久久福利_99r_国产日韩在线视频_直接看av的网站_中文欧美日韩_久久一

您的位置:首頁技術文章
文章詳情頁

python 如何做一個識別率百分百的OCR

瀏覽:63日期:2022-06-18 09:20:08
目錄寫在前面技術棧實現(xiàn)思路具體實現(xiàn)讀取圖片二值化圖像膨脹找輪廓外接矩形過濾字符字符分割構造數(shù)據集向量搜索(分類)生成結果寫在前面

當然這里說的百分百可能有點夸張,但其實想象一下,游戲里面的某個窗口的字符就是那種樣子,不會變化的。而且識別的字符可能也不需要太多。中文有大幾千個常用字,還有各種符號,其實都不需要。

這里針對的場景很簡單,主要是有以下幾點:

識別的字符不多:只要識別幾十個常用字符即可,比如說26個字母,數(shù)字,還有一些中文。 背景統(tǒng)一,字體一致:我們不是做驗證碼識別,我們要識別的字符都是清晰可見的。 字符和背景易分割:一般來說就是對圖片灰度化之后,黑底白字或者白底黑字這種。技術棧

這里用到的主要就是python+opencv了。

python3 opencv-python

環(huán)境主要是以下的庫:

pip install opencv-pythonpip install imutilspip install matplotlib實現(xiàn)思路

首先看下圖片的灰度圖。

python 如何做一個識別率百分百的OCR

第一步:二值化,將灰度轉換為只有黑白兩種顏色。

python 如何做一個識別率百分百的OCR

第二步:圖像膨脹,因為我們要通過找輪廓算法找到每個字符的輪廓然后分割,如果是字符還好,中文有很多左右偏旁,三點水這種無法將一個整體進行分割,這里通過膨脹將中文都黏在一起。

python 如何做一個識別率百分百的OCR

第三步:找輪廓。

python 如何做一個識別率百分百的OCR

第四步:外接矩形。我們需要的字符是一個矩形框,而不是無規(guī)則的。

python 如何做一個識別率百分百的OCR

第五步:過濾字符,這里比如說標點符號對我來說沒用,我通過矩形框大小把它過濾掉。

python 如何做一個識別率百分百的OCR

第六步:字符分割,根據矩形框分割字符。

python 如何做一個識別率百分百的OCR

第七步:構造數(shù)據集,每一類基本上放一兩張圖片就可以。

python 如何做一個識別率百分百的OCR

第八步:向量搜索+生成結果,根據數(shù)據集的圖片,進行向量搜索得到識別的標簽。然后根據圖片分割的位置,對識別結果進行排序。

具體實現(xiàn)讀取圖片

首先先讀取待識別的圖片。

import cv2import numpy as npfrom matplotlib import pyplot as pltfrom matplotlib.colors import NoNormimport imutilsfrom PIL import Imageimg_file = 'test.png'im = cv2.imread(img_file, 0)

使用matplotlib畫圖結果如下:

python 如何做一個識別率百分百的OCR

二值化

在進行二值化之前,首先進行灰度分析。

python 如何做一個識別率百分百的OCR

灰度值是在0到255之間,0代表黑色,255代表白色。可以看到這里背景色偏黑的,基本集中在灰度值30,40附近。而字符偏白,大概在180灰度這里。

這里選擇100作為分割的閾值。

thresh = cv2.threshold(im, 100, 255, cv2.THRESH_BINARY)[1]

2值化后效果如下:

python 如何做一個識別率百分百的OCR

圖像膨脹

接下來進行一個圖像的縱向膨脹,選擇一個膨脹的維度,這里選擇的是7。

kernel = np.ones((7,1),np.uint8) dilation = cv2.dilate(thresh, kernel, iterations=1)

python 如何做一個識別率百分百的OCR

找輪廓

接下來調用opencv找一下輪廓,

# 找輪廓cnts = cv2.findContours(dilation.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)cnts = imutils.grab_contours(cnts)

接下來我們再讀取一下原圖,繪制輪廓看下輪廓的樣子。

python 如何做一個識別率百分百的OCR

外接矩形

對于輪廓我們可以做外接矩形,這里可以看下外接矩形的效果。

python 如何做一個識別率百分百的OCR

過濾字符

這里過濾字符的原理其實就是將輪廓內的顏色填充成黑色。下面的代碼是將高度小于15的輪廓填充成黑色。

for i, c in enumerate(cnts): x, y, w, h = cv2.boundingRect(c) if (h < 15):cv2.fillPoly(thresh, pts=[c], color=(0))

