品牌型网站制,服务器安全卫士,微商平台,建筑网站建设案例深入剖析 OpenCV#xff1a;全面掌握基础操作、图像处理算法与特征匹配 一、引言二、OpenCV 的安装#xff08;一#xff09;使用 pip 安装#xff08;二#xff09;使用 Anaconda 安装 三、OpenCV 基础操作#xff08;一#xff09;图像的读取、显示与保存#xff08;… 深入剖析 OpenCV全面掌握基础操作、图像处理算法与特征匹配 一、引言二、OpenCV 的安装一使用 pip 安装二使用 Anaconda 安装 三、OpenCV 基础操作一图像的读取、显示与保存二图像的基本属性与操作三颜色空间转换 四、OpenCV 的图像处理算法一图像滤波二边缘检测三形态学操作 五、OpenCV 的特征提取与匹配一ORB 特征提取二SIFT 特征提取三特征匹配1. ORB 特征匹配2. SIFT 特征匹配 一、引言
在当今数字化的时代计算机视觉技术正以前所未有的速度改变着我们的生活。从智能手机的人脸识别解锁到自动驾驶汽车的环境感知从工业生产中的质量检测到医疗领域的影像分析计算机视觉无处不在。OpenCVOpen Source Computer Vision Library作为计算机视觉领域最具影响力的开源库之一为开发者和研究人员提供了强大而便捷的工具。它拥有超过 2500 种优化算法涵盖了图像和视频处理、特征提取、目标检测、机器学习等多个领域。本文将基于 Python 语言全面深入地介绍 OpenCV 的各个方面从基础操作到高级应用帮助读者逐步掌握这一强大的工具。
二、OpenCV 的安装
在 Python 环境中安装 OpenCV 非常便捷主要有两种常见的安装方式。
一使用 pip 安装
通过 pip 包管理器我们可以轻松地安装 OpenCV。在命令行中输入以下命令
pip install opencv-python如果需要安装包含扩展功能的版本如 SIFT、SURF 等算法这些算法在非商业用途下可用可以使用以下命令
pip install opencv-contrib-python二使用 Anaconda 安装
如果你使用 Anaconda 作为 Python 环境管理工具可以使用以下命令进行安装
conda install -c conda-forge opencv安装完成后我们可以在 Python 代码中导入 OpenCV 库进行测试
import cv2
print(cv2.__version__)如果能够正常输出 OpenCV 的版本号说明安装成功。 如4.11.0
以下是去掉对图像读取检查后的代码内容为你扩充了标题 3 - 5 的代码和解释
三、OpenCV 基础操作
一图像的读取、显示与保存
读取图像 使用 cv2.imread() 函数读取图像文件支持常见的图像格式如 .jpg、.png 等。函数第一个参数为图像文件路径第二个参数指定读取模式。常见的读取模式有 cv2.IMREAD_COLOR以彩色模式读取图像默认模式。cv2.IMREAD_GRAYSCALE以灰度模式读取图像。cv2.IMREAD_UNCHANGED读取包含透明度通道的图像。
import cv2# 以彩色模式读取图像
color_image cv2.imread(example.jpg, cv2.IMREAD_COLOR)
# 以灰度模式读取图像
gray_image cv2.imread(example.jpg, cv2.IMREAD_GRAYSCALE)
# 读取包含透明度通道的图像
alpha_image cv2.imread(example.png, cv2.IMREAD_UNCHANGED)解释cv2.imread() 是 OpenCV 中用于读取图像的核心函数。通过不同的读取模式参数可以灵活地获取图像的不同表示形式。彩色模式读取的图像包含三个通道BGR灰度模式将图像转换为单通道而读取带透明度通道的图像适用于处理 PNG 等支持透明度的图像格式。
显示图像 通过 cv2.imshow() 函数显示图像第一个参数是窗口名称第二个参数是要显示的图像对象。使用 cv2.waitKey() 等待用户按键cv2.destroyAllWindows() 关闭所有窗口。
# 显示彩色图像
cv2.imshow(Color Image, color_image)
# 显示灰度图像
cv2.imshow(Gray Image, gray_image)# 等待用户按键0 表示无限等待
cv2.waitKey(0)
# 关闭所有窗口
cv2.destroyAllWindows()解释cv2.imshow() 用于在一个新窗口中显示图像窗口名称用于区分不同的显示窗口。cv2.waitKey() 函数会阻塞程序直到用户按下任意键参数为 0 时表示无限等待。cv2.destroyAllWindows() 用于关闭所有由 OpenCV 创建的窗口释放资源。
保存图像 利用 cv2.imwrite() 函数保存图像第一个参数为保存路径第二个参数是要保存的图像。
# 保存灰度图像
cv2.imwrite(saved_gray_image.jpg, gray_image)解释cv2.imwrite() 函数将指定的图像保存到指定的文件路径。保存的文件格式由文件扩展名决定如 .jpg、.png 等。
二图像的基本属性与操作
图像的基本属性 图像在 OpenCV 中以 NumPy 数组形式存储我们可以获取其高度、宽度和通道数等属性。
import cv2image cv2.imread(example.jpg)
height, width, channels image.shape
