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
狠狠色综合久久| 婷婷午夜| 免费97碰碰| 久色激情| 色婷婷丁香五月| 大香蕉AV在线| 综合激情综合啪啪| 伊人久久大香线蕉AV最新午夜| 婷婷爱五月天人人爱| 婷婷免费视频| 成人视屏在线观看| 婷婷五月天伦理| 欧美三9久九观看| 五月婷婷丁香色播网| 91操在线| 中文av网站| 丁香六月天| 九九这里只这里只有精品| 夜夜操狠狠操| 这里只有精品视频免费在线观看| 九色91美女| 五月激情婷婷在线| 久久久精品色色色| 亚洲激情综合| 9色天堂| 五月婷婷激情综合网 | 丁香美女五月天婷婷| 色婷婷四色| 婷婷色五月激情强奸四射| 妇激情基地| 伊人无码高清| 日韩aaaaa| 久久99精品久久久久久噜噜| 欧洲色区| 操逼视频一区| 中文网av| 欧美婷婷六月丁香综合色| 五月丁香婷婷成人网| 激情五月丁香五月| www.99热国产| 色色色五月婷| 五月天丁香啪啪网| 亚洲精品午夜国产va久久成人| WWW五月天| 狠狠色中色| 日本色99| 丁香色综合| 色色免费网站| 亚洲视频另类| 国精产品一区一区三区免费视频| 久超超碰| 五月天激情av| 丁香六月婷婷综合色| 啪啪五月婷婷| 色欲一区二区三区精品A片| 99精品视频在线观看| 丁香六月在线综合| 99这里只有精品| 一区二区中文字幕| ji'qing'luan'ren'lun| 91日视频| 香蕉中文在线| 开心五月深爱婷婷| www.久99| 天天操天天谢| 国产精品久久久久久亚洲毛片| 色呦呦美女| 亚洲 六月 综合| 丁香五月婷婷啪啪| 永久的网站AAAA| 婷婷五月花| 丁香五月婷婷国产av| 99国产er热视频| 天天日天天色| 天久久久久| 操操操操操电影网| 91 九色大美女| 婷婷久久欧美| 99热8| 欧洲S级在线观看| 狠狠色噜噜狠狠| 人妻丰满精品一区二区A片| 97人人做| 91seav| 综合色影院| 99热成人在线观看| 激情婷婷99| 五月丁香色婷婷基地| 狠狠综合网| 婷婷色九月| 婷婷激情综合| 大香蕉狠狠爱主页| 人人干女人| 婷色综合| 人妻啪啪啪| 97碰碰草| 日韩aaa| 97超级免费无码| 伊人五月网| 少妇人妻人伦A片| 日本老女人黄页在线播放| 超碰97干| 久久色情| 五月婷丁香| 男人的天堂999| 五月婷婷啪啪| 久久99激情| 伊人色综合网| 婷婷综合网伊人| 中国女人内射6XXXXX| 凹凸7777操操操| 丁香五月天色婷婷| 五月丁香六月婷婷免费| 67194线路二在线观看| 伊人婷婷五月| 婷婷综合在线网| 成人综合伍月天| 99五丁香月| 色色色色色色色色色色色色色色,网站| 色九四色| 天天做天天爱天天高潮| 久草天堂| 国产69久久久欧美黑人A片| 五月激情精品视频| 久99婷婷色综合| 俺也去综合| 欧美三级韩国三级日本三斤| 日本婷色| 综合97五月| 五月香婷婷| 久热这里这里有精品| 色情综合| 天天爽夜夜爽夜爽精品| 另类视屏| 色婷视频| 欧美人人草| 综合 蜜月 婷婷| 狠狠干综合| 五月天久久www| 婷婷金品综合视频| 亚洲色色精品| 婷婷操久久| 久久综合中文| 丁香五月婷婷精品视频| 亚洲人妻电影| 九月丁香婷婷| 激情五月天激情小说| 成人在线视频一区| 91操碰| www.sezonghe| 久久综合丁香| 成人美女网| 日韩在线五月天婷婷| 国产无人区大片| 色色色图| 日韩在线五月天婷婷| 99日精品视频| 欧美丰满熟妇BBB久久久| 五月天婷婷高清无码| 