會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行擴展填充或者更高級的使用圖像修復Inpainting技術(shù)根據(jù)周圍紋理生成內(nèi)容。填充法的目標是得到一個規(guī)整的矩形圖像且填充區(qū)域看起來自然。在本項目中我們將重點實現(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面的同時得到一個整齊的矩形輸出。同時我也會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。一個穩(wěn)定、版本匹配的環(huán)境是項目成功的第一步。這里我推薦使用conda或venv創(chuàng)建獨立的Python虛擬環(huán)境避免與系統(tǒng)或其他項目的包發(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導致的API變化。numpyOpenCV的底層數(shù)組操作依賴于NumPy它是必須的。matplotlib用于在開發(fā)過程中可視化顯示圖像、關(guān)鍵點匹配結(jié)果等便于調(diào)試。3.3 驗證安裝與常見問題安裝完成后可以運行一個簡單的腳本驗證import cv2 import numpy as np print(f“OpenCV Version: {cv2.__version__}”) print(f“NumPy Version: {np.__version__}”) # 測試SIFT算法是否可用在contrib中 sift cv2.SIFT_create() print(“SIFT create successfully!”)如果運行成功說明環(huán)境配置正確。如果遇到SIFT_create失敗請確認安裝的是opencv-contrib-python而非opencv-python。實操心得我強烈建議在項目根目錄下創(chuàng)建一個requirements.txt文件記錄所有依賴包及其版本。這樣在另一臺機器或未來重裝環(huán)境時一句pip install -r requirements.txt就能完美復現(xiàn)。這是保證項目可復現(xiàn)性的好習慣。4. 全景拼接核心代碼實現(xiàn)與分步解析接下來我們將把第2章中提到的技術(shù)流水線轉(zhuǎn)化為具體的Python代碼。我會將整個流程封裝成幾個清晰的函數(shù)并逐一解釋每個步驟的細節(jié)和參數(shù)意義。4.1 第一步讀取與預處理圖像我們首先定義一個函數(shù)來讀取一組圖像并進行必要的預處理。預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): “”“ 讀取圖像列表并進行預處理。 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縮小圖像。 返回 images: 預處理后的圖像列表BGR格式。 images_gray: 對應的灰度圖像列表用于特征檢測。 ”“” 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對比度有助于在光照不均的場景下檢測特征 # gray cv2.equalizeHist(gray) images.append(img) images_gray.append(gray) return images, images_gray關(guān)鍵點解析resize_factor對于高分辨率圖片如2000萬像素全尺寸進行特征檢測和匹配會非常耗時。將其縮放至原圖的0.5或0.25倍能極大提升速度且對匹配精度影響不大因為特征點通常是多尺度的。這是一個典型的“用精度換速度”的權(quán)衡在實時性要求高的場景下非常有用。灰度轉(zhuǎn)換絕大多數(shù)特征檢測算法都在灰度圖像上運行因為顏色信息對于識別關(guān)鍵點結(jié)構(gòu)并非必需且能減少計算量。直方圖均衡化被注釋掉了。這是一個雙刃劍。它能增強低對比度區(qū)域的細節(jié)但有時也會放大噪聲。我的經(jīng)驗是在室內(nèi)或光照較暗的場景下開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、描述與匹配這是拼接算法中最核心也最耗時的部分之一。我們選擇SIFT算法因為它對尺度、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): “”“ 檢測圖像特征并進行匹配。 參數(shù) image_gray_list: 灰度圖像列表。 feature_detector: 特征檢測器類型‘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)匹配點對列表。 ”“” all_keypoints [] all_descriptors [] # 初始化檢測器 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) # 對于SIFT使用L2距離 else: # ORB matcher cv2.BFMatcher(cv2.NORM_HAMMING, crossCheckFalse) # 對于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匹配為每個描述符找兩個最近鄰 knn_matches matcher.knnMatch(des1, des2, k2) good_matches [] # Lowe‘s ratio test: 過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)鍵點解析算法選擇代碼支持SIFT和ORB。SIFT精度高但受專利保護在開源項目中通??捎盟俣容^慢ORB是免費的速度極快但旋轉(zhuǎn)和尺度不變性稍弱。對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為每個特征點找到兩個最佳匹配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其最佳匹配距離m.distance應該顯著小于次佳匹配距離n.distance。如果兩者很接近說明這個特征點不夠獨特匹配結(jié)果不可靠應予以剔除。ratio_test_thresh通常設置在0.7到0.8之間值越小篩選越嚴格匹配點越少但質(zhì)量越高。