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:64日期:2022-06-18 09:20:08
目錄寫在前面技術棧實現思路具體實現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,數字,還有一些中文。 背景統一,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

環境主要是以下的庫:

pip install opencv-pythonpip install imutilspip install matplotlib實現思路

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()構造數據集

最后我們創建數據集進行標注,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: 激情综合色综合久久综合 | 国产精品视频免费看 | 91在线高清观看 | www.一区 | 亚洲精品在线观看免费 | 久久极品 | 久久久久国产一区二区三区 | 成人一级片| 国产激情在线观看 | 免费一级毛片 | 国产精品久久久久一区二区三区共 | 亚洲日韩中文字幕一区 | 一级大片免费观看 | 欧美一级成人欧美性视频播放 | 亚洲视频自拍 | 久久久久久久久久久成人 | 久久精品小视频 | 亚州中文字幕蜜桃视频 | www国产亚洲 | av网站观看| aaa在线| 欧美成人精品一区二区三区 | 日韩一级免费在线观看 | 国产精品久久久爽爽爽麻豆色哟哟 | 人人射人人 | 久久久精品网 | 国产成人av在线播放 | 欧美日韩亚洲综合 | 亚洲精品久久久久久一区二区 | 国产九九九 | 午夜视频网 | 国产精品精品 | 四虎永久网址 | 国产成人精品久久 | 亚洲成年| 成人在线免费视频观看 | 亚洲久久久 | 一本大道久久a久久精二百 国产精品片aa在线观看 | 狠狠搞狠狠干 | 日本一区二区视频 | 午夜影院在线 | 亚洲h在线观看 | aaaa网站 | 永久91嫩草亚洲精品人人 | 亚洲视频777 | 成人av一区二区三区 | 性色av一区二区三区 | 天天躁人人躁人人躁狂躁 | 在线a电影 | 日韩视频精品 | 少妇久久久久 | 成人在线播放 | 成人精品一区 | 亚洲精品久久久久久久久久久 | 国产精拍 | 中文字幕一区二区三区乱码图片 | 黄色免费观看 | 久久久91精品国产一区二区三区 | 亚洲成人av | 久久伊人成人 | 欧美国产在线视频 | 最新的黄色网址 | 在线免费观看激情视频 | 91久久国产精品 | 亚洲香蕉精品 | 婷婷国产 | 日日夜夜天天 | 中文字幕一区在线观看视频 | 欧美一级高潮片免费的 | 欧美一区二区久久 | 亚洲一区二区视频在线观看 | 一区二区免费在线 | 中文二区| 日韩在线播放网址 | 国产高清在线a视频大全 | 久久久久久91香蕉国产 | 欧美成人免费网站 | 日韩综合 | 午夜精品久久久 | 精品国产鲁一鲁一区二区在线观看 | 日韩精品久| 国产精品伊人影院 | 国产在线中文字幕 | 日韩一级免费在线观看 | 激情综合久久 | 国产精品一区二区在线 | 九九久久久 | 91xxx在线观看 | 黄色片com | 日韩午夜在线 | 久久久久久91亚洲精品中文字幕 | www.