天天操精品| 色五月婷婷中文字幕| 色婷婷欧美在线| 26uuu色五月| 精品女人九九九| 深爱五月婷婷开心中文字幕| av一区免费看| 久色| 色综合五月| 超碰碰碰碰| 亚洲愉拍99热成人精品| 99riAV国产精品视频| 熟女婷婷网站一婷婷五月一丁香婷婷一婷婷激情网 | 俺去也综合| 九九黄色网| 欧美特大片黄| 97福利视频| 青娱乐美女福利视频美臀| 玖色色综合| se99视频| 99在线观看精品视频| 五月婷婷色| 色五月婷婷7777| 人人摸人人干| 亚洲狠狠狠| 久9热在线视频| 五月丁香婷婷五月色| 丁香五月人妻| 国产精品久久7777777精品无码| 噜噜操操| 97人人操人人拍| 超碰在线91| 五月丁香六月婷婷视频| 色色影院aaaav| 亚洲精品成人片在线播| 五月网站| 色五月激情五月天| 性热视频99精品| 丁香婷五月天| 五月丁香网视频| 丁香婷婷五月天成人| 狠狠干无码| 亚洲色色香蕉| 天天艹天天色| 伊人五月婷婷| 久久曰曰| 国产成人在线不卡AV| 95精品区一区二| 婷婷五月天成人网| 久久色五月天| 丁香五月婷婷激情蜜桃| 五月婷婷免费视频| 婷婷色色狠狠| 免费黄色视频网址| 日熟女| 噢美99| www.色五月| 五月天天天天天天天天天天天婷婷婷| 色丁香五月婷婷在线| 九月丁香婷婷综合激情| 九九99在线免费在线观看视频| 狠狠色大香蕉| 五月婷av| 丁香五月欧美色综合| 九九视频免费| 丁香五月激情婷婷视频| www色婷婷| 射区导航| 亚洲一区二区无遮挡A片| 字幕网AV中文字幕| 99国产精品久久久久久久久久久| 五月天激情小说网| 五月天狠狠| 国产精品视频免费看| 色色色色色色综合| 亚洲综合婷婷五月| 五月丁香久久综合精品| 人妻五月天激情开心网| 天天操天天操综合| 丁香五月婷婷动漫| 欧美性猛交99久久久久99按摩| 99热伊人| 久久九九99| 欧美色色色色色色| 天天综合精品| 五月婷婷啪啪| 日日干日日| 五月丁香人妻| 狠狠色噜噜狠狠狠888| av中文网站| 狠狠人妻久久久久久综合丁香| 性爱AV天堂| 久草大| 亚洲AV网址| 99色免费在线观看| 激情久久综合网| 成人 AV播放| 欧美A A A A A| 操碰色一区就去操| 1024成人免费看| 六月五月天婷婷涩播在线| 色色色综合| 五月丁香婷婷综合| 91久久久久久久久久18| 日操夜操天天操不卡| 亚洲综合五月天婷婷| 国产91资源在线| 性欧美大战久久久久久久83| 沈娜娜av| 天天综合久久| 久久99婷婷| 激情久久久久久| 色婷婷伊人| 久久久99久久| 怕怕av| 天天日人人| 6月丁香婷婷激情| 天天在线久久综合 | 久cao香蕉影院| 激情九月婷婷九月| 久久99久久久久久久噜噜| www亚洲无码| 亚洲热久| 99ri在线| 人人舔人人色人人高潮| 亚洲激情免费视频| 先锋资源婷婷| 九九热免费视频| 丁香久久| 91碰操| 99久久久久久久| 亚洲一区二区无遮挡A片| 超碰在线国产9| 女人露出p毛视频www网站| 熟女激情网| www婷婷色情网| 精品久久久久久久人妻| 久久婷婷五月综合激情国产| 色噜噜狠狠一区二区三区| www超碰| 国产肥白大熟妇BBBB视频| 99婷婷综合| 日韩美女在线视频19| 五月天久久综合| 狠狠大香婷婷爱| 亚洲看av的网站| 婷婷爱五月天人人爱| 99热这里只有精品在线观看| 色婷婷小说| 色婷婷五月综合| 黃色三级三级三级三级 qixing300.shrkbk.com www.jinbozs.com tianmiaosw.com | 成人婷婷桔色| 