匹配數(shù)量相鄰圖像間至少需要4對高質(zhì)量的匹配點才能計算單應性矩陣。通常建議有幾十對以上結(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 第三步計算單應性矩陣與圖像配準獲得優(yōu)質(zhì)匹配點對后我們需要從中計算出將一張圖像映射到另一張圖像坐標系的變換矩陣。def compute_homography_and_align(keypoints_list, good_matches_list, ransac_thresh5.0): “”“ 根據(jù)匹配點計算單應性矩陣并構(gòu)建圖像到參考坐標系第一張圖的變換鏈。 參數(shù) keypoints_list: 關(guān)鍵點列表。 good_matches_list: 優(yōu)質(zhì)匹配列表。 ransac_thresh: RANSAC算法中判定內(nèi)點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系的累積單應性矩陣列表。 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.”) # 如果匹配不足假設是純平移或使用單位矩陣效果會很差 H_current np.eye(3) else: # 提取匹配點的坐標 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計算單應性矩陣并獲取內(nèi)點掩碼 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)計內(nèi)點數(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張圖坐標系的矩陣 # H_current 是將第i1張圖變換到第i張圖坐標系的矩陣 # 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)鍵點解析cv2.findHomography()這個函數(shù)是核心。它接受兩組對應的點集使用RANSAC算法魯棒地估算單應性矩陣H。ransac_thresh參數(shù)是關(guān)鍵它定義了多大距離內(nèi)的點被認為是“內(nèi)點”符合模型。這個值設置得太小如1.0可能會因為噪聲而找不到足夠內(nèi)點導致計算失敗設置得太大如10.0則可能讓一些錯誤的匹配點也被當作內(nèi)點降低矩陣精度。通常根據(jù)圖像分辨率來定對于縮放后的圖像如1000px寬5.0是一個不錯的起點。矩陣累積與逆變換這是最容易出錯的地方。findHomography返回的矩陣H滿足dst_pts H * src_pts。即它將圖i的點變換到了圖i1的坐標系。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的坐標系。因此我們需要的是將圖i1變換到圖i坐標系的矩陣也就是H的逆矩陣H_inv。然后通過連續(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正是這個累積矩陣。內(nèi)點數(shù)量打印出的內(nèi)點數(shù)量是評估單應性矩陣質(zhì)量的重要指標。內(nèi)點比例內(nèi)點數(shù)/總匹配數(shù)越高說明匹配質(zhì)量越好計算出的變換越可靠。4.4 第四步圖像扭曲與畫布尺寸計算有了每張圖到參考坐標系的變換矩陣后我們需要計算最終全景圖畫布的大小并將所有圖像扭曲到這個畫布上。def warp_images_to_canvas(images, homographies): “”“ 將所有圖像根據(jù)單應性矩陣扭曲到統(tǒng)一的畫布上。 參數(shù) images: 原始BGR圖像列表。 homographies: 到參考坐標系圖0的累積單應性矩陣列表。 返回 panorama: 拼接后的全景圖可能包含黑邊。 (x_offset, y_offset): 畫布原點相對于圖0原點的偏移量。 ”“” print(“Calculating canvas size...”) # 1. 計算畫布邊界 corners_list [] # 存儲每張圖扭曲后的四個角點 for i, (img, H) in enumerate(zip(images, homographies)): h, w img.shape[:2] # 原始圖像的四個角點 corners np.array([[0, 0], [w, 0], [w, h], [0, h]], dtypenp.float32).reshape(-1, 1, 2) # 變換到全景圖畫布坐標系 warped_corners cv2.perspectiveTransform(corners, H) corners_list.append(warped_corners) # 將所有角點堆疊起來找到最大最小值 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) # 計算畫布大小和偏移量 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布正坐標區(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)建一個權(quán)重圖中心權(quán)重高邊緣權(quán)重低簡單線性衰減 h, w img.shape[:2] # 創(chuàng)建一個與原圖同尺寸的權(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)建漸變可選這里簡化處理直接使用二值掩碼 # 更復雜的做法是計算每個像素到圖像邊界的距離來生成漸變權(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)鍵點解析畫布計算我們通過將所有圖像變換后的角點坐標求并集來確定全景圖的最小包圍矩形。x_min, y_min可能是負數(shù)所以我們計算一個偏移量(x_offset, y_offset)將所有點的坐標平移為正數(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的基礎上左乘了一個平移矩陣相當于在變換后額外進行了一次平移確保圖像落在畫布內(nèi)。圖像融合這里演示了兩種方式。注釋掉的“簡單覆蓋法”會導致接縫處有明顯的邊緣因為后扭曲的圖像直接覆蓋了先扭曲的圖像。我們實際采用的是加權(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。