填充后可以看到標點符號就沒了。

python 如何做一個識別率百分百的OCR

字符分割

因為圖像是個矩陣,最后字符分割就是使用切片進行分割。

for c in cnts: x, y, w, h = cv2.boundingRect(c) if (h < 15):continue cropImg = thresh[y:y+h, x:x+w] plt.imshow(cropImg) plt.show()構造數(shù)據集

最后我們創(chuàng)建數(shù)據集進行標注,就是把上面的都串起來,然后將分割后的圖片保存到文件夾里,并且完成標注。

import cv2import numpy as npimport imutilsfrom matplotlib import pyplot as pltimport uuiddef split_letters(im): # 2值化 thresh = cv2.threshold(im, 100, 255, cv2.THRESH_BINARY)[1] # 縱向膨脹 kernel = np.ones((7, 1), np.uint8) dilation = cv2.dilate(thresh, kernel, iterations=1) # 找輪廓 cnts = cv2.findContours(dilation.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnts = imutils.grab_contours(cnts) # 過濾太小的 for i, c in enumerate(cnts):x, y, w, h = cv2.boundingRect(c)if h < 15: cv2.fillPoly(thresh, pts=[c], color=(0)) # 分割 char_list = [] for c in cnts:x, y, w, h = cv2.boundingRect(c)if h < 15: continuecropImg = thresh[y:y + h, x:x + w]char_list.append((x, cropImg)) return char_listfor i in range(1, 10): im = cv2.imread(f'test{i}.png', 0) for ch in split_letters(im):print(ch[0])filename = f'ocr_datas/{str(uuid.uuid4())}.png'cv2.imwrite(filename, ch[1])向量搜索(分類)

向量搜索其實就是個最近鄰搜索的問題,我們可以使用sklearn中的KNeighborsClassifier。

訓練模型代碼如下:

import osimport numpy as npfrom sklearn.neighbors import KNeighborsClassifierimport cv2import pickleimport jsonmax_height = 30max_width = 30def make_im_template(im): template = np.zeros((max_height, max_width)) offset_height = int((max_height - im.shape[0]) / 2) offset_width = int((max_width - im.shape[1]) / 2) template[offset_height:offset_height + im.shape[0], offset_width:offset_width + im.shape[1]] = im return templatelabel2index = {}index2label = {}X = []y = []index = 0for _dir in os.listdir('ocr_datas'): new_dir = 'ocr_datas/' + _dir if os.path.isdir(new_dir):label2index[_dir] = indexindex2label[index] = _dirfor filename in os.listdir(new_dir): if filename.endswith('png'):im = cv2.imread(new_dir + '/' + filename, 0)tpl = make_im_template(im) # 生成固定模板tpl = tpl / 255 # 歸一化X.append(tpl.reshape(max_height*max_width))y.append(index)index += 1print(label2index)print(index2label)model = KNeighborsClassifier(n_neighbors=1)model.fit(X, y)with open('simple_ocr.pickle', 'wb') as f: pickle.dump(model, f)with open('simple_index2label.json', 'w') as f: json.dump(index2label, f)

這里有一點值得說的是如何構建圖片的向量,我們分隔的圖片的長和寬是不固定的,這里首先需要使用一個模型,將分隔后的圖片放置到模板的中央。然后將模型轉換為一維向量,當然還可以做一個歸一化。

生成結果

最后生成結果就是還是先分割一遍,然后轉換為向量,調用KNeighborsClassifier模型,找到最匹配的一個作為結果。當然這是識別一個字符的結果,我們還需要根據分割的位置進行一個排序,才能得到最后的結果。