深爱五月激情| 亚洲热视频| 天天碰夜夜操| 97热在线精品| 亚洲第精品| 婷婷伊人五月天| 久热黄色| 天天日天天久久青青| 婷婷中文网站| 国产日韩欧美性生活| 色丁香五月天婷婷| 欧美婷婷综合| 亚洲最大视频网站| 丁香午月AV中文字幕| 色五月婷婷DVD| 亚洲碰碰碰| 婷婷色网| 亚洲婷婷婷| 99激情视频热| 国产三级片91| 真实的国产乱XXXX在线91| 综合性爱网| Av性爱网| 99riAV国产精品视频| 精品无码久久久久久久久| 色色色色色色五月婷婷| 婷婷丁香第一页| 性爱久久| 99天天操夜夜操| 激情综合网五月丁香| 婷婷中文字幕版| 99riAv1国产在线观看| 野战J办公桌椅H| 午夜丁香综合婷婷| 丁香六月毛片| 亚洲免费婷婷| 天啪色| 色婷婷视频| 99久在线精品99re5热视频| 黄桃AV无码免费一区二区三区| 青青草Avb在线| 丁香五月天激情五月天激情五月天激情网| 日本色99| 《蜘蛛女》梁铮1995| 久久婷五月| 亚洲人人操| 69午夜成人影片| 婷婷五月电影| 在线sebiav精品视频| 再綫Av免费視品| 五月丁香影院| 午夜激情四射影院| 一个色的综合| 色色网站| 色五月婷婷操逼| 性色99| 亚洲激情av| 九九综舍久久| 婷婷丁香五月高清| 日韩人妻AV在线| 九九热a| 亚洲热综合| 无码 av电影| 日韩成人免费电影| 五月综合激情| 丁香久久久| 青青草六月丁香| 99爱视频在线观看| 激情丁香社区| 99热综合在线| 秋霞AV美国| 国产一二三四五六七八视频| 性无码专区无码| 综合网色| 97操操操| 丁香五月综合激情性爱| 婷婷五月天开心网| 丁香婷婷五月天成人| 天天插天天很| 粉嫩AV久久一区二区三区| 亚洲A片成人无码久久精品青桔| av久热| 丁香六月激情综合| 婷婷伊人视婷婷婷| 五月婷亚洲精品| 万月丁香狠狠爱| 熟女婷婷网站一婷婷五月一丁香婷婷一婷婷激情网 | 狠狠色成人影片| 久久99草五月婷婷| 五月婷婷综合精品| 九九综合网| 欧美另类五月激情| 五月天大香蕉av| 视色网在线播放| 开心五月激情网| 久热人妻| 99视频在线| 99色色| 超碰高清在线| 久久综合影院| 人妻精品在线| 香蕉网久久| 成人网站免费sxj| 亚洲精品99| 久热超碰| 五月丁香网站| 热久久思思热思思| av国产精品| 欧美欧盟性爱网| 六月婷婷激情| 久久这里只有精品久久| 亭亭玉月丁香| 九九视频这里只有精品在线播放 | 国产成人综合电影| 婷婷综合六月| 亚洲情欲久久| 9月色婷婷| 无码髙清| 五月激情啪啪啪| www99久久| 丁香激情久久| 激情五月天网站| 五月婷婷丁香啪啪| 激情婷婷六月天| 丁香五月六月久久综合 | 天天色天天操天天射| 四射综合网| 久草五月天| 久色88| 丁香 亚洲 久久| 五月丁香激| av中文在线| 无码四色色色| 久久久久久久人妻| 综合图区激情| 国产免费一区二区三州老师F1F1……| 五月丁香综合| 2015好吊操| 另类天堂| 婷婷爱五月天人人爱| 31色区视频免费看| 婷婷中文无码| 婷婷久久欧美| 亚洲激情四射色| Www.激情| 91无码视频| 开心激情综合| 五月天色五月天| 久久综合综合综合| 99在线热| 色色综合日韩| www.