這是一種簡化的羽化Feathering方法。對于更高質(zhì)量的無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算更復雜。5. 黑邊處理的多種策略與實現(xiàn)經(jīng)過上一步我們得到了一個包含黑邊的全景圖panorama?,F(xiàn)在我們來集中解決這個“黑邊”問題。我將介紹三種策略并重點實現(xiàn)最實用的智能裁剪法。5.1 策略一簡單矩形裁剪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邊界矩形。def simple_crop_black_borders(panorama): “”“ 簡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 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)缺點分析優(yōu)點實現(xiàn)簡單速度快能去除大部分黑邊。缺點如果有效像素區(qū)域不是矩形例如由于圖像扭曲有效區(qū)域是一個不規(guī)則的凸多邊形這種方法會裁剪掉多邊形角落的有效像素造成畫面損失。如下圖所示紅色矩形是裁剪框但藍色多邊形區(qū)域才是真正的有效像素四個角的信息丟失了。5.2 策略二尋找最大內(nèi)接矩形智能裁剪我們的目標是找到有效像素區(qū)域一個可能不規(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規(guī)整的矩形輸出。這是一個經(jīng)典的計算機視覺問題可以通過輪廓查找和幾何分析來解決。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)域為255黑邊為0。 返回 (x, y, w, h): 最大內(nèi)接矩形的左上角坐標和寬高。 ”“” # 方法使用輪廓查找和矩形逼近的簡化方法。 # 更精確但復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。 # 這是一個折中方案比簡單裁剪好但非最優(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. 可選進行形態(tài)學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的像素設為255白色其余為0黑色。閾值設為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)學操作MORPH_CLOSE閉運算先膨脹后腐蝕??梢蕴畛溲诖a中的小型黑洞比如因紋理單一導致特征點缺失產(chǎn)生的微小空洞。MORPH_OPEN開運算先腐蝕后膨脹??梢韵诖a邊緣小的凸起或毛刺使輪廓更平滑。內(nèi)核大小(5,5)是一個經(jīng)驗值可以根據(jù)圖像分辨率調(diào)整。太大可能會過度平滑損失細節(jié)。find_largest_inscribed_rectangle函數(shù)這里實現(xiàn)了一個近似方法。首先找到有效區(qū)域的最大輪廓然后計算其最小面積矩形這個矩形可以是旋轉(zhuǎn)的。最后取這個旋轉(zhuǎn)矩形的正外接矩形作為近似解。這個方法在大多數(shù)情況下能得到一個不錯的結(jié)果且計算量遠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。回退機制如果智能裁剪失敗如寬高為0則自動回退到簡單的矩形裁剪保證程序健壯性。5.3 策略三內(nèi)容感知填充高級對于追求完美矩形且不想丟失任何畫面的情況可以考慮使用圖像修復Inpainting或內(nèi)容感知填充技術(shù)來“猜”出黑邊區(qū)域應該是什么內(nèi)容。OpenCV提供了cv2.inpaint()函數(shù)但它更適合修復小區(qū)域的劃痕或斑點對于大面積的、邊界復雜的黑邊區(qū)域效果通常不理想會產(chǎn)生模糊或扭曲的紋理。更先進的方法是使用深度學習模型進行圖像外推或補全但這超出了本項目的范圍。一個實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擴展將圖像填充到目標尺寸。但這本質(zhì)上是一種有損的拉伸會改變圖像比例需謹慎使用。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: 圖像預處理縮放因子。 feature_type: 特征檢測器類型‘sift‘ or ‘orb‘。 ”“” print(“ Panorama Stitching Started ”) # 1. 讀取與預處理 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. 特征檢測與匹配 all_kp, all_des, good_matches detect_and_match_features(images_gray, feature_detectorfeature_type) # 3. 計算單應性矩陣 homographies compute_homography_and_align(all_kp, good_matches) # 4. 扭曲圖像到畫布 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. 實戰(zhàn)調(diào)試、常見問題與優(yōu)化技巧即使代碼邏輯正確在實際操作中你仍會遇到各種問題。下面是我在多次實踐中總結(jié)的常見“坑”及其解決方案。6.1 匹配失敗或匹配點過少癥狀good_matches數(shù)量很少比如少于10對或者計算出的單應性矩陣內(nèi)點比例極低。原因與排查圖像重疊區(qū)域不足這是最常見的原因。確保相鄰照片至少有30%-50%的重疊區(qū)域。拍攝時最好使用三腳架水平旋轉(zhuǎn)相機并保持一致的曝光。特征點太少場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特征有時反而能檢測到更穩(wěn)定的角點?;蛘呖梢試L試調(diào)整SIFT的參數(shù)如contrastThreshold降低以檢測更多低對比度點。光照或視角變化過大拍攝時光線突變或者相機有顯著的俯仰變化超出了單應性矩陣能描述的平面變換范圍。盡量保持拍攝條件穩(wěn)定。對于視角變化大的情況可能需要更復雜的模型如仿射變換或使用APAP等高級算法。