print(f图像高度: {height}, 宽度: {width}, 通道数: {channels})
# 额外获取图像的数据类型
print(f图像的数据类型: {image.dtype})解释图像在 OpenCV 里被存储为 NumPy 数组通过 shape 属性可以获取图像的基本尺寸信息dtype 属性则能查看图像的数据类型通常为 uint88 位无符号整数。
图像的像素访问 可以直接通过索引访问和修改图像的像素值。
import cv2image cv2.imread(example.jpg)
# 获取坐标(100, 100)处的像素值BGR 格式
pixel image[100, 100]
print(f坐标(100, 100)处的像素值BGR 格式: {pixel})
# 修改坐标(100, 100)处的像素值为白色
image[100, 100] [255, 255, 255]
new_pixel image[100, 100]
print(f修改后坐标(100, 100)处的像素值BGR 格式: {new_pixel})解释由于图像是 NumPy 数组所以可以像操作数组一样通过索引来访问和修改像素值。在 OpenCV 中彩色图像的像素值是按 BGR蓝、绿、红顺序存储的。
图像的裁剪、缩放与旋转
裁剪 通过指定行和列的范围来裁剪图像。
import cv2image cv2.imread(example.jpg)
# 裁剪图像获取坐标(100, 100)到(300, 300)的区域
cropped_image image[100:300, 100:300]
cv2.imshow(Cropped Image, cropped_image)
cv2.waitKey(0)
cv2.destroyAllWindows()解释裁剪图像是通过指定数组的行和列范围来实现的即选取图像中指定区域的像素值形成新的图像。
缩放 使用 cv2.resize() 函数缩放图像可以指定缩放比例或目标尺寸。
import cv2image cv2.imread(example.jpg)
# 按比例缩放宽度和高度都变为原来的 0.5 倍
resized_image_1 cv2.resize(image, None, fx0.5, fy0.5)
cv2.imshow(Resized Image by Scale, resized_image_1)# 指定目标尺寸进行缩放
resized_image_2 cv2.resize(image, (300, 300))
cv2.imshow(Resized Image by Size, resized_image_2)cv2.waitKey(0)
cv2.destroyAllWindows()解释cv2.resize() 函数提供了灵活的缩放方式。fx 和 fy 参数用于指定水平和垂直方向的缩放比例当第二个参数为 None 时使用这种方式。也可以直接指定目标尺寸如 (300, 300) 来进行缩放。
旋转 借助 cv2.getRotationMatrix2D() 获取旋转矩阵再用 cv2.warpAffine() 进行旋转操作。
import cv2
import numpy as npimage cv2.imread(example.jpg)
height, width image.shape[:2]
# 计算旋转中心
center (width / 2, height / 2)
# 定义旋转角度和缩放因子
angle 45
scale 1.0
# 获取旋转矩阵
M cv2.getRotationMatrix2D(center, angle, scale)
# 对图像进行旋转
rotated_image cv2.warpAffine(image, M, (width, height))
cv2.imshow(Rotated Image, rotated_image)
cv2.waitKey(0)
cv2.destroyAllWindows()解释cv2.getRotationMatrix2D() 用于计算旋转矩阵该矩阵包含了旋转中心、旋转角度和缩放因子等信息。cv2.warpAffine() 函数根据这个旋转矩阵对图像进行仿射变换实现图像的旋转操作。
三颜色空间转换
常见的颜色空间有 RGB、灰度、HSV、Lab 等使用 cv2.cvtColor() 函数进行颜色空间转换。
import cv2color_image cv2.imread(example.jpg)
# 转换为灰度图像
gray_image cv2.cvtColor(color_image, cv2.COLOR_BGR2GRAY)
cv2.imshow(Gray Image, gray_image)# 转换为 HSV 图像
hsv_image cv2.cvtColor(color_image, cv2.COLOR_BGR2HSV)
cv2.imshow(HSV Image, hsv_image)# 转换为 Lab 图像
lab_image cv2.cvtColor(color_image, cv2.COLOR_BGR2Lab)
cv2.imshow(Lab Image, lab_image)cv2.waitKey(0)
cv2.destroyAllWindows()解释不同的颜色空间适用于不同的图像处理任务。cv2.cvtColor() 函数可以在不同颜色空间之间进行转换例如将 BGR 彩色图像转换为灰度图像、HSV 图像或 Lab 图像方便后续的处理和分析。
四、OpenCV 的图像处理算法
一图像滤波
均值滤波 使用 cv2.blur() 函数实现通过计算局部区域像素平均值平滑图像。