一起草av| 9久久精品| 五月丁香日本片| 香蕉AV777XXX色综合一区| 五月丁香六月婷婷综合网缴情| 丁香六月婷婷久久亚洲天堂| 婷婷九月亚洲| 多精窝99在线视频| 婷婷五月天激情电影| 99热都是精品| 激情五月天综合网| 色色色色色色色色网站| 99热碰碰热| 99精品视频在线观看| 久久婷婷欧美| 五月天丁香综合久久国产| 99无码视频| 米奇影视资源777狠狠色婷婷五月天激情网 | 天天开心AV色综合婷婷五月天| 婷婷五月天综合久久日| 丁香五月在线自慰| 情婷婷五月天在线| 日韩国产在线免费观看| 99视频精品| 99久久九九| 丁香婷婷五月六月久久| 99热精品在线在线| 色香欲综合| 欧美日朝成人| www.99操.com| 伊人五月天在线| 色婷婷综合五月| 淫荡A片| 天天干天干| 久久五月网| www.com.色色| wwwss在线观看| 亚洲色情网站| 91丨熟女丨首页| 久久99网| 99激情视频| 夜夜干夜夜操| 综合久久丁香婷婷,五月婷婷六月丁香,开心激情综合网,六月丁香在线观看,婷婷丁 | 超碰人人超碰| 欧美激情凹凸丁香网| 日本一道久久| 丰滿爆乳一区二区三区| www.色婷婷.com| 中文乱子伦视频| 国产67194| 97人人妻人人艹| 九九免费视频| 色V狠狠的干| 午夜天堂一区人妻| 婷婷激情社区| 五月婷婷激情综合av| 深爱五月激情综合| 婷婷五月天堂| 99在线综合视频| www.激情| 超碰在线观看9| 婷婷丁香综合成人| 六月丁婷婷| 永久免费一区二区三区| 狠狠色综合无线观看| 激情综合网激情五月天| 99ri视频在线播放| 99国产视频网| 五月天婷婷伊人| 欧美婷婷丁香五月社区| 亚洲久艹| 两性婷婷丁香五月| 久热无码| 精品久久人妻| 99热在线精品播放| 色色综合色| 婷婷五月丁香基| 另类视频一区| 六月丁香停| 内射 无码 伊人| 色99视频| 激情五月天网| 超碰操网| 在线天堂9| 99精品大片| 狠色狠色狠色狠色狠色网| 欧美在线干| 毛v一区二区视频| 婷婷婷婷午夜| 96自拍视频九色在线观看| 久久丁香五月天| 五月天伊人综合| 婷婷情爱五月天6| www色中色综合| 亚洲婷婷丁香五月天激情小说| 婷婷综合色图| 手机在线日韩视频中文字幕| sewuyuetingtingiii| 99精品视频播放| 国产AV影片| 欧美婷婷| 丁香婷婷色五月合集| 99亚洲综合| 99欧美| 日本久热| 色综合久久888| 婷婷丁香九月| 天堂爱啪啪| 二级黄色毛片| 午夜丁香六月婷| 青青操成人福利| 国产av天天插天天操天天爽| 亚洲三A| 国产AV一区二区三区最新精品| 91久久久久久| 天天爽天天| 六月丁香网| 三级三久久线久久99久目本WW| 97人人干| 婷婷五月天激情小说| 五月婷婷婷| 天天色色天天| 色五月综合| 涩五月婷婷| 色婷婷成人做爰A片免费看网站| 亚洲色五月| 99日韩| 99爱精品| 欧美日本韩国亚洲| 色综合女人99| 狠狠综合区| 色婷av| 亚洲性爱电影| 99久久婷婷国产综合精品草原| 成人网址在线观看| ss五月天激情| 26uuu亚洲色| Va另类视频| 乱色色色| 色五月中文网| 日韩av在线电影| 九九热只有精品| 超碰免费人人| 精品久久久中文字幕大豆网推荐理由| 色护士综合| 久久综合播放| 六月婷婷激情图片| 性小说五月天| 色色色色色色97| A久网| 成人va视频| 婷婷五月丁香综合激情小说| 五月天婷婷激情小说| 婷婷丁香五月亚洲综合网在线视频观看| 婷婷五月图片小说网| www.99热这里精品| 性爱综合网| 五月激情啪啪| 日逼影音先锋男人资源站| 成人AV网站在线| 婷婷久久五月丁香| 蜜臀A∨在线水帘洞| 激情九九综合网| 天天插天天爽| 97天堂| 91av传媒高清在线视频网| 亚洲天堂玖玖| 99热最新精品| 五月丁香六月婷婷综合网| 拳交大逼| 99视频热99| 