誤匹配過多Ratio Test太嚴格嘗試適當提高ratio_test_thresh如從0.75調(diào)到0.8保留更多匹配點讓RANSAC去篩選。6.2 拼接結(jié)果出現(xiàn)重影或錯位癥狀圖像對齊了但重疊區(qū)域有模糊的重影或者物體邊緣沒有完全對齊。原因與解決方案單應性矩陣不準確雖然RANSAC能剔除誤匹配但如果內(nèi)點中仍存在系統(tǒng)性誤差比如所有匹配點都來自場景中的某個局部平面而其他部分不在同一平面就會導致矩陣對于整個圖像不準確??梢試L試使用更嚴格的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。累積誤差當拼接多張圖像如超過5張時每次配準的小誤差會累積起來導致首尾圖像無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。這是一個復雜的優(yōu)化過程旨在全局最小化所有匹配點的重投影誤差。OpenCV沒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模塊中的高級功能或者研究第三方庫如Photoscan的算法。融合算法不佳簡單的平均融合在曝光差異大的地方會產(chǎn)生“鬼影”??梢試L試更先進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模塊或者自己實現(xiàn)將圖像分解為拉普拉斯金字塔在不同頻段進行融合。增益補償Gain Compensation在融合前先估計并補償每張圖像的亮度差異。6.3 黑邊裁剪后畫面損失嚴重癥狀使用simple_crop后發(fā)現(xiàn)全景圖的四個角被切掉了重要內(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)域是否是一個連貫的、相對飽滿的形狀。如果掩碼有很多毛刺或空洞可以調(diào)整形態(tài)學操作的內(nèi)核大小或者嘗試先對原圖進行高斯模糊再閾值化使掩碼更平滑。手動定義ROI如果自動方法始終不滿意最后的手段是手動指定感興趣區(qū)域ROI。你可以用cv2.selectROI(panorama)交互式地選擇一個矩形區(qū)域然后進行裁剪。雖然不自動但能保證結(jié)果符合預期。6.4 性能優(yōu)化技巧處理高分辨率圖像或多張圖像時程序可能會很慢。降低分辨率resize_factor是最大的性能杠桿。將其設為0.25或0.3能極大加速特征檢測和匹配且對最終拼接質(zhì)量影響有限。限制特征點數(shù)量對于SIFT雖然不能直接限制數(shù)量但可以通過contrastThreshold和edgeThreshold參數(shù)間接控制。對于ORB可以直接設置nfeatures參數(shù)如2000。使用FLANN匹配器當特征點數(shù)量非常多時如10000BFMatcher暴力匹配會變慢。可以嘗試使用基于KD樹的FLANN匹配器它對于高維數(shù)據(jù)如SIFT的128維描述符更快。但需要注意FLANN需要額外設置參數(shù)且對于二值描述符如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)并行處理特征檢測和描述符計算是每張圖像獨立的任務可以嘗試使用Python的concurrent.futures庫進行多線程或多進程加速。6.5 讓拼接效果更好的拍攝建議算法再強也依賴于好的輸入素材。以下是一些實戰(zhàn)拍攝技巧使用三腳架保持相機水平旋轉(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的手動模式M檔或至少鎖定曝光避免自動模式下不同照片的亮度、色溫差異過大。對焦到無窮遠如果是風景將對焦點設為無窮遠確保整個場景清晰。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” )通過這個項目你不僅學會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、圖像融合這些計算機視覺核心概念在實際問題中的應用并掌握了處理“黑邊”這類工程難題的多種思路。在實際操作中多調(diào)試參數(shù)多觀察中間結(jié)果如匹配點可視化、掩碼圖像是解決問題的關(guān)鍵。希望這份詳盡的指南和代碼能成為你探索計算機視覺世界的一塊堅實跳板。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
欧美极品| 丰满人妻一区| 欧美性爱一区| 美女骚尻视频| 蜜桃av色偷偷av老熟女| 嫩草影院在线观看精品| 国产精品色| 欧美狠狠弄| 久热99999| 91综合熟女| 国产精品一区av在线| 人人操人人狠狠操| 一区二区首页| 亚洲,欧美,综合网| 中文字幕天堂在线| 日本岛国黄色网址| 亚洲清纯唯美| 亚洲无992tv| 欧美亚洲| 中文字幕 一区二区 亚洲无码| 亚洲激情天堂网| 亚洲另类色综合网站| 无码不卡亚洲成?人片| 三级特黄60分钟播放| 91色婷婷综合久久中文字幕二区| 日韩人体偷拍| 黄色工厂这里只有精品| 思思热免费在线视频| 久久久久久国产精品| 天天澡天天爽日日av| 99热在线只有精品| 人人 操人人 操人人| 亚洲激情久久| 在线电影亚洲色图| 精品午夜福利国产一区二区在线观看| 丝袜 亚洲 偷拍| 欧美青青视频| www.yeyecao| 五月天开心网| 久久啊啊| 亚洲aV性爱| 麻豆人妻少妇在线免费观看| 九九无码| 五月天综合在线| 久久久久921| 国产狂喷潮在线精品| 激情五月天网| 尤物视频偷拍免费| 秋霞午夜成人福利片片| 狼人久草| 97人妻人人躁人人玩人人| 久久亚洲中文字幕视频| 久久久一级| q2午夜理论片夜色av| 日日操免费视频| 国产激情视频在线观看| 国产精品久久久久久9999| a亚洲欧美色欲| 中文字幕在线观看视频www| 2017大香蕉国产精品久久| 天天综合97| 五月婷婷性爱| 久久久久久中文| 国产操伦| 久久偷偷色综合蜜桃| 黄色片一区二区三区四区五区| 九九热九九热| 亚洲毛片基地专区| 校园春色 男人天堂| 老司机福利社视频在线观看| 五月天偷拍| 中文精品少妇天堂| 国产 丝袜 欧美中文 另类| 欧美激情色婷婷花野真衣一区二区| 中文字幕丰满人妻日本| 高清不卡一二三区视频......