import cv2import numpy as npimport imutilsfrom sklearn.neighbors import KNeighborsClassifierimport pickleimport jsonwith open('simple_ocr.pickle', 'rb') as f: model = pickle.load(f)with open('simple_ocr_index2label.json', 'r') as f: index2label = json.load(f)max_height = 30max_width = 30def make_im_template(im): template = np.zeros((max_height, max_width)) offset_height = int((max_height - im.shape[0]) / 2) offset_width = int((max_width - im.shape[1]) / 2) template[offset_height:offset_height + im.shape[0], offset_width:offset_width + im.shape[1]] = im return template.reshape(max_height*max_width)def split_letters(im): # 2值化 thresh = cv2.threshold(im, 100, 255, cv2.THRESH_BINARY)[1] # 縱向膨脹 kernel = np.ones((7, 1), np.uint8) dilation = cv2.dilate(thresh, kernel, iterations=1) # 找輪廓 cnts = cv2.findContours(dilation.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnts = imutils.grab_contours(cnts) # 過濾太小的 for i, c in enumerate(cnts):x, y, w, h = cv2.boundingRect(c)if h < 15: cv2.fillPoly(thresh, pts=[c], color=(0)) # 分割 char_list = [] for c in cnts:x, y, w, h = cv2.boundingRect(c)if h < 15: continuecropImg = thresh[y:y + h, x:x + w]char_list.append((x, cropImg)) return char_listdef ocr_recognize(fname): im = cv2.imread(fname, 0) char_list = split_letters(im) result = [] for ch in char_list:res = model.predict([make_im_template(ch[1])])[0] # 識別單個結果result.append({ 'x': ch[0], 'label': index2label[str(res)]}) result.sort(key=lambda k: (k.get(’x’, 0)), reverse=False) # 因為是單行的,所以只需要通過x坐標進行排序。 return ''.join([it['label'] for it in result])print(ocr_recognize('test1.png'))

以上就是python 如何做一個識別率百分百的OCR的詳細內容,更多關于python 做一個OCR的資料請關注好吧啦網其它相關文章!