import cv2image cv2.imread(example.jpg)
# 均值滤波核大小为(5, 5)
blurred_image cv2.blur(image, (5, 5))
cv2.imshow(Blurred Image (Mean Filter), blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()解释均值滤波是一种简单的线性滤波方法它以一个固定大小的核如 (5, 5)在图像上滑动计算每个核内像素的平均值并将该平均值作为中心像素的新值从而达到平滑图像的效果。
高斯滤波 利用 cv2.GaussianBlur() 函数基于高斯函数对图像进行滤波抑制噪声同时保留边缘。
import cv2image cv2.imread(example.jpg)
# 高斯滤波核大小为(5, 5)标准差为 0
gaussian_blurred_image cv2.GaussianBlur(image, (5, 5), 0)
cv2.imshow(Blurred Image (Gaussian Filter), gaussian_blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()解释高斯滤波是一种非线性滤波方法它根据高斯函数对核内的像素进行加权平均。相比于均值滤波高斯滤波在抑制噪声的同时能更好地保留图像的边缘信息因为它对不同位置的像素赋予了不同的权重。
中值滤波 通过 cv2.medianBlur() 函数用局部区域的中值替换当前像素值有效去除椒盐噪声。
import cv2image cv2.imread(example.jpg)
# 中值滤波核大小为 5
median_blurred_image cv2.medianBlur(image, 5)
cv2.imshow(Blurred Image (Median Filter), median_blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()解释中值滤波是一种非线性滤波方法它将核内的像素值进行排序然后用中值替换中心像素的值。这种方法对于去除椒盐噪声图像中出现的黑白孤立点非常有效。
双边滤波 cv2.bilateralFilter() 函数可以在平滑图像的同时保留边缘信息适用于需要保留图像细节的场景。
import cv2image cv2.imread(example.jpg)
# 双边滤波直径为 9颜色标准差为 75空间标准差为 75
bilateral_blurred_image cv2.bilateralFilter(image, 9, 75, 75)
cv2.imshow(Blurred Image (Bilateral Filter), bilateral_blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()解释双边滤波是一种保边滤波方法它结合了空间域和值域的信息。在平滑图像时它不仅考虑像素的空间距离还考虑像素的颜色差异因此能够在平滑图像的同时很好地保留边缘和细节信息。
二边缘检测
Canny 边缘检测 cv2.Canny() 函数是常用的边缘检测算法通过计算图像梯度和非极大值抑制等步骤检测边缘。
import cv2image cv2.imread(example.jpg, cv2.IMREAD_GRAYSCALE)
# Canny 边缘检测设置高低阈值
edges cv2.Canny(image, 100, 200)
cv2.imshow(Canny Edge Detection, edges)
cv2.waitKey(0)
cv2.destroyAllWindows()解释Canny 边缘检测是一种多阶段的边缘检测算法主要包括高斯平滑、梯度计算、非极大值抑制和双阈值处理等步骤。高低阈值参数用于控制边缘的检测范围只有当梯度值大于高阈值时才被确定为边缘介于高低阈值之间的像素如果与确定的边缘相连也会被保留。
Sobel 边缘检测 cv2.Sobel() 函数用于计算图像在 x 和 y 方向上的梯度从而检测边缘。
import cv2
import numpy as npimage cv2.imread(example.jpg, cv2.IMREAD_GRAYSCALE)
# 计算 x 方向的 Sobel 梯度
sobelx cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize3)
# 计算 y 方向的 Sobel 梯度
sobely cv2.Sobel(image, cv2.CV_64F, 0, 1, ksize3)
# 取绝对值并转换为 8 位无符号整数
sobelx np.uint8(np.absolute(sobelx))
sobely np.uint8(np.absolute(sobely))
# 合并 x 和 y 方向的梯度
sobel_combined cv2.bitwise_or(sobelx, sobely)
cv2.imshow(Sobel Edge Detection, sobel_combined)
cv2.waitKey(0)
cv2.destroyAllWindows()解释Sobel 算子是一种一阶导数算子用于计算图像在 x 和 y 方向上的梯度。通过分别计算两个方向的梯度可以检测出图像中的水平和垂直边缘。最后将两个方向的梯度合并得到完整的边缘信息。
Laplacian 边缘检测 cv2.Laplacian() 函数通过计算图像的二阶导数来检测边缘。