| 欧美性色欧美| 色综合天天| 欧美高清91| 日韩精品一区的| 国产熟码AV| 久久‘黄片视频| 亚洲高清少妇| 久久香蕉综合一本到3atv| 中文字幕综合人妻| 1禁看欧美黄片免费看| 欧美伦乱爱| 无码国产Av| 超碰97最新人妻| 日韩激情小说一区二区| 久草成人影片| 东京热免费视频| 中文字幕黄色一起草| 欧美视频在线视频免费va| 夜夜爽夜夜摸夜夜操免费视频| 乱伦Av网| 国产日韩美女小穴视频网站不卡| 久久久中文| 熟女少妇视频| 中文字幕日产av人| 99老司机精品视频在线观看| 天天天堂影视日韩亚洲91| 九九综合久久| 2021国产成人精品久久| 中文幕97| 九九黄色视频在线观看| 亚洲欧美色图| 久久久久9久久久久| 欧美黑人极品高潮喷吹熟女黑人性暴力日韩在线欧美极品一区二区老师黑人潮喷一 | 伊人96在线| 大香网站| 欧美亚洲手机在线| 91国产大片| 国产h片在线观看视频| 久久中文字幕女同性恋一区| 一区二区日韩欧美久久| 2019精品国产无码成人| 人妻天天爽夜夜爽2| 激情综合五月婷婷| 超碰天天久久79| 中国一级操逼视频| 日本媚薬中文字幕在线| 亚洲精品天天影视综合网| 久久东京伊人一本到鬼色| 偷拍欧美亚洲| 日本一二区免费| 欧美性五月| 亚洲九九夜夜| 日韩欧美大片免费高清啪啪| 精品人妻伦一区二区三区久久| av资源在线播放天堂| 男人午夜天堂| 天天摸天天舔天天操| 强免费黄色网址| 日本欧美不卡| 日日噜噜夜夜久久亚洲一区二区 | 激激五月| 亚一综合久久久久久久久久| 操熟女91| 欧美激情色婷婷花野真衣一区二区| 中文字幕 国产区| 乱欲视频| 亚州色阁| 欧美色图天堂网m| 尤物国产一区在线观看| 17c嫩草51久久91嫩草| 天天色踪合| www.色婷婷| 亚洲va有码在线天堂| 夜夜嗨一区| 欧美另类自拍| 黄色AV影视| 91久久久亚洲| 国产区在线| 色欧美天天| 国内毛片婷婷六月色| 97亚洲在线| 极品白嫩美女白浆成人福利在线看| 9丨久久九九九| 国内操逼视频二区| 欧美在线播放aaaa| 国产精品免费日韩| 国产精品人妻无码久久久老鸭窝| 伊人国产AV| 99只有精品| 久久五月丁香| 欧美性爱一级操| aaa亚无码专区| 91bbbbbb| 超碰4A| 亚洲射综合网| 9久超碰| 澳门特级毛片免费观看| 无码乱人伦中文视频| 中文字幕三四五区| 快灬快灬 一下爽蜜桃在线观看 | 日日日日做夜夜夜夜无码| 亚洲欧美在线丝袜| 东京热伊久| 91/欧美| 97精品一二区| 天天肏美女| 伊人五月天| 韩国成人精品久久久免费看| 亚洲无码太久| 中文?日韩?免费?精品| 国产一区二区精品久久久不卡蜜臀| 国产精品乱码久久久久久久久久久久| 人人爽天天爽| 荡小穴在线观看| 九九九九国产| 欧美少妇色图| 51一区二区三区| 75大香蕉| 久久久久久亚洲精品中文字幕人妻| 欧美在线观看综合国产| 国产精品青草综合久久| 天天视频综合在线观看视频| 日韩人妻播放| 久久国内| 黄色片大香蕉| 久久精品三级影视| 亚洲AV无码成人精品久久| 中文字幕一二区二三区人妻专区| 久久精品中文字幕女同| 啊啊啊啊二区好大| 日韩丝袜高跟制服在线观看| 亚洲自拍一区夜夜操| 青苹果影院男人的天堂| 欧美老妇女内射网址| 日本一区二区三区欧美日韩中文字幕| 亚洲s在线观看| 国产一区二区三区中文字幕| 啊啊啊啊啊操我视频| 亚洲AV乱码专区国产噜噜亚洲| 色爽爽文学| 花野真衣| 亚洲人妻熟妇三十三区| 国产一区二区在线电影| 中国一区二区亚洲人妻| 国产一区二区欧美日本| 亚洲精品男人的天堂| 97色碰| 五月天婷婷基地| 婷婷五月天伊人| 成人五月香网在线| 中文字幕免费观看| 国产诱惑| 中国特猛少妇色xxx| 超碰97人妻| 日韩免费三级黄片电影| 久久夜黄色无码A级大片| 精品国产乱码久久久久久口爆网站| 女同性恋久久| 国产11页| 大香蕉宅男伊人| 亭亭在线资源| 色九月综合| 色九月综合| 国产精品熟女九九九| 国产精品3| 欧中美三级一区二区三区| 国产sv美女内射| 思思久热在线精品66| 国产乱伦性爱区| 久久精品国产亚洲AV高级北京| 日韩99精品视频综合区| 综合影视国产无码| 久久久久骚| 美美91成人国产精品欧美精品久久久久久久| 中文字幕女同在线| 91丰满| 日本高清免费一本视频在线观看| 午夜电影在线观看无码专区| 久久女人一区二区三区| 亭亭丁香激情| 啊啊啊好舒服视频在线观看| 亚洲资源吧| 欧美视频激情久久久久久| 精吧天堂| 男人天堂网站| 综合欧美日韩在线观看| 日本丝袜美腿人妻九九| 新精精品久久精品| 欧美超碰97| 无码逼| www.av在线观看| 18精品一区| 伊人久久亚洲色欲综合网站 | henhen91| 欧美不卡二区| 好湿好紧好爽 视频| 中文字幕第23区| 久久老熟女| 伦激情人妻另类人妻| 亚洲乱码尤物193YW| 国产九九久久久精品| 最新av在线| 熟女精品日韩一区二区三区| 97国产|免费| 欧美日韩*字幕一区| 操逼日韩无码| 后入式视频国产自| 国产亚洲深夜激情| 91xingse| 欧美激情内射| 欧美劲爆视频一区二区| 91中文精品日韩欧美在线 | 久久人妻无码毛片A片麻豆| 亚洲av青草久久一区二区| 十八禁视频网站| 中国小夫妻勾搭露脸淫荡对白| 欧在线一二区| 97色在线| 正宗无毛一线天嫩逼| 国产毛片久久久久久久| 涩爱AV在线| 亚洲图片另类| 狠狠久久亚洲欧美专区| 少妇二级| 日夜精品| 五月天综合| 综合熟妇一区二区三区| 国产精品视频精品一二| 亚洲一二三四区在线免费看视频| 欧美激情性久久久久久| 日韩影片中文字幕一区二区三区| 欧美人妻少妇| 人人乐大香蕉| 日韩国产精品人妻无码久久久| 99婷婷| 天美久久久久| 日韩成人网址| 91中文字幕制服丝袜免费视频| 日本午夜福利影院| 蜜臀AV一区二区三区| 国产成人无码网站在线视频| 中文字幕免费在线观看| 亚洲欧美日韩综合在线尤物 | renqi久久久久久久久久久久| 精品久久久一本一道| 青娱乐黄色录像| 久久久国产成人一区二区三区在线 | 国产2.3.4区| 俺去俺来也在线www| 人妻少妇久久| 无套内射性感少妇视频| 亚洲黄色| 女人的久久久| 99久久精品无码一区二区毛片免费 | 国产专区路线| 激情抓乳插进去啪啪啪日韩| 欧美日韩国产人人| 中文字幕亚韩| 亚洲猛交| 欧美日韩国产成人高清| 三级网站超变态精品| 久久精品福利影院| 亚洲综合性网址| 中文操嬖片。