综合色色色| 五月婷婷开心综合| 国产精品久久久久久妇女6080| AV中文字幕夜夜操b天天摸bb | 激情婷婷五月色| WWW久久久| 久久一操| 79精品视频| 99视频这里有精品| 激情六月丁香综合| 99在线69| 免费超碰在线观看| 二色AV| 思思热久热| 久久99最新| 免费国产视频| 色约约视频一区二区三区四区五区 | 久久久精品99| 99热最新国内| 色色色综合网| 婷婷五月天伊人| 99精色| 久草久青福利| 中文字幕婷婷五月天| 久久超级碰视频| 色婷丁香91| 五月婷婷激情综合| 九九热在线视频| 丁香六月激情四射| 久久538| 婷婷六月激情综合| 色色色色色色97| 99'无码| 中文字幕永久在线| 中文字幕av在线| 亚洲啪啪网| 亚洲99一级无嗎特制在线| 亚洲V国产V欧美V久久久久久| 六月丁香久久| 激情综合婷婷| 中文资源在线a | 99热九九在线| txt五月激情四射网综合俺也来了| 69超碰在线| 能看的AV| 激情小说色五月| 欧美人与性动交CCOO| 婷香五月激情视频| 丁香婷婷大香蕉| 99热在线观看精品| 色婷婷视频在线| 五月婷婷综合视频| 色综合婷婷| 亚洲中文字幕网| 欧美激情五月天| 九九视频在线观看| 狠狠精品干练久久久无码中文字幕| 五月天狠狠| 五月丁香在线观看| 熟女少妇内射日韩亚洲| 久久色六月| 97碰91| 9一精品视频观看| 综合网狠狠| 五月天丁香网站| 久久女婷| 婷婷五月丁香高清无码| 亚洲精品色色色| 综合图区激情| 六月婷婷五月丁香| 色噜噜婷婷| 综合网色| 一区=区操屄高清大全av| 日本欧特黄色刺激一区影视久精品无码| 午夜微拍福利| 亚洲综合无码| 人妻内射麻豆视频| 五月丁香成人视频| 亚洲午夜av| 色五月婷婷五月天| 操操日韩| 天天曰夜夜爽| 婷婷日| 亚洲无码九九| 亚洲综合久| 99年操人人爽| 99精品国产在热久久婷婷| 五月丁香六月成人| 夜夜操狠狠操天天操| 丁香婷婷五月天在线视频| 99亚州综合精品成人网| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | .青娱乐天天操B| 色五月,婷婷大香蕉| 日日噜狠狠| 婷婷五月天另类网站| 狼友超碰| 久久九九激情五月天 | 操逼视频一区| 国产成人精品123区免费视频| cao视频,现在观看| 夜夜躁狠狠| 99这里只有精品|v| 久久草中文日韩欧美| 婷婷香草网| 日韩高清久久| 美国天天日天天操| 九九亚洲视频| 欧美日韩精品一区二区三区钱| 综合激情五月丁香| 《蜘蛛女》梁铮1995| 最近中文字幕大全免费版在线 | 国产成人+综合亚洲+天堂| 99在线视频在线观看| 特黄三级片| 97男人天堂| www.粉嫩av.com| 五月婷婷成人| 九月丁香婷婷网| 日韩成人网站精品久久大全| 99精品在线观看视频| 淫五月停停| 六月色日韩| 99人妻碰碰碰久久久久视| 天天日色情| 色八月婷婷| www超碰| 思思热久久婷婷五月天| 亚洲性爱99| 欧美 日韩 成人 在线| 国内9l视频自拍老熟女九色| 99国产精品久久久久久久久久久| 色五月婷婷亚洲| www.五月天婷婷| 99乱视频| 视色综合| 婷婷丁香基地在线| 色丁香五月婷婷| 激情婷婷五月在线合集| 五月天色婷婷基地| 久久久国产精品黄毛片| 嫩草AV久久伊人妇女超级A| 婷婷五月丁香啪啪| 无码九九九九| 婷婷五月天无码| 日本三级第一页| 婷婷五月天熟妇| 国外亚洲成AV人片在线观看| 高潮毛片遮挡费高一百度| 99视频内射三四| 噜噜噜狠狠色综| 9 1超碰九色| 综合网啪啪| 在线成人视频免费| 综合色色综合| 久久这里只精品| 97色视频网| 国产激情婷婷| 久久色五月| 日本色99| 九九热这里只有精品556| 五月婷婷中文字幕| 亚洲激情99| 午夜天堂一区人妻| 天天操九九插| 91九色 熟| www.