import cv2image cv2.imread(example.jpg, cv2.IMREAD_GRAYSCALE)
# Laplacian 边缘检测
laplacian_edges cv2.Laplacian(image, cv2.CV_64F)
laplacian_edges np.uint8(np.absolute(laplacian_edges))
cv2.imshow(Laplacian Edge Detection, laplacian_edges)
cv2.waitKey(0)
cv2.destroyAllWindows()解释Laplacian 算子是一种二阶导数算子它对图像的灰度变化非常敏感能够检测出图像中的边缘。由于二阶导数可能为负值所以需要取绝对值并转换为 8 位无符号整数才能正确显示边缘图像。
三形态学操作
膨胀与腐蚀 膨胀操作可以扩大图像中的前景区域腐蚀操作则可以缩小前景区域。
import cv2
import numpy as npimage cv2.imread(example.jpg, cv2.IMREAD_GRAYSCALE)
# 定义结构元素
kernel np.ones((5, 5), np.uint8)
# 膨胀操作
dilated_image cv2.dilate(image, kernel, iterations1)
# 腐蚀操作
eroded_image cv2.erode(image, kernel, iterations1)cv2.imshow(Dilated Image, dilated_image)
cv2.imshow(Eroded Image, eroded_image)
cv2.waitKey(0)
cv2.destroyAllWindows()解释膨胀和腐蚀是基本的形态学操作它们基于结构元素如 (5, 5) 的全 1 矩阵对图像进行处理。膨胀操作将结构元素在图像上滑动如果结构元素与前景区域有重叠则将中心像素置为前景腐蚀操作则相反如果结构元素完全包含在前景区域内才将中心像素置为前景。
开运算与闭运算 开运算先进行腐蚀操作再进行膨胀操作用于去除小的噪声点闭运算先进行膨胀操作再进行腐蚀操作用于填充小的空洞。
import cv2
import numpy as npimage cv2.imread(example.jpg, cv2.IMREAD_GRAYSCALE)
kernel np.ones((5, 5), np.uint8)
# 开运算
opening cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)
# 闭运算
closing cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)cv2.imshow(Opening Image, opening)
cv2.imshow(Closing Image, closing)
cv2.waitKey(0)
cv2.destroyAllWindows()解释开运算和闭运算是基于膨胀和腐蚀操作的组合。开运算可以去除图像中的小噪声点同时保持大的前景区域不变闭运算则可以填充前景区域内的小空洞使前景区域更加完整。
形态学梯度 形态学梯度是膨胀图像与腐蚀图像的差值用于突出图像的边缘。形态学梯度能够帮助我们检测图像中物体的边界在图像分割、目标检测等领域有着广泛的应用。
import cv2
import numpy as npimage cv2.imread(example.jpg, cv2.IMREAD_GRAYSCALE)
# 定义结构元素这里使用 5x5 的全 1 矩阵
kernel np.ones((5, 5), np.uint8)
# 进行膨胀操作
dilated_image cv2.dilate(image, kernel, iterations1)
# 进行腐蚀操作
eroded_image cv2.erode(image, kernel, iterations1)
# 计算形态学梯度即膨胀图像减去腐蚀图像
gradient cv2.morphologyEx(image, cv2.MORPH_GRADIENT, kernel)
# 也可以手动计算形态学梯度
manual_gradient cv2.subtract(dilated_image, eroded_image)# 显示原始图像
cv2.imshow(Original Image, image)
# 显示通过 cv2.morphologyEx 计算得到的形态学梯度图像
cv2.imshow(Morphological Gradient (cv2.morphologyEx), gradient)
# 显示手动计算得到的形态学梯度图像
cv2.imshow(Morphological Gradient (Manual), manual_gradient)# 等待用户按键
cv2.waitKey(0)
# 关闭所有窗口
cv2.destroyAllWindows()解释
结构元素定义我们使用 np.ones((5, 5), np.uint8) 定义了一个 5x5 的全 1 矩阵作为结构元素。结构元素的大小和形状会影响形态学操作的效果不同的任务可能需要不同的结构元素。膨胀和腐蚀操作通过 cv2.dilate() 和 cv2.erode() 函数分别对图像进行膨胀和腐蚀操作。膨胀操作会使图像中的前景区域扩大而腐蚀操作会使前景区域缩小。形态学梯度计算 使用 cv2.morphologyEx()这是 OpenCV 提供的用于进行复杂形态学操作的函数cv2.MORPH_GRADIENT 表示计算形态学梯度。手动计算通过 cv2.subtract() 函数将膨胀后的图像减去腐蚀后的图像也能得到形态学梯度。这两种方法的结果是相同的但使用 cv2.morphologyEx() 更简洁。 图像显示使用 cv2.imshow() 函数分别显示原始图像、通过 cv2.morphologyEx 计算得到的形态学梯度图像以及手动计算得到的形态学梯度图像方便我们对比和观察形态学梯度的效果。