久久久久 | 久久网一区二区三区 | 欧美亚洲日本 | 亚洲激情网站 | 免费的日批视频 | a免费在线 | 欧美不卡一区二区三区 | 欧美成人一级 | 欧洲精品乱码久久久久蜜桃 | 91免费观看在线 | 91久久| 欧美一区二区在线播放 | 国产精品极品美女在线观看免费 | 亚洲视频一区二区 | 国产欧美日韩成人 | 国产成人精品一区二 | 成年人网站在线免费看 | 亚洲成人在线网站 | jizz久久久 | 伊人激情四射 | 99福利视频| 欧美日韩国产精品久久久久 | 黄色资源在线观看 | 亚洲天堂久 | 蜜臀精品久久久久久蜜臀 | www欧美| 亚洲第一av| 国产一区91 | 一级视频网站 | 一级片手机免费看 | 密色视频 | av在线网址观看 | 国产精品美女 | 免费一级毛片 | 日韩成人影院 | 久久综合99re88久久爱 | 黄色一级片视频播放 | 天天精品视频免费观看 | 国产精品日本一区二区不卡视频 | 亚洲精品久久久久久久久久久 | 国产一区二区视频在线观看 | 国产精品久久久久久久久久久久久 | 在线观看国产www | 久久99久久99精品免观看粉嫩 | 伊人免费观看视频 | 亚洲综合成人网 | √天堂在线 | 成人网页 | 日韩av免费看 | 在线视频国产一区 | 国产精品毛片一区二区三区 | 欧美久久久久久久久久伊人 | 999精品视频 | 精品一区二区三区四区视频 | 一色一黄视频 | 亚洲视频在线免费观看 | www久久精品 | 91精品国产91久久久久久最新 | chengrenzaixian| 亚洲视频一区二区三区 | 青娱乐国产视频 | 日日干夜夜骑 | a级性生活片 | 午夜国产视频 | 天天射影院| 精品国产依人香蕉在线精品 | 久久国产欧美一区二区三区精品 | 在线视频中文字幕 | 自拍偷拍小视频 | 欧美成年黄网站色视频 | 色综合免费| 青青久久 | 九色av | 精品久久中文字幕 | 精品久久精品久久 | 久久国内| www婷婷 | 久久99深爱久久99精品 | 日韩在线视频资源 | 亚洲欧洲精品一区二区 | 亚洲在线播放 | 日韩福利影院 | 欧美日韩午夜 | 日韩在线免费观看视频 | 在线免费av观看 | 日日夜夜精品网站 | 性色视频在线观看 | 丝袜美腿一区二区三区 | 成人在线精品 | www.狠狠干| 午夜影院免费看 | 久久综合久| 日本女人高潮视频 | 国产精品日本一区二区不卡视频 | 白浆在线播放 | 天堂av一区二区 | 成人国产在线观看 | 欧美一级黄视频 | 日韩在线观看精品 | 国产亚洲网站 | 天天躁日日躁aaaaxxxx | 国产一区二区视频在线观看 | 国产v片| 亚洲精品专区 | sese综合 | 91免费观看 | 成人日韩在线观看 | 欧美日韩视频 | 日韩视频在线一区二区 | 羞羞视频在线播放 | av成人毛片 | 久操国产| 日本免费黄色 | 午夜av电影 | 视频一区二区中文字幕日韩 | 夜夜视频| 高清一区二区三区 | 综合导航 | 国产乱码精品一区二区三区手机版 | 日韩91| 色精品| 欧美一区二区三区在线观看视频 | 69免费视频 | 香蕉久久一区二区不卡无毒影院 | 久久久久久久久久穴 | 欧美性猛交一区二区三区精品 | 久国产精品视频 | 欧美国产精品久久久 | 亚洲伦理一区 | 毛片免费在线观看 | 成人精品久久久 | 麻豆精品一区二区 | 国产区91 | 欧美精品在线免费观看 | 免费看国产片在线观看 | 久久久999成人 | 欧美寡妇偷汉性猛交 | 久久久久久成人精品 | 免费黄色特级片 | 日韩成人在线免费视频 | 男女视频在线免费观看 | 91视频播放 | 青娱乐av | 久久综合九色综合欧美狠狠 | 亚洲毛片在线观看 | 欧美综合婷婷 | 欧美成亚洲 | 国产精品久久久精品 | 中字幕视频在线永久在线观看免费 | 日本三级电影网站 | 欧美一区不卡 | 免费黄色在线 | 国产一二在线 | 国产日韩欧美在线观看 | 黄色小视频在线观看 | 国产精品第一国产精品 | 黄色毛片在线观看 | 黄a在线 | 三级视频在线 | 白浆在线播放 | 欧美久久久久 | 在线视频 中文字幕 | 日日操狠狠操 | 中文字幕在线一区二区三区 | 91午夜视频 | 久久久久香蕉视频 | 