標簽: Python 編程
相關文章:
主站蜘蛛池模板: 国产成人午夜 | 欧美1区 | 欧美激情欧美激情在线五月 | 日韩一区二区在线观看视频 | 中文字幕日韩欧美 | 成人久久久精品乱码一区二区三区 | 中文字幕亚洲欧美 | 国产精品一区二区av | 亚洲国产婷婷香蕉久久久久久99 | 日本在线观看网站 | 成人在线免费 | 国产成人精品一区二区三区四区 | 欧美日韩一二三区 | 日本人做爰大片免费观看一老师 | 成人精品 | 四色成人av永久网址 | 色视频www在线播放国产人成 | 亚洲一区二区在线播放 | 久久久久一 | 久久久综合色 | 免费在线黄色电影 | 国产精品自拍视频 | 操操操日日日 | 91精品国产乱码久久久久久久久 | 欧美日韩国产中文 | 色婷婷综合久久久中文字幕 | 黄毛片视频 | 日精品| 高清国产一区二区三区四区五区 | 日韩久久一区二区 | 久久精品欧美一区二区三区麻豆 | 精一区二区 | 国产精品网站在线观看 | 欧美高清一区 | 毛片真人毛毛片毛片 | 亚洲欧美一区二区三区在线 | 国产欧美日本 | 日本人做爰大片免费观看一老师 | 欧美二三区 | 精品国产乱码久久久久久1区2区 | 国产精久久 | 久久久二| 欧美一区二区三区视频 | 欧美日韩一区免费 | 欧美成人午夜视频 | 国产福利91精品一区二区 | 国产福利在线视频 | 毛片国产 | 九九精品视频在线观看 | 国产精品视频播放 | 男女羞羞视频免费观看 | 啊v在线 | 精品在线看 | 国产高清久久 | 亚洲欧美日韩在线一区 | 97在线观看 | 中文字幕视频网站 | 久在线 | 一级毛片大全免费播放 | 国产一级视频在线播放 | 女人久久久 | 精品国产污网站污在线观看15 | 中文字幕亚洲一区二区三区 | 91精品国产一区二区 | 亚洲国产精品一区 | 国产又粗又长又硬又猛电影 | 七七婷婷婷婷精品国产 | 免费黄色网址在线播放 | av超碰在线 | 欧美区国产区 | 久久久综合网 | 亚洲网站视频 | 欧美精品一区二区三区四区 | 日韩中文字幕在线观看 | 精品一区二区三区三区 | 国产区精品 | 最近的中文字幕在线看视频 | 午夜成人在线视频 | 免费看的毛片 | 欧美三级视频 | 欧美午夜一区二区三区免费大片 | 日操| 日韩欧美理论片 | 国产精品99久久久久久宅男 | 91久久久久久久久久久久久久久久 | 精品国产乱码久久久久久1区二区 | 国产亚洲女人久久久久毛片 | 亚洲欧洲精品成人久久奇米网 | 老司机午夜免费精品视频 | 伊人影视| 欧美久久影视 | 一区二区免费在线播放 | 四虎永久在线观看 | 91久久精品一区二区三区 | 亚洲欧美日韩另类精品一区二区三区 | 久久久久久久国产精品 | 日韩午夜一级片 | 97成人在线 | 二区视频 | 国产高清在线精品一区 | 久久久精品国产 | 国产精品久久久久精 | 日韩美女爱爱 | 最近韩国日本免费观看mv免费版 | 国产精品一区一区三区 | 日韩免费在线观看视频 | 亚洲视频一区二区 | 男人的天堂亚洲 | 免费xxxx大片国产在线 | 91在线精品秘密一区二区 | 中字幕视频在线永久在线观看免费 | 97视频久久 | 久久国产精品免费一区二区三区 | a免费在线 | 久久精品亚洲精品 | 一级a毛片 | 精品国产欧美一区二区三区成人 | 在线视频久久 | 日韩av网页 | 日本欧美一区二区 | 一区二区三区四区在线播放 | 国产一区二区三区 | 成年人网站在线免费观看 | 久久综合久久受 | 日韩一区二区在线免费观看 | 欧美午夜在线 | 欧美一区二区久久久 | 麻豆久久久9性大片 | 亚洲视频综合 | 欧美在线观看一区 | 国偷自产一区二区免费视频 | 亚洲一区二区三区欧美 | 欧美一区二 | 欧美成人精品激情在线观看 | 九九亚洲 | а天堂中文最新一区二区三区 | 国产成人精品一区二区在线 | 午夜激情在线免费观看 | 欧美一区二区 | 美女毛片免费看 | 国产视频999| 中文字幕国产 | 日本成片视频 | 精品久久久久久国产 | 久久精品在线 | 无码少妇一区二区三区 | 久久成人国产 | 日韩一二三区视频 | 天堂一区二区三区在线 | 色综合天天综合网国产成人网 | 国产精品福利视频 | 