通过形态学梯度我们可以清晰地看到图像中物体的边缘信息这对于后续的图像处理和分析非常有帮助。例如在目标检测中我们可以利用形态学梯度来初步定位物体的边界然后再进行更精确的检测和识别。
五、OpenCV 的特征提取与匹配
一ORB 特征提取
ORBOriented FAST and Rotated BRIEF是一种快速的特征提取和描述算法。它结合了 FASTFeatures from Accelerated Segment Test特征点检测和 BRIEFBinary Robust Independent Elementary Features描述符并且对其进行了改进使其具有旋转不变性。
import cv2image cv2.imread(example.jpg)
# 创建 ORB 对象
orb cv2.ORB_create()
# 检测特征点并计算描述符
keypoints, descriptors orb.detectAndCompute(image, None)
# 在图像上绘制特征点
image_with_keypoints cv2.drawKeypoints(image, keypoints, None, color(0, 255, 0), flagscv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow(ORB Keypoints, image_with_keypoints)
cv2.waitKey(0)
cv2.destroyAllWindows()解释首先使用 cv2.ORB_create() 创建一个 ORB 对象。detectAndCompute() 方法用于检测图像中的特征点并计算对应的描述符。特征点是图像中具有独特特征的点描述符则是对这些特征点的一种量化表示用于后续的特征匹配。cv2.drawKeypoints() 函数将检测到的特征点绘制在原始图像上方便我们直观地看到特征点的位置。
二SIFT 特征提取
SIFT尺度不变特征变换是一种具有尺度、旋转和光照不变性的特征提取算法但由于专利问题在使用时需要安装 opencv - contrib - python 库。SIFT 算法通过在不同尺度空间上查找极值点来检测特征点并计算其主方向和描述符。
import cv2image cv2.imread(example.jpg)
# 创建 SIFT 对象
sift cv2.SIFT_create()
# 检测特征点并计算描述符
keypoints, descriptors sift.detectAndCompute(image, None)
# 在图像上绘制特征点
image_with_keypoints cv2.drawKeypoints(image, keypoints, None, color(0, 255, 0), flagscv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow(SIFT Keypoints, image_with_keypoints)
cv2.waitKey(0)
cv2.destroyAllWindows()解释cv2.SIFT_create() 用于创建一个 SIFT 对象。与 ORB 类似detectAndCompute() 方法检测特征点并计算描述符。SIFT 算法对图像的尺度、旋转和光照变化具有较好的鲁棒性因此在很多场景下都能得到较好的特征提取效果。最后使用 cv2.drawKeypoints() 函数将特征点绘制在图像上进行可视化。
三特征匹配
特征匹配是计算机视觉中一个重要的任务用于在不同图像中找到对应的特征点。这里将分别介绍使用 ORB 特征和 SIFT 特征进行匹配的方法。
1. ORB 特征匹配
使用 cv2.BFMatcher() 进行 ORB 特征匹配。
import cv2image1 cv2.imread(image1.jpg)
image2 cv2.imread(image2.jpg)orb cv2.ORB_create()
kp1, des1 orb.detectAndCompute(image1, None)
kp2, des2 orb.detectAndCompute(image2, None)# 创建 Brute - Force 匹配器
bf cv2.BFMatcher(cv2.NORM_HAMMING, crossCheckTrue)
# 匹配描述符
matches bf.match(des1, des2)
# 按照距离排序
matches sorted(matches, keylambda x: x.distance)
# 绘制前 10 个匹配点
matching_result cv2.drawMatches(image1, kp1, image2, kp2, matches[:10], None, flagscv2.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS)
cv2.imshow(ORB Feature Matching, matching_result)
cv2.waitKey(0)