| 亚洲丝袜少妇在线| 99re6国产精品99re在线| 亚洲av性爱电影| 久久久久久91香蕉国产| 丰满岳乱妇一区二区三区| 内射卯月麻衣| 小泽玛利亚一二三| 色哟哟 日韩精品| 国产精品网站www| 久久久久久69国产一区二区| 欧美淫乱视频| 久久久久成人蜜桃精品| 日韩免费av片高清无码| 日本熟妇精品九九| 99超级碰免费视频| 色欲天天综合久久久无码网中文| 在线综合 亚洲 欧美中文字幕| 成人自拍三级在线观看| 丁香五月综合| 成人毛片免费| 97超碰欧美手机在线| 99婷婷| 亚洲国产精品无码AV久久久| 伊人嫩草| 久久久久久久久久久人妻| 午夜亚洲国产理论秋霞| 91无码人妻精品一区二区三区蜜桃 | 大香蕉乱级| 狠狠97| 花野真衣| 亚洲欧美在线观看2021| 亚洲巨爆乳一区二区三区四季网| 校园春色宗合网| 99在线免费视频| 蜜乳视频网站| 国产精选视频| 亚洲情色在线| 婷婷综合网| 综合亚洲欧美精品日韩?v| Aa东京男人的天堂| 成人性爱av| 亚洲综人网| 欧美熟妇精品黑人巨大一二三区| 国产精品成人蜜臀AV在线| 狠狠爱大香蕉| 免费草草草草草视频| 国产一区二区三区中文字幕| 国产 亚洲 丝袜 制服| 黄骗免费网站| 99这里只有精品| 久久九九一区二区三区成人| 九热视频| 亚洲成a人在线观看久| 亚洲黑人在线| 日韩精品亚洲一二三| 丰满精品人妻少妇久久字幕| 蜜桃色色网站视频三区| 麻豆啪啪啪视频| 日韩强奸av| 日本欧美不卡| 亚洲图片欧美另类综合免费视频大大香| 日韩偷拍色图| 91Chinese在线| 综合操逼| 操91| 天天综合网91入口| 青青草九九九九九| 亚洲人妻av| 91c色| 青娱乐999| 伊色久人大在线| 茄子社区国产精品| 日韩精品人妻中文字有码在线| 精品国产乱码久久久久久影片| 亚洲成人性爱在线观看| 91在线视频免费播放| 韩国三级一线观看久| 97se亚洲综合自| 精品一区二区久久| 欧美人人天天网| 91成人在线| 精品夜夜澡人妻无码| 欧美在线啊啊| 1024精品在线| 天天摸天天操视频| 疯操AV| 青青草日韩免费观看高清在线| 欧美午夜色妇色鬼| 亚洲欧美中日韩| 婷婷香蕉欧美在线一区二区三区| 涩五月婷婷| 无码少妇精品一区二区60岁老人| 色婷婷九月天天综合| 天天搞在线综合网| 99久久婷婷丁香| 国产日产精品久久快鸭的功能介绍| 91免费看一区二区三区| 日韩免费a级毛片无码a∨| 日韩综合色图| 亚洲精品久久久久毛片A片拉屎| 操熟女91| 精品无码久久久久久久久果冻糖心| 东京热毛片177b2viP| 阿姨一区二区免费视频-高清正片西瓜视频下载app-T450AV | 超碰在线人妻| 婷婷综合在线| 欧美激情综合| www.狠狠干.coom | dy888午夜老子影视达达兔| 91色花堂| 成·人免费午夜在线观看| 亚洲se91| 欧美性爱第1 页| 懂色Av| 亚洲**2021在线观看| 人妻天天爽天天爽三区| 中英熟女操女| 人人操人人摸人人看人人插| 日本东京热加勒比久久| 日韩av一级黄片| 性爱1区| 欧美日韩国产在线| 日产国产精品中文久久婷婷| 宗合情欲网| 一区二区视频你懂的| 欧美色图人妻| 国产久久天堂资源| 亚洲麻豆av一区二区| 天天操夜夜嗨| 欧美人妻久久精品二区三区 | 国产乱码精品一区二区三区四川| 强奸乱伦动态污图免费 | 大香蕉99re| 免费视频一二三区| 亚洲97成人在线观看| 国产高清精品一区二区三区毛片 | 欧美网站免费| 花野真衣| 亚洲少妇色图自慰直播| 尤物视频偷拍免费| 欧美日韩亚洲天堂| 国产亚洲色停停久久99精品91| 无码高清少妇久久| 亚州AV无码国产精品| 亚洲夜夜欢无码一区二区 | 国产精品免费久久久久久久久久| 日本成人免费一区二区三区| 亚洲国产一级精品毛一级精品看免费视频| 717影院理论午夜伦八戒| 欧苏综合色综合| 中国少妇XXXX做受| 国产CHASE男男GAYGA 毛多色婷婷| 伊人久久婷婷| 久久111| 成人精品水蜜桃久久久久久久| 久热这里只有精品9| 国产真实子伦对白| 亚洲少妇综合在线播放| 亚洲宅男天堂| 亚洲综合射| 大香蕉中文在线| 精品久久久久久中文字幕三区| 国产女性无套 免费观看| 少妇 综合| 欧美 亚洲 另类 综合| 嗯嗯不要 视频| 久久这里只精品免费福利| 在线无码操| 久久本道| 婷婷五月成人| 伊人久久大香线综合无码| 亚洲精品 欧美97色色| 国产丝袜美女在线一区| www.婷婷| 伊人 俄罗斯 a v| 日本不卡在线二区三区| 日本国产高清色www视频在线| 999在线电影香蕉| 秋霞鲁丝午夜无码一区二区三| 久久这里只| 亚洲一级性爱视频免费看| 日韩欧美女优电影| 亚洲男人天堂2| 久久久精品中文字幕爱豆| 99在线精品观看99| 加勒比东京热五月天天堂网| 中国一级αV| 亚洲欧洲国产综合av| 97这里都是精品| 超碰在线91| 操逼操逼视频操逼| 97硬碰| 夜夜爽夜夜操| 亚洲色图欧美视频| 好屌色综合| 搡老熟女免费视频| 欧美高清18A片| 91久久久久久久| 欧美色图人妻| 亚洲成aⅴ人片不卡无码| 最新欧洲欧美日本激情网站| 久操视频在线| 亚洲日韩美国人妻| 97久久久精品| 亚洲春色一区二区三区| 又黑又大又粗| 伦理第一页| 国产精品亚洲一区二区三区四区| 97这里只精品| 十八禁视频一区二区| 亚洲情色第一页| 精品女同一区二区三区| 热99这里只有精品| 我爱搞逼综合网| 欧美午夜视频免费观看| 亚洲永久永久永久永久一级一级一级精品 | 久久机热| 中日韩欧美精品无码AⅤ一区二区| 九九热这里只有在线精品视 伊人草 成人菠萝蜜视频在线观看 | 色噜噜人妻丝袜AV资源| AⅤ片水多多| 97超碰69| 日韩性爱长视频免费| 九九在线视频| 一本色道久久综合精品婷婷| 成人在线视频网| 夜夜国自区| 亚洲制服欧美另类内射| 乱操9999| 精品一区二区成人动漫| 亚洲成人帖图| 97人人操人人干| 国产精品另类一区大香蕉| 嫖老熟女A片一二三区| 超碰是碰在线观看| 婷婷激情四射| 九色97| 加勒比综合网| 口爆欧美91| 91人妻最真实刺激绿帽| 熟妇高潮精品一区二区三区下载| 国产精品无码av在线| 久久综合久色欧美综合狠狠 | 亚洲高清91| 最新欧美色网| 日韩性爱一级片| 黄网站黄视频网站进入口| 国产日韩色综合| yy少妇精品久久| 东亚亚洲无码高清| 中文字幕一区二区三区人妻不卡| 丁香五月激情网| 日韩精品人妻| 美國A片| 天天操熟妇| 婷婷激情五月| 国产综合日韩伦理| 九九九九九用不成了| HEYZO高无码国产精品227| 精品国产乱码久久久久久久| 性色一线| 影音先锋新男人| 97超碰色中文字幕| 亚洲丝袜二区| 强奸乱伦AV网址| 校园春色家庭伦理欧美激情| 国产亚洲99久久精品| 亚洲美女AV无码| 精品美女少妇一区二区三区| 色综合尤物| 欧美亚洲激情| 欧美精品三区| 日本人妻A片成人免费看片| 超碰人妻久久人妻中文97| 美女极品一区二区三区| 大香蕉淫人| 神马久久久久久久久久| 日本国产成人亚洲精品无码| 国产美女高潮| 国产乱子伦一区二区三区免看| AV中文在线| 精品亚洲一区在线观看| 激情文学亚洲| 一区二区三区日韩欧美| 在线观看日韩av不卡| 中文久久| 99re在线视频这里只有精品| 人妻久热在线| 手机在线人成免费视频| 久久人| 亚爽爽爽爽爽爽爽爽| 欧美日综合| 日本人妻伦在线中文字幕| 中文字幕二区| 亚洲欧美精品国产一区二区| 超碰在线综合97| 精品大久久| www网站黄| 亚洲无码视频免费在线观看网址!