国产精品爱久久久久久久 | 中文成人在线 | 日韩一区在线播放 | 在线欧美一区 | 免费一区二区三区 | 日韩不卡一二三 | 一区二区三区播放 | 91久久精品国产亚洲a∨麻豆 | 在线观看国产视频 | 99视频精品| 成人久久精品 | 国产精品美女久久久久久久久久久 | 午夜私人影院在线观看 | 国产一级影片 | 欧美日韩国产精品 | 国产99久久久久久免费看农村 | 天天看天天爽 | 精品国产一区二区三区久久影院 | 精品久久久久久久久久久久久久 | 啊v在线| 精品国产一区二区在线 | 丁香亚洲 | 2018天天操| 黄色一级大片在线免费看产 | 亚洲精品毛片一区二区 | 久久国产成人 | 欧美亚洲视频 | 久久久精品一区 | 欧美午夜视频 | 免费成人av网 | 美女逼网站 | 日本成人福利视频 | 欧美一区二区三区精品免费 | 一级做a爰片性色毛片 | 天天干天天搞天天射 | 国产精品自产拍在线观看桃花 | 亚洲婷婷综合网 | 在线干 | 中文日韩在线 | 久久久精品国产 | 一区二区在线看 | 99热手机在线观看 | 精品不卡 | 国产噜噜噜噜噜久久久久久久久 | 国产精品久久久久无码av | 国产乱码精品1区2区3区 | 亚洲欧美日韩另类精品一区二区三区 | 亚洲欧美激情在线 | 日韩视频精品在线 | 国产在线精品一区二区 | 亚洲精品成人久久久 | 国产日韩精品视频 | 亚洲国产精品久久久 | 欧美国产激情 | 91精品国产综合久久久久久丝袜 | 欧美福利影院 | 久久久久久久久成人 | 成人a在线 | 九九在线国产视频 | 欧美亚洲视频在线观看 | 国产中文一区 | 99精品欧美一区二区三区综合在线 | 国产精品欧美久久久久一区二区 | 国产精品毛片久久久久久 | 国产日韩一区二区三区 | 精品久久久久香蕉网 | 日韩精品久久 | 久久国产精品免费一区二区三区 | 日韩不卡一区二区 | 福利在线看| 国产精品久久一区 | a级在线观看 | 国产在线拍 | 黄版视频在线观看 | 国产成人精品一区二区三区视频 | 成人在线欧美 | 99在线视频精品 | 欧美精品成人一区二区三区四区 | 亚洲欧美日韩国产综合 | 99热在线播放 | 在线成人av | 麻豆色呦呦 | 国产精品美女视频一区二区三区 | 成人亚洲精品777777大片 | 亚洲精品一区二区三区精华液 | 久久久久国产 | 精品国产乱码久久久久久蜜柚 | 国产精品久久久久久久久久大牛 | 国产91视频在线观看 | 国内精品视频一区二区三区八戒 | 亚洲午夜精品一区二区三区他趣 | 一区自拍 | av黄色一级| 国产综合网站 | 91捆绑91紧缚调教91 | 青草成人免费视频 | 精品一区二区三区在线视频 | 一级久久久久 | 91国内精品久久 | 亚洲国产成人久久 | 国产色婷婷精品综合在线播放 | 国产精品一二 | 日韩中文字幕免费在线播放 | av下一页| 中文字幕av一区二区 | 中文字幕在线一区 | 久久国产精品视频 | 国产99久久精品一区二区永久免费 | 亚洲精品国产第一综合99久久 | 国产精品成人久久久久 | 欧美日韩国产一区二区三区在线观看 | 精久久| 五月天婷婷国产精品 | 久久人人爽人人爽 | 99久久夜色精品国产网站 | 一区久久| 粉嫩高清一区二区三区 | 在线观看成人高清 | 亚洲九九精品 | 亚洲精品视频免费看 | 精品九九 | 男女啪啪无遮挡 | 精品国产乱码久久久久久密桃99 | 国产激情视频在线 | 精国产品一区二区三区四季综 | 国产成人福利在线 | 亚洲一区二区黄 | 老司机福利在线视频 | 国产在线不卡 | 国产一区二区成人 | 精品1区 | 亚洲天天干 | 91精品国产91久久久久久吃药 | 欧美成人精品一区二区男人看 | 91精品久久久久久久久久入口 | 国产一区二区精品 | 嫩草影院懂你的 | 在线观看免费毛片视频 | 免费xxxxx在线观看网站软件 | 国产成人午夜 | 欧美一区免费 | 亚洲欧美综合精品久久成人 | 久久久精品久久久久 | 青青久久 | 亚洲国产成人久久一区二区三区 | 亚洲电影在线观看 | 97在线观看视频 | 日韩三区在线 | 国产精品电影 | 久久久久久久av | 日本不卡一区二区三区在线观看 | 日韩视频一区二区三区 | 性色av一区二区三区免费看开蚌 | 日本午夜在线 | 国产精品不卡一区 | 激情五月婷婷 | 久久久一 | 男女羞羞视频在线观看 | 国产一级视频 | www.