cv2.destroyAllWindows()解释首先分别对两张图像使用 ORB 算法检测特征点并计算描述符。cv2.BFMatcher() 创建一个暴力匹配器cv2.NORM_HAMMING 表示使用汉明距离来衡量描述符之间的相似度crossCheck True 表示只保留那些相互匹配的特征点对。bf.match() 方法进行特征匹配返回匹配结果。将匹配结果按照距离排序距离越小表示匹配度越高。最后使用 cv2.drawMatches() 函数绘制前 10 个匹配点方便我们观察匹配效果。
2. SIFT 特征匹配
对于 SIFT 特征可以使用 FLANN快速最近邻近似库进行匹配。
import cv2
import numpy as npimage1 cv2.imread(image1.jpg)
image2 cv2.imread(image2.jpg)sift cv2.SIFT_create()
kp1, des1 sift.detectAndCompute(image1, None)
kp2, des2 sift.detectAndCompute(image2, None)# FLANN 参数设置
FLANN_INDEX_KDTREE 1
index_params dict(algorithmFLANN_INDEX_KDTREE, trees5)
search_params dict(checks50)# 创建 FLANN 匹配器
flann cv2.FlannBasedMatcher(index_params, search_params)
# 匹配描述符
matches flann.knnMatch(des1, des2, k2)# 应用比率测试
good_matches []
for m, n in matches:if m.distance 0.7 * n.distance:good_matches.append(m)# 绘制匹配点
matching_result cv2.drawMatches(image1, kp1, image2, kp2, good_matches, None, flagscv2.DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS)
cv2.imshow(SIFT Feature Matching, matching_result)
cv2.waitKey(0)
cv2.destroyAllWindows()解释同样先对两张图像使用 SIFT 算法检测特征点并计算描述符。FLANN 是一种快速的近似最近邻搜索算法适合处理大规模的特征匹配问题。index_params 和 search_params 分别设置 FLANN 的索引参数和搜索参数。flann.knnMatch() 方法返回每个特征点的 k 个最近邻匹配结果。为了提高匹配的准确性使用比率测试即当第一个匹配的距离小于第二个匹配距离的 0.7 倍时才认为这个匹配是有效的。最后使用 cv2.drawMatches() 函数绘制有效的匹配点。
后面的区域~以后的文章再来探索吧 文章转载自： http://www.morning.fgwzl.cn.gov.cn.fgwzl.cn http://www.morning.drqrl.cn.gov.cn.drqrl.cn http://www.morning.wdlg.cn.gov.cn.wdlg.cn http://www.morning.hkpyp.cn.gov.cn.hkpyp.cn http://www.morning.pxbrg.cn.gov.cn.pxbrg.cn http://www.morning.dgfpp.cn.gov.cn.dgfpp.cn http://www.morning.dfndz.cn.gov.cn.dfndz.cn http://www.morning.kxnnh.cn.gov.cn.kxnnh.cn http://www.morning.smxyw.cn.gov.cn.smxyw.cn http://www.morning.gmztd.cn.gov.cn.gmztd.cn http://www.morning.yzfrh.cn.gov.cn.yzfrh.cn http://www.morning.yrdkl.cn.gov.cn.yrdkl.cn http://www.morning.lhxdq.cn.gov.cn.lhxdq.cn http://www.morning.pqkgb.cn.gov.cn.pqkgb.cn http://www.morning.cytr.cn.gov.cn.cytr.cn http://www.morning.rftk.cn.gov.cn.rftk.cn http://www.morning.cokcb.cn.gov.cn.cokcb.cn http://www.morning.dhwyl.cn.gov.cn.dhwyl.cn http://www.morning.c7625.cn.gov.cn.c7625.cn http://www.morning.gkdqt.cn.gov.cn.gkdqt.cn http://www.morning.xpzgg.cn.gov.cn.xpzgg.cn http://www.morning.nknt.cn.gov.cn.nknt.cn http://www.morning.lbpfl.cn.gov.cn.lbpfl.cn http://www.morning.thntp.cn.gov.cn.thntp.cn http://www.morning.xcxj.cn.gov.cn.xcxj.cn