| 骚逼自拍99| 四虎影视在线| 欧美精品99久久久**| 九九九999久久久网站| 国产亚洲欧洲在线观看| 91丨九色丨东北熟女| 成人26uuu| 欧美色97| 亚洲色图 图片| 嗯嗯嗯嗯啊啊啊好紧好大| 夜嗨影院| 激情五月综合开心五月| 无人区高清电影免费观看一区二区三 www.qmcai2.com | 在线97在线| 99热免费| 无码高清专| 男女啪啪啪18禁网站| 欧美人妻一区二区| 俺去久久| 国产精品99久久久www| 国产精品高潮呻吟av久久4虎| 青娱乐 青青青操 日逼| 爱啪精品一区| 91亚洲不卡一区| 日韩免费性爱视频在线观看| 午夜无遮挡男女啪啪视频| 五月天婷婷社区| av东京热男人的天堂| 美女黄页| 91视频国品一二三区| 99精品久久久久久久婷婷| 思思热在线视频免费| 亚洲日韩精品一区二区| 日日日日做夜夜夜夜做无码97| 国产精品 午夜福利| 中出91| 六十路日本| 啪啪AV导航| 岛国片在线播放| 日韩无码极品| 一区二区三区不卡视频| 久9爱精品| 久久人妻一区二区三区高清| 伊人991| 久久亚洲影院一区二区| 九九成人视频| 酒色综合网| 清纯唯美综合亚洲| 97资源免费视频| 久久精品亚洲东京热色播| 伊人久久大香大香线蕉中文| 国产亚洲中文不卡二区| 色天使亚洲综合在线观看| 国产在线综合网| 日日夜夜精品视频| 91综合站| 青青在线视频日韩欧美| 日本不卡一二区| 超碰97国产欧美| 日韩欧美三级| 91狠狠综合久久| 亚洲欧美97√| 好爽视频在线观看| 丝袜 中出 制服 人妻 美腿 中文字幕| 国产视频第2页| 校园春色宗合网| 夜夜 中文视频rt| 97超碰中文| 亚洲天天影视色综合| 色悠久久久av| 亚洲男人天堂2016| 四虎AV无码| 久久久久久久久久久久久9999| 视频在线观看一二三区| 色一射色一射| 国产精品 午夜福利| 97香蕉人人乳| 日本天天干天天搞一区| 97精品国产精品免费观看| 亚洲各类熟们中文字幕| 免费毛片在线播放| 狠狠干综合| 好吊妞转入那个网| 色婷婷99| 中文字幕日产av人| 97色欧州| 超碰97在线色男人??| 东京热av男人的天堂| 91性| 99热这里只有精品1| 深夜国产福利| 青春草莓视频在线观看网址| 国产精品原创巨作?v网站| 在线观看无码三级少妇| 日韩性爱电影一区| 中文字幕在线日亚洲9| 欧美色五月| 嗯啊啊啊轻点视频| 伊人一区二区三区| 老色鬼成人精品视频下载大在线观看| 久超碰这里只有精品| 国产精品久久泡妞网站| 一区二区三区国产在线播放| 免费黄色片。| 日本123区操B视频| 97综合在线| 男人天堂站| 91热情品| 中文字幕熟女人妻丝袜丝| 丰满人妻一区二区三区| 精品国产无码中文| 久久久激情| 人妻在线中出视频| 男人的天堂无码| 久久精品超碰| 欧美1区二区三区公司| 最新日产中文在线麻豆| 国产在线综合网| 3P乱轮视频| 日本三级韩三级99久久| 日韩精品99久久久久久中文字幕 | 人澡逼| 我想要 啊 啊 啊| 两女互慰AV高潮喷水在线观看| 久久九九国产精品| 国产日本熟女顶级一区二区三区视频| 情色五月天久久久| 久久婷婷一区| 青娱乐淫乱1314| AV免费在线播放一区| 日本熟妇熟色97一本在线观看| 久久久久久中文版| 97超碰公开| 被男人吃奶很爽的毛片| 欧美一区二区亚洲天堂| 色91综合网| 黑白配性爱AV成| 欧美成人A√在线一区二区| 日韩精品在线观看网站| 嗯嗯啊啊亚欧精品| 91粉芽高清在线一区二区| 国产青视频| 亚洲色图A| 操逼操逼视频操逼| 91女在线观看| 国产9熟妇视频网站| 成人一道本免费视频| 久久久久久久人妻| 亚洲精品一卡二卡三卡福利视频网站| 日日摸天天爽夜夜欢| 99热99在线播放激情| 中文字幕在线观看AV| 少妇高潮九九九九九九九| 十八禁av无码免费网站APP| 五月天婷婷综合网| 欧美在线综合| 成人五级久久| 精品四五区| 亚洲欧美日韩电影网站一区 | 中文字幕精品亚洲熟女| 欧州一区二区三区四区| 日韩有码一区三区| 综合性视频99| 波多野42部无码喷潮在线观看| 九九伊人网| 亚洲AV色图一区| 亚洲欧洲av影音| 日韩AC| 香蕉免费一区二区三区不读| 中文字幕在线免费观看2| 精品色色| 欧美激情五月天| 人妻熟妇一区二区三区| 99久久精品无码一区二区| 青娱乐蜜桃臀AV色婷| aa片毛片| 98一区二区精品| 欧美丝袜91| 日本三级韩三级99久久| 九九九九免费高| 岛国毛片在线观看免费| 青青草精玖玖69精品| 亚洲九九九| 人妻天天操天天爽视频免费| 91欧美网| 东京热亚洲一区二区| 一二三四区电影| 睡产熟女乱伦| 欧美黑人91| 免费精品人妻一区二区三| 欧美制服网站美腿丝袜| 97国产精品一区| 日韩激情中文字幕有码| 自拍视频大全亚洲专媒视频/一区二区三区 | 超碰国产精品无码| 九九热超碰97亚洲最新香蕉 | Julia Annxxxxx| 久久黄色性爱视频| 国产亚洲日本| 国产精品一区二区三区,亚洲综合| 国产精品视频播放| 亚州免费啪啪视频| 国产一区二区三区,在线观看观看| 智利AV在线网| 久久av一级av少妇av高潮| 欧美色图 人妻| 欧美日本中字另类在线| 91N综合网在线| 亚洲美女自拍偷拍视频| 夜夜国自区| 日本 欧美 国产一区| 99热在线只有精品| 清柠毛片| 97视频网站| 97超碰色屌| 一级日本牲交大片好爽在线看| 热久日综合| 欧美亚洲色图另类国产| 亚洲麻豆18发?| 91人妻尻屄视频| 国产成人五月天丁香花| 麻豆天美电影一区二区| 大象AV在线| 五月天久久婷婷亚洲 | 91精品婷婷国产综合久久竹菊| 亚洲精品xxx| 免费97视频| 久色网| 色汉综合| 大香蕉啪啪啪啪在线| 一级久久久久久久久久久| 啊啊啊操死我了| 久久久九97| 欧美 精品国产制服第一页| 欧美性爱一区二区三区四区| 国产一区在线观看无码AV | 狠狠操,使劲操| 亚洲美女 晚间男人天堂 | 麻豆视频国产一区二区| 欧美视频边做饭边橾| 欧美综合色图网| 综合日本女人伊人| 国产精品成人无码a v毛片| 97超色| 另类图片五月| 国产大陆天天艹| 香蕉精品二区二区| 成人日韩中文字幕| 极品尤物自安慰| 亚洲资源站| 国产乱弄免费在线视频。