天天操| 夜夜撸av | 一区二区国产在线观看 | 欧美一级二级三级 | 黄瓜av| 91精品国产高清久久久久久久久 | 亚洲人人 | 欧美日本韩国在线 | 欧美日本一区二区三区 | 精品日韩在线 | 蜜臀91精品国产高清在线观看 | 婷婷激情五月 | www.五月婷婷 | 日韩黄色片免费看 | 欧美一级在线观看 | 97久久超碰 | 欧美精品久久久 | 日本三级中国三级99人妇网站 | 午夜欧美一区二区三区在线播放 | 中文字幕在线视频免费观看 | 亚洲网在线 | 亚洲免费观看视频 | 亚洲欧洲精品视频 | 色www精品视频在线观看 | 日本精品视频在线观看 | 亚洲一区二区三区四区在线观看 | 精品久久一区 | 久久精品a级毛片 | 欧美一区二区三区 | 91最新| 天天综合网网欲色 | 在线观看亚洲一区二区三区 | 国产精品视频入口 | 色五月激情五月 | 男女视频在线看 | 狠狠ri | 性做久久久久久久免费看 | 在线观看国产视频 | 一区二区精品在线 | 国产精品一区二区视频 | 亚洲www. | 亚洲视频中文字幕 | 欧美激情视频一区二区三区在线播放 | 亚洲国产成人av | 国产中文视频 | 国产最新一区 | 色吊丝在线 | 日韩在线欧美 | 中文字幕在线观看精品视频 | 成人黄色一区 | 亚洲协和影视 | 日韩午夜av| 日韩精品一区二区三区四区五区 | 日本二区在线观看 | 成人不卡 | 欧美激情一区二区三级高清视频 | 免费视频一区 | 日本三级在线视频 | 亚洲一区免费视频 | 欧美一级网站 | 国产三级在线 | 久久中文字幕一区 | 日日爽天天操 | 久久国产精品久久久久久久久久 | 青青草国产 | 少妇久久久 | 久在线视频 | 久久久免费看 | 亚洲精品在线免费 | 狠狠躁夜夜躁人人爽视频 | 天堂在线中文字幕 | av免费观看网站 | 日韩亚洲精品在线观看 | 在线久| 一本岛在线视频 | 一区二区视频网 | 亚洲一区二区免费看 | 久久人人爽人人爽 | 亚洲精品久久久久avwww潮水 | 99国产精品99久久久久久 | 国产精品久久久久久久久久久久久 | 成人高清视频在线观看 | 久草高清 | 91免费在线看 | 久久综合九色综合欧美狠狠 | 色偷偷888欧美精品久久久 | 精品视频网 | 欧美国产视频一区 | 久久视频一区 | 中午字幕在线观看 | 九九99热| 久久久综合亚洲91久久98 | a级毛片免费高清视频 | 亚洲精品一二三区 | 日韩欧美一区二区三区久久婷婷 | 插插插干干干 | 日本理伦片午夜理伦片 | 成年人在线观看视频 | 亚洲精品国产第一综合99久久 | 成人av播放 | 99热在线播放 | 国产精品久久久爽爽爽麻豆色哟哟 | 夫妻午夜影院 | 91麻豆精品国产91久久久久久久久 | 国产精品观看 | 精品亚洲永久免费精品 | 国产一区二区三区免费视频 | 亚洲精品在线看 | 国内精品视频一区二区三区 | 在线观看亚洲精品视频 | 久操成人 | 午夜影院在线 | 中文字幕在线观看一区二区三区 | 久久综合精品视频 | 美女吊逼 | 国产高清视频在线观看 | 国产精品日日夜夜 | 国产午夜精品久久久 | 久在草视频 | 欧美日韩在线一区二区 | 成人免费黄色小视频 | 亚洲深深色噜噜狠狠网站 | 久久免费视频3 | 亚洲精品久久久久久久久久久久久 | 成人一区二区在线 | 欧美一级艳情片免费观看 | 欧美日韩视频在线第一区 | 久久精品在线 | 日韩福利在线观看 | 精品成人免费视频 | 欧美精产国品一二三区 | 久久久性色精品国产免费观看 | 一区二区在线播放视频 | 欧美乱码久久久久久蜜桃 | 在线精品亚洲欧美日韩国产 | 亚洲午夜性视频 | 中文字幕免费看 | 日韩欧美一级二级 | 日韩精品在线播放 | 日日干夜夜干 | 亚洲天堂中文字幕 | 亚洲国产精品一区二区久久 | 精品视频在线观看 | 欧美日韩在线播放 | 99热日本| 色爱av | 国产性色 | 97在线观看视频 | 亚洲国产精品综合久久久 | 日韩一区二区在线播放 | 中国大陆高清aⅴ毛片 | 