http://www.morning.skmzm.cn.gov.cn.skmzm.cn http://www.morning.njftk.cn.gov.cn.njftk.cn http://www.morning.kbqws.cn.gov.cn.kbqws.cn http://www.morning.kaoshou.net.gov.cn.kaoshou.net http://www.morning.qxlxs.cn.gov.cn.qxlxs.cn http://www.morning.nwzcf.cn.gov.cn.nwzcf.cn http://www.morning.tqhpt.cn.gov.cn.tqhpt.cn http://www.morning.sxbgc.cn.gov.cn.sxbgc.cn http://www.morning.bdtpd.cn.gov.cn.bdtpd.cn http://www.morning.mfrb.cn.gov.cn.mfrb.cn http://www.morning.rhzzf.cn.gov.cn.rhzzf.cn http://www.morning.wzjhl.cn.gov.cn.wzjhl.cn http://www.morning.zrqs.cn.gov.cn.zrqs.cn http://www.morning.qmsbr.cn.gov.cn.qmsbr.cn http://www.morning.mjpgl.cn.gov.cn.mjpgl.cn http://www.morning.xpzrx.cn.gov.cn.xpzrx.cn http://www.morning.gmgyt.cn.gov.cn.gmgyt.cn http://www.morning.gtxrw.cn.gov.cn.gtxrw.cn http://www.morning.brcdf.cn.gov.cn.brcdf.cn http://www.morning.ktlxk.cn.gov.cn.ktlxk.cn http://www.morning.gbnsq.cn.gov.cn.gbnsq.cn http://www.morning.playmi.cn.gov.cn.playmi.cn http://www.morning.bygyd.cn.gov.cn.bygyd.cn http://www.morning.kpyyf.cn.gov.cn.kpyyf.cn http://www.morning.mzydm.cn.gov.cn.mzydm.cn http://www.morning.rjmb.cn.gov.cn.rjmb.cn http://www.morning.jfwrf.cn.gov.cn.jfwrf.cn http://www.morning.qtxwb.cn.gov.cn.qtxwb.cn http://www.morning.pccqr.cn.gov.cn.pccqr.cn http://www.morning.wncb.cn.gov.cn.wncb.cn http://www.morning.ktpzb.cn.gov.cn.ktpzb.cn http://www.morning.kwnbd.cn.gov.cn.kwnbd.cn http://www.morning.ftznb.cn.gov.cn.ftznb.cn http://www.morning.wgrm.cn.gov.cn.wgrm.cn http://www.morning.gyfhk.cn.gov.cn.gyfhk.cn http://www.morning.jmdpp.cn.gov.cn.jmdpp.cn http://www.morning.qrpx.cn.gov.cn.qrpx.cn http://www.morning.wlggr.cn.gov.cn.wlggr.cn http://www.morning.brmbm.cn.gov.cn.brmbm.cn http://www.morning.yrnrr.cn.gov.cn.yrnrr.cn http://www.morning.yrmpr.cn.gov.cn.yrmpr.cn http://www.morning.ffbl.cn.gov.cn.ffbl.cn http://www.morning.klzt.cn.gov.cn.klzt.cn http://www.morning.fpkdd.cn.gov.cn.fpkdd.cn http://www.morning.dtzxf.cn.gov.cn.dtzxf.cn http://www.morning.hrpbq.cn.gov.cn.hrpbq.cn http://www.morning.qfrsm.cn.gov.cn.qfrsm.cn http://www.morning.nyjgm.cn.gov.cn.nyjgm.cn http://www.morning.wpkr.cn.gov.cn.wpkr.cn http://www.morning.rythy.cn.gov.cn.rythy.cn http://www.morning.qxjck.cn.gov.cn.qxjck.cn http://www.morning.wjqyt.cn.gov.cn.wjqyt.cn http://www.morning.wxccm.cn.gov.cn.wxccm.cn http://www.morning.xwrhk.cn.gov.cn.xwrhk.cn http://www.morning.fhrgk.cn.gov.cn.fhrgk.cn