丁香五月| av最新在线| 日本视频99| 大香av| 久久色婷婷| 超碰免费人人| 99热香港| 665566 无码| 人妻人人操| 色五月天在线| 三级毛片7979| 91 欧美| 婷婷五月色综合| 欧美熟女乱又伦| 91日视频| 久久中文网| 91成人视频| 思思热再线视频| 久久婷婷五月综合色奶水99啪| 国产AV一区二区三区日韩| 亚洲无码99| 人妻性爱| 庭庭久久内射| 久草丁香婷婷1024| www.久久久久| 五月丁香基地| 丁香婷婷六月激情文学| 色色丁香色五月| 九九亚洲视频| 97五月久久丁香婷婷| 色五月天综合| 國語久久婷| 在线播放 精品| 五月天色图| 色婷婷视频在线| 影音先锋xfplay资源男人网| 一本色道久久88加勒比—| AA片在线观看视频在线播放| 丁香激情网| www.深爱激情| 久久五月天色婷婷| 97干视频在线| 色图亚洲91| 久久久久9999| 色婷婷激情四射视频| 色级婷婷| 精国产品一区二区三区A片| 99热99干| 开心五月网| 六月婷婷狠狠做| 99re99在线看| 涩 五月 婷婷 狠狠| 操操操B| 色色性爱视频| 淫视馆AV在线| 2025天天操| 五月婷婷和六月| 久久婷婷六月综合| 第四色五月婷婷| 国产麻豆视频| 欧美精品XXXXBBBB| 大香网伊人久久综合| 丁香狠狠色婷婷久久无码视频| 婷婷综合五月激情| 婷婷在线精品| 五月天综合激情网| 丁香香蕉婷婷| 蜜乳AV成人| 欧美日本免费一道免费视频| 婷婷综合网| 亚洲精品99| 天天爽夜夜操| 99久久免费精品| 五月丁香天天| 五月天 综合 在线| 五月丁婷香| 五月丁香啪啪网| 色久影院| 97色女人在线| 五月丁香婷婷色播无码| 久久99草五月婷婷| 琪琪色五月婷婷老师| 性做爰1一7伦| 97综合在线| 天天综合精品| 草草视频91| 久久综合影院| 开心五月激情网| 色五月激情五月天| 99久久性爱| www开心激情网| 99热精品9| 99热这里只有精品13| 五月天色五月天| 五月婷婷色综图片| 97激情五月天| 婷婷六月综合在线| 五月婷婷亚洲综合网| 日韩好吊操| 91艹人| 怡红院99| 97深爱伊人综合| 色五月亚洲五月天| 五月色导航| 五月丁香激情综合网官网| 午夜九九电影| 欧美综合丁香网| 五月天成人手机在线视频| 婷婷丁香五月精品| 182.t午在线观看| 69热91天堂| 超碰操日| 久久久人人操A V| 一区=区操屄高清大全av| 五月婷婷 自拍| 婷婷五月丁香人妻无码高清| 亚洲成人AV在线| WWW.久久久久久久久久久久久| 久久玖玖综合| wWW九九在线播放| 久久婷婷五月丁香网| 五月天婷婷av| 热的五码久久精品| 99在线观看这里都是精品| www.狠狠狠.com| 人人摸人人射| 婷婷开心激情五月激情网| 777色色色| 亚洲成人无码网站| 色一情一乱一乱一区91| 99色色网| 白人荫道BBWBBB大荫道| 91碰免费视频| 97在线/日本| 欧美天堂久久| 五月天婷婷基地| 欧美久久五月婷婷| A A色色| 五月天婷婷久久视频| 日本女人久久| 99热这里有精力| 激情五月天婷婷| 一级黄色片看看| 色婷婷女优有码五月亭| 色5月婷婷色| 噜噜噜噜噜在线| 色狠狠六月| 色丁香六月| 99亚洲视频| 色婷婷影视| 午夜不卡久久精品无码免费| 五月天大香蕉婷| 色噜久| 丁香五月天堂| 国产日日夜夜操| www.