亚洲 国产 另类 精品 专区 | 天天草天天插 | 国产一区二区三区免费观看 | 精品视频一区二区在线观看 | 噜噜噜在线 | av色伊人久久综合一区二区 | 自拍视频在线播放 | 在线播放亚洲 | 日本黄色电影网站 | 91在线免费观看 | 久久久精品 | 精品在线一区二区 | 色婷婷一区二区三区四区 | 国产精品自产拍在线观看 | 欧美精品第一页 | 91精品久久久久久综合五月天 | 精品国产一区二区三区高潮视 | 午夜免费视频 | 黄色一级片黄色一级片 | 国产精品一二区 | 一区二区三区精品视频 | 精品一区二区三区在线观看 | 亚洲成人一区二区三区 | 国产乱肥老妇国产一区二 | 成人在线播放 | 在线国产一区二区 | 91精品国产一区二区三区四区在线 | 一级毛片免费完整视频 | 日日日日日 | 国产精品18久久久久久久久久久久 | 亚洲精品一区二区三区 | 亚洲一区二区三区视频 | 五月激情站| 91成人免费看片 | 亚洲精品成人在线 | 中国一级毛片免费 | 91在线观看免费 | 欧美日韩中文字幕在线 | 色久视频 | 久一久久 | av黄色一级| 久久伊人久久 | 国产第一亚洲 | 亚洲激情在线 | 成人午夜在线视频 | 一级人爱视频 | 欧美色图亚洲自拍 | 午夜影院18 | 自拍偷拍专区 | 成人免费xxxxx在线观看 | 色综合久 | 亚洲精品自在在线观看 | 免费一区二区三区 | 青草青草久热精品视频在线观看 | 毛片在线免费播放 | 亚洲精品国产a久久久久久 国产毛片毛片 | 中文字幕第100页 | 在线免费观看色视频 | 国产免费av在线 | 亚洲人人 | 欧洲美女7788成人免费视频 | 亚洲一区中文 | 国产成人一区二区三区 | 国产精品一二三区 | 国产国拍亚洲精品av | 久久亚洲精品视频 | 精品少妇一区二区三区日产乱码 | 三级av网站| 国产激情偷乱视频一区二区三区 | 亚洲三区在线观看 | 北条麻妃一区二区三区在线 | 自拍偷拍欧美 | 五月网婷婷 | 国产高清在线a视频大全 | 国产a久久精品一区二区三区 | 免费在线看a | 精品国产欧美一区二区 | 国产午夜小视频 | 日本久久精品视频 | 欧美日韩中文 | 国产精品污www在线观看 | 欧美精品一区二区在线观看 | av入口| 亚洲一区二区三区 | 国产一在线 | 国产精品福利久久 | 久久久一区二区三区 | 不卡二区 | 国产精品久久久久久久一区探花 | 精品久久久久一区二区三区 | 欧美亚洲另类丝袜综合网动图 | 国产一区二区在线电影 | 狠狠操综合网 | 国产一区二区三区不卡在线观看 | 亚洲福利一区二区 | 天天av天天操 | 视频1区2区 | 四虎视频 | 在线播放国产视频 | 国产一区二区资源 | 国产传媒在线 | 日韩电影免费在线观看中文字幕 | 永久黄网站色视频免费 | 欧美日韩一区二区三 | 日本精品视频在线播放 | 久久久久久综合 | 亚洲视频在线免费观看 | 国产成人精品亚洲日本在线观看 | 国产97久久| 欧美日韩一区二区视频在线观看 | 毛片一级片 | 国产精品色婷婷久久58 | 成人免费视频观看视频 | 中文字幕一二区 | 亚洲精品综合中文字幕 | 国产综合网站 | 天堂中文资源在线 | 欧洲亚洲精品久久久久 | 亚洲精品一区二区三区在线看 | 日韩三区在线 | 国产精品久久久久久久久久东京 | 欧美日韩成人在线观看 | 一区二区三区国产在线观看 | 中文字幕一区二区在线观看 | 搞黄免费视频 | 精品久久一二三区 | 国产精品亚洲一区二区三区 | 夜夜操操 | 一级黄色生活视频 | 精品国产乱码久久久久久丨区2区 | 欧美久久久久久久久久久久 | 成人免费一区二区三区视频网站 | 国内精品视频在线观看 | 欧美国产一区二区 | 好姑娘影视在线观看高清 | 亚洲国产精品精华液网站 | 美女视频一区 | 亚洲美女视频一区二区三区 | 成人在线视频免费观看 | 国产2区| 午夜免费电影 | 欧美一区二区三区在线看 | 国产精品影视 | 黑人巨大精品欧美一区二区小视频 | 久久国产精品久久精品 | 性瘾调教校园h | 91视频在线| 综合婷婷| 伊人二区 | 91在线看 | av免费网站在线观看 | 男女视频网站 | 精品www| 国产精品精品视频 |