久久亚洲精品国产一区 | 国产中文字幕一区 | 亚洲高清视频一区二区三区 | 懂色av一区二区三区在线播放 | 日韩一级黄色大片 | 成人免费视屏 | 一区二区三区精品视频 | 久久一级 | 亚洲免费视频在线观看 | 亚洲第一性理论片 | 伊人网在线视频免费观看 | 亚洲欧美国产精品专区久久 | 亚洲 欧美 日韩在线 | 亚洲欧美日韩在线一区 | 亚洲网站免费 | 成人午夜电影网 | 影音先锋亚洲资源 | 成人免费视频7777777 | 精品一二区 | 久久福利 | 久久伊人亚洲 | 一区二区三区视频在线 | 国产成人精品一区二区三区视频 | 色精品 | 精品久久久免费视频 | 曰本人一级毛片免费完整视频 | 99久久国产 | 亚洲一区二区三区视频 | 国产午夜视频 | 欧美成人高清视频 | 伊人夜夜躁av伊人久久 | 国产噜噜噜噜噜久久久久久久久 | 亚洲中午字幕 | 一级毛片在线免费看 | 性一交一乱一透一a级 | 中文字幕久久精品 | 欧美在线综合 | 精品中文字幕在线 | 国产精品不卡视频 | 一级黄色录像视频 | 91视频免费看片 | 麻豆沈芯语在线观看 | 国产剧情一区二区三区 | 色婷婷综合久久久久中文一区二区 | 欧美一区二区在线视频 | 久久成人久久爱 | 热久久这里只有精品 | 色偷偷888欧美精品久久久 | 国产区视频在线观看 | 黄色片在线免费观看 | 国产91在线播放精品91 | 欧美激情一区二区三区在线视频 | 超碰导航 | 久久久久国产视频 | 国产精品乱码人人做人人爱 | 欧美综合在线一区 | 亚色在线 | 毛片链接 | 青草福利 | 超碰精品在线观看 | 一级片日韩| 日日搞夜夜操 | 久久av资源| 亚洲高清视频在线 | 欧美精品99 | 99re国产| 亚洲最新中文字幕 | 久久久资源 | 午夜免费小视频 | 日韩一区二区三区在线 | 欧美日本韩国一区二区三区 | 日韩在线欧美 | 爱爱视频在线观看 | 欧美日韩精品一区二区三区在线观看 | 久久午夜影院 | 久久久久国产一区二区三区四区 | 亚洲狠狠爱一区二区三区 | 久久久久久久久久久久网站 | 日韩在线不卡一区 | 欧美国产一区二区三区 | 日韩在线高清视频 | 欧美精品第一页 | 老司机午夜免费精品视频 | 欧美综合精品 | www.com国产精品 | 久久精品视频一区 | 国产精品久久久久久久久免费桃花 | 在线观看a视频 | 国产一级毛片在线视频 | 久久精品一区 | 99精品欧美一区二区三区综合在线 | 欧美一区二区三区在线看 | 久久国产欧美日韩精品 | 日韩中文字幕在线 | 国产精品99| 色乱码一区二区三区网站 | 色av色av色av | 日本视频在线 | www国产成人免费观看视频,深夜成人网 | 国产精品欧美日韩 | av小说在线观看 | 精品国产一区二区三区久久久蜜臀 | 免费中文字幕 | 特级做a爰片毛片免费看108 | 欧美xxxx性 | 在线精品一区 | 亚洲一区二区在线视频 | 一本一道久久精品综合 | 亚洲一区久久久 | 国产一级影片 | 天堂一区二区三区 | 亚洲成人av | 国产伦精品一区二区三区四区视频 | 国产成人精品亚洲日本在线观看 | 久久久久久久久成人 | www国产亚洲精品久久网站 | 午夜成人在线视频 | 成人福利视频 | 色视频网站在线观看一=区 日韩一二三区 | 久久精品国产一区二区三 | 久久精品2| 中文在线一区 | 91麻豆精品国产91久久久更新资源速度超快 | 精品久久久久久亚洲综合网 | 国产精品2019 | 天天操天天拍 | 国产一区二区在线播放 | 蜜桃免费视频 | 欧美日本一区 | 国产精品国产精品国产专区不片 | 国产高清不卡在线 | 男人天堂a | 日本欧美国产 | 亚洲免费在线视频 | 日韩在线视频观看 | 青青草免费在线视频 | 97在线观看视频 | 亚洲精品一区二区三区在线 | 国产一区二区精品 | 免费毛片a线观看 | 这里只有精品视频 | 精品免费视频 | 伊人网视频在线 | 日韩精品一区二区三区在线观看 | 亚洲一区二区在线视频 | 黄a在线| 99久久久无码国产精品 | 久久成人精品一区二区三区 | 青草精品 | 夜夜av | 国产精品免费看 | 精品亚洲一区二区三区在线观看 | 一区二区三区精品 | 天天看天天摸天天操 | 国产欧美一区二区精品婷 | 国产一区中文字幕 | 精品精品 | 中文字幕国产 | 国产成人久久精品一区二区三区 | 久久久久中文字幕 | 久久伊人中文字幕 | 99在线免费视频 | 久久久av| 久久久久亚洲精品 | 少妇一级淫免费放 | 国产精品久久久久久久竹霞 | 成人激情视频在线播放 | 欧美一区三区 | 久操草| 亚洲aⅴ网站 | 91精品国产一区二区三区四区在线 | 国产在线观看免费 | 成人在线国产 | 亚洲h视频| 最新国产中文字幕 | 成人在线网 | 久久高清片 | 欧美日在线 | 亚洲一区二区免费视频 | 成人国产网站 | 狠狠躁日日躁夜夜躁东南亚 | 国产精品99久久 | 天天操操| 99精品欧美一区二区三区 | 欧美一级做性受免费大片免费 | 亚洲国产成人在线视频 | 中文av字幕 | 91影院在线观看 | 欧美日韩国产在线 | 99久久九九 | 中文字幕视频网站 | 99re免费视频精品全部 | 一级片av | 欧美嘿咻| 91九色视频在线 | 日韩精品一区二区在线观看 | 色网站视频 | 免费久久网站 | 一区二区三区高清不卡 | 成人黄色av| 久久作爱视频 | 99精品国产高清一区二区麻豆 | 日韩免费福利视频 | 9999亚洲| 涩涩视频网站在线观看 | 欧美一级淫片007 | 国产免费av在线 | 欧美伦理电影一区二区 | 免费观看羞羞视频网站 | 国产一区二区久久久 | 日本在线免费观看 | 欧美日韩国产一区二区三区不卡 | 正在播放国产精品 | 在线成人av观看 | 91av在线视频播放 | 国外成人在线视频 | 伊人色综合久久久天天蜜桃 | 91精品视频在线播放 | 日韩在线播放视频 | 日韩一区二 | 免费av电影网站 | 欧美精品日韩 | 国产欧美一区二区视频 | 日日爱视频 | 午夜电影网址 | 亚洲国产精品va在线看黑人 | 黄色av免费看 | 久久一| 久久久久免费精品视频 | 性色av一区二区三区 | a一级黄 | 最近中文字幕在线视频1 | 中文字幕一区二区三区四区 | 国产成人精品亚洲日本在线观看 | 久久av一区二区 | 婷五月综合| 国产无毛| 国产精品福利在线 | 婷婷色狠狠| 亚洲精品在线网站 | 黄色电影在线免费观看 | 中文字幕亚洲第一 | 欧美日韩精 | 欧美日韩成人激情 | 日韩欧美视频一区二区三区 | 亚洲一区二区在线播放 | 男人的天堂久久 | av在线免费观看网址 | 日本三级电影网站 | 成人免费毛片高清视频 | 蜜桃视频一区二区 | 欧美一级淫片免费看 | 性生活毛片| 国产欧美亚洲精品 | 国产欧美一区二区三区在线看 | 久久久久久久久久国产精品 | 亚洲一区精品在线 | 狠狠躁夜夜躁人人爽视频 | 国产精品香蕉 | 国产精品免费观看 | 日韩一区二区三区在线视频 | av一区二区三区在线观看 | 不卡免费视频 | 黄色毛片在线看 | 久久伊人一区二区 | 一本色道精品久久一区二区三区 | 国产一级毛片电影 | 国产目拍亚洲精品99久久精品 | 丁香五月网久久综合 | 国产精品国产精品国产专区不片 | 国产精品日韩 | 九九99九九精彩46 | 亚洲骚片 | 理论片免费在线观看 | 日韩视频在线观看一区 | av毛片免费 | 国产日韩精品一区二区 | 久久久精品一区二区三区 | 色天天综合久久久久综合片 | 在线成人亚洲 | 久久久久国产精品 | 欧美日韩一区二区在线 | 欧美久久免