| 亚洲一区二区性爱电影| 激情婷婷黑人91| 免费农村成人少妇人妻Aa一区二区视频| 中文字幕乱在线伦视频中文字幕乱码在线 | 久久久久成人亚洲国产| 国产精品96| 美女黑人91神马| 久久性爱视频| 日韩欧美午夜一区二区| 成年在线视频日本亚洲在线视频区精品江靖宇公司 | 操人妻逼91| 国产精品一二三在线看| 中国特猛少妇色xxx| 91色图片| 欧美91变态| 美女主播色欲91抠b在线播放| 亚洲精品一二区| 97色操| 操逼精品视频| 五月婷婷丁香六月| 中文字幕一区二区三区高清| 久久香蕉国产线看观看亚洲女人 | 精品国产国产AV| 激情综合五月丁香| 免费观看国产不卡av| 91 丝袜在线播放| 亚洲色图 图片| 99热亚洲天堂| 黄色欧美性爱视频| 国产不良强奸视频免费看| 伊人9| 色诱中文字幕| 九九热精品视频在线观看| 2017人人操,人人摸| 诱惑网综合| 91熟女.com| 一区二区影院| 亚洲国产一级黄色视频| 老熟女阿 国产91| 成熟熟女国产精品一区二区| 成人在线视频二区| 91啪啪视频| 日va操| 三级日韩一区二区三区| 亚洲中文字幕熟女少妇一区二区| 乱久久久| 欧美亚洲影视| 婷婷六月天| 亚洲欧洲网站免费观看| 国产成人一级av88| 国产精品一区二区a| 久久久夜夜夜| 后入福利| 欧美日韩人妻少妇 一区二区三区| 69综合网| 97爱免费插| 五月天婷婷成人网| 亚欧性爱ab| 99精品欧美一区二区三区桃色| 成年人网站在线免费观看| 96久久久久久久| 亚洲中文字幕久久无码精品| 啊啊啊好舒服视频在线观看| 男人天堂日日夜夜| 国产视频一区二区三区久久亚洲天堂| 啪啪综合网| 丰满人妻大屁一区二区| 日本丝袜人妻内射| 国产中文大片资源中文字幕 | 中文字幕av久久爽Av| 精品久久久亚洲AV成人网站| 97超碰影音| 加勒比AV天堂| 日韩啪啪啪视频| 啊啊啊在线观看免费视频| 国产夫妻一区二区| 欧美日日网| 一色网男人的天堂| 婷婷AV一区二区三区| 自拍大香蕉乱插| 欧洲一级性爱视频在线观看| 成人七区| 美女写真| 91动漫操逼视频| 人人人人插| 日韩色欲久久一二三四区| 中文字幕日韩专区精品系列| 岛国免费视频在线| 久久欲| 国产 亚洲 一二三四| 久久久久久国产成人| 一本色道无码DVD中文字幕| 欧美高清18A片| 乱伦熟女专区| 91大神精品长腿在线观看网站| 蜜乳AV免费观看| 1000部熟女视频在线观看| 男女啪啪网站免费视频| 中文字幕人妻资源在线| 三男一女不戴套的A片| 国产精品久久天天干| 国产亚洲精品美女久久久| 日本欧美韩国国产在线| 北约熟女超碰| 国产91啪| 国产精品自在线发布| 综合色欧美| 丰满人妻一区二区三区免费| 狠狠91| 在线观看一级α片刺激高潮视频| 人妻二区| 久操网线| 国产久久久久久久久一区二区| 久久精品性| 鲁鲁色综合网| 欧美在线视频99| 91精品国产综合久久久蜜臀| 欧美 亚洲 大香| 日日夜夜国产综合| 久久久久久久六六| 日韩BBN| 96麻豆精品一区二区三区| 一级毛片电影免费看| 国产欧美精选自拍一区| 福利在线观看一区二区| 国产亚洲在线| 超碰亚洲欧美日韩无| 密臀视频一区二区三区| 久久久久久九九九九九九| 久久久无码精品人妻二区| 日韩一二三区| 欧洲亚洲国产综合在线| 温婉少妇玩3p| 久久久久久国产精品| 性色高清在线| 97精品97久久| 性色综合网| 日韩精品中文字幕人妻| 一本一道vs波多野结衣| 大香樵伊人网| 91欧美偷拍| 国产熟女自拍| 久久深夜无码| 中文字幕欧美日本乱码一线二线| 亚洲se91| 久操网无码在线| 新版天堂中文资源8在线| 性色乱AV一区二区| 亚洲色图第一页| 男人的天堂va| 中文字幕亚洲永久精品| 狠狠干,狠狠操| oumeisetupian| 欧美啪啪天堂| www久久国产精品| 强奸乱伦大香蕉网| 免费视频在线观看啊啊啊啊啊| 久久熟女久| 99久草| 日韩精品人妻一| 久久精品一区二区三区不卡| 欧美日韩国产男人| 少妇三p| 国产精品视频麻豆入口| 日本九九九九| 热久日综合| 欧美天天弄| 午夜一区二区三区国产| 国模精品一区二区三区苹果色戒| 丁香五月偷拍| 97亚洲欧美日韩| 屁股久久久久久| 欧美亚洲日本视频久久久| 久久熟女人| 色欲久久99精品久久| 免费福利视频中文字幕| 六月丁香网| 蜜臀av中文字幕| 国产无码久久高清| 人人操人人狠狠操| 操亚州| WWW.操逼.COM| 国产综合久久久麻桃个| 国产 亚洲 丝袜 制服| 欧美久久毛片基地| 91热热色| 亚洲五码一区二区三区| 六月丁操逼| 天天干18禁| 久久久 国产精品| 久热久操| 91久久久亚洲| 久久麻豆一区二区| 人妖欧美一区二区| 国产日韩精品suv| 色色色综合网| 亚洲激情深爱文学小说网站| 大色综合| 欧洲色色| 超碰久久.com| 懂色AV蜜臀无码精品APP| 欧美激情片一区二区| 日本影视久久免费| 男人的天堂2010| 日日骚av| 99热只有这里有精品| 国产精品久久久久久久久久久久久久久| 综合夜夜| 日本欧美韩国日产片片在线看免| 亚州,欧美在线| 操逼操逼逼操操逼91 | 国产剧情在线| 国产大学生高潮在线播放| 啊啊啊啊啊好舒服视频| 国产精品亚洲天堂网址| 嗯嗯嗯不要不要免费视频| 国产精品久久| 久久精精区一区二区一蜜桃一区二区| 欧美成人精品一区二区男人蜜臀| 91女在线观看| 成人无码专区精品视频| 91爱剪切久久| 91chinese在线| 97超碰公开| 青娱乐久久艹| 蜜臀久久99'精品久久久| 国产精品999zyz| 亚洲 欧美 中文 日韩超碰| 日韩有码专区| 69精品少妇一区二区三区蜜桃| 超碰久超碰久| 91超碰人人操| 东京热,男人的天堂| 97人妻碰碰中文无码久热丝袜| 青青草女人天天干| 日韩乱插| 精品在线78| 日韩午夜精品一区二区三区电影| 国产后入清纯| 亚洲熟女中文字幕在线| 久久精品国产97欧美精品亚洲 | 淫荡网址| 嗯嗯啊啊操死我| 好色综合| 综合激情97| 国产51色综合久久免费| 91女优在线观看 | 人妻偷拍一区二区三区| 青青草吊丝| 国内精品a| 偷拍综合亚洲| 老司机射| 97久久超碰日韩精品| 亚洲不卡AV在线| 被操高清无码视频| 五月天久久婷婷亚洲 | 中文字幕一区 二 区 三 四 五 区日 日 骚| 人妻蜜桃臀| 自拍丝袜美腿人妻| 色操逼网| 亚州欧美综合| 国产在线视视频有精品| 乱人乱色一区二区三区免费| 99视频内射三四| 国产91 丝袜在线播放00-百度| 成人五月香网在线| 久久久97| 99亚洲人人| 国产精品久久成人免费| 男人天堂新|