成人婷婷综合| 午夜成人AV在线| 丁香五月天啪啪| 狠狠色婷| WWW.99视频| 色色色视频免费无码 | 丁香花社区av| 天天综合 99久久婷婷| www久久久| 激情五月天免费视频| 99A片| 婷婷五月天开心网| 欧美性生交XXXXX无码小说| 九九re视频在线视频| 91久久精品无码一区二区三区| 丁香六月AV| AV人人操| 九九色色| 激情五月婷婷老师| 91九色在线视频| Av性爱网| 亚洲第一精品成人999久久精品| 91婷婷色 | 97超级碰碰碰久久久| 欧美日本国产欧美日本韩国99| 婷婷综合五月天激情| www激情婷婷com| 五月婷婷六月天| 色婷婷狠狠18yy| a网站免费观看| 99热日本| 99无码超碰| 狠狠爱成人综合网| 亚洲色综合| 色五月色五天色情网址| 日韩一级片| 婷婷五月天美女视频| 天天噜日日噜综合无码| 五月久久综合| 九九热re99re6在线精品| 五月婷无码| 26uuu成人网| 国产日韩欧美| 国产免费av在线| 五月婷婷co.m| 久久狠狠干| 狠狠噪| 97中文在线| 婷婷五月天黄色小说| 九九热99热| 中文字幕久久婷九女同| 丁香午月AV中文字幕| 激情五月天偷拍综合网| 九九九九操逼| 日本三级日本三级三级人妇四虎| 国产精品激情五月天色婷婷| 久久九九99| 六月丁香成人| 色天天久婷婷| 在线播放成人网站| 天天久久婷婷| 天天日人人| 婷婷五月综合久久中文字幕| 色色丁香婷婷五月天| 秋霞电影一级黄| 天天日日夜夜| 五月色婷婷在线观看| 色五月 五月婷婷| 五月天大香蕉AV| 91人人爽久久涩噜噜噜| 葵花AV在线| 婷婷五月天欧美| 狠狠色狠狠色综合日日91| 天天爽天天草| 久久爱综合| 99热费观看| 97色色综合| 久久久久久久久99精品| 五月色网| 九九激情综合| 天天干天天爽天天爽| 99热综合| 亚洲成人无码网站| 天天婷婷色六月| 国产偷人爽久久久久久老妇APP| 色色五月婷| 九月色婷婷综合| 啪啪视频99| 少妇日麻屄| 天天激情站| 婷婷激情在线| 日本va欧美va欧美va| 怡红院精品视频久久久久久久久| 色五月婷婷基地| 丁香婷婷五月综合影院| 六月 丁香 视频| 99热综合在线观看| 亚洲第一色色色| 99热这里只有精品22| 色碰碰| 五月丁香六月婷婷姐| 碰久久精品w| 甈你aaaaa| 免费无码毛片一区二区A片| 五月欧美色播| 26uuu在线观看| 三级毛片7979| 九九在线精点品| 亚洲AV电影美洲AV电影| www狠狠| 大香蕉220| 婷婷五月天xxx| 99热66| 99热r| 夜夜夜夜夜操| 91精品丝袜久久久久久| 猫咪伊人久久| aaa久久| 婷婷五月丁香超碰| av在线免费网站 | 久久99热这里只频精品6学生| 五月丁香偷拍| 99国产在线| 综合网网欲色| 另类激情综合| 丁香五月ⅤA久久久| 五月丁香色色| 97碰人人操| 9久热在线视频精品| 日本3级片一区2区| 激情亚洲婷婷| 91热久久| 久久多色| 久久综合人妻| 五月开心婷婷网| 99综合视频| 久久最新色色色| 亚洲日韩一页精品发布| 青草视频在线蜜臀| 国产欧美熟妇另类久久久| 激情婷婷狠狠干| 性生生活大片又黄又| 婷婷亚洲在线| 色操综合| 99爱这里只有精品免费视频| 在线看av| 亚洲精品在线视频| 超碰在线人人| 色5月婷婷色| 久久久久久欧美精品se一二三四| 五月天综合| 男人天堂亚洲综合| WW婷婷五月天com| 严洲天天插| 激情综合婷婷久久| 超碰91人人操| 久久香蕉影院| 欧美搡BBBBB摔BBBBB| 2025天天爽天天摸| 久热精彩视频98| 色五月婷婷影院| 8区视频在线| 色99在线| 激情丁香五月激情婷婷| 99热黄| 亚洲熟女色| 天天爽在线视频| 国产3p露脸普通话对白| 国产在线另类五月婷婷| 日本三日本三级少妇三级66| 色女人久久| 五月天激情综合在线| 99精品国产在热久久| 人人人va亚洲视频在线| 五月婷婷综合影院| 五月天精品视频| 五月丁香成人日| 色综合女人99| 亚洲精品视频电影| 狠狠色丁香综合| 91九色偷拍| 99性爱| 狠狠艹狠狠艹| 五月婷婷电影院| 香蕉人在线香蕉人在线 | 99九九精品| 国产特级毛片AAAAAAA高清| 亚洲AV色婷婷人禽五月天| 波多野结衣AV无码Porn| 99这里只有| 26UUU精品一区二区Com| 五月婷婷,六月婷婷| 操一区| 五月色婷婷综合色| 丁香五月婷婷老师网站| www.五月婷婷| 婷婷五月激情丁香激情| 色色影院黄大片| 色噜噜综合网| 婷婷色网站| 久久九九爽| 免费无码毛片一区二区A片| 来吧亚洲综合网| wwxx日本| 久热99久热| 99激情| 色色色图| 欧美激情丁香五月| 久久久五月天婷婷| 激情五月婷| 五月婷深深爱激情网| 亚州操逼网| 欧洲色| a久久| 99色色最新视频| 五月天激情啪啪| 亚洲欧洲中文日韩久久AV乱码| 69色婷婷| 婷婷五月天激情偷拍| 久久在线92| 亚洲精品视频在线播放| 亚洲操b| 狠狠五月激情在线| 无码一区二区三区四区五区91c| 久久99网| 久久性爱视频网站| 丁香五月自拍| 丁香色婷婷| 色五月婷婷影院| 人妻射精AV| 免费亚洲成人电影AV| 精品人妻午夜一区二区三区四区| 久色激情| 婷婷丁香激情五月天色色| 123草逼网| 精品久9| 中文字幕在线日亚州9| 日韩无码色色| 五月婷婷熟女| 第四色激情网| 开心五月婷婷伊人| 大香蕉啪啪网| 丁香五月日韩| 激情综合色婷婷啪啪六月天| 99re熱| 五月天激情四射网站| 精品爱欲五| 五月在线| 久婷久婷| AAA亚洲AV| 亚洲视频在线观看99| 玖玖爱综合网| 精品九九九久| 丁香五月偷拍| 婷婷在线精品| 色香欲综合| 色5月婷婷| 天天日狠狠| 中文无码婷婷| 99视频在线观看网址| 性爱技巧五月| 天天爱天天操| 99热这里只有精品22| 伊人色综合久久久| 久久九九在线视频| 欧美综合激情五月丁香| 亚洲成人在线播放| 密臀av无码人妻精品| 91久久久久| 一起草AV入口| 丁香五月五月婷婷| 五月天婷婷色色网| 六月婷久久| 人妻肉射免费观看| www.yw色| 狠狠干狠狠操狠狠爱| 美女主播野战视步页| 涩综合网| 亚洲一二三网| 五六月丁香激情视频| 996热| 久久99久久99精品免观看粉| 99re8这里只有精品99re8热视频| 内射人妻视频国内| 五月天大香蕉| 狠狠爱婷婷| 婷婷五月色情| 丁香五月婷在线| 亚洲亚洲人成综合网络| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 91嫩草久久| 丁香花婷婷五月天| 人妻videos人妻高清| 成功精品影院| 9久视频| 99色在线视频| 久久激情婷婷| 欧美人人草| 国产成人综合亚洲| 五月天成人在线视频丁香| 激情综合五月婷婷| 久久久激情视频| 99在线视频播放| 啪啪 综合网| 天天舔天天摸视频| 激情综合色婷婷啪啪五月天| 狠狠色丁香婷婷基地| 激情AV| 91碰超| 日本久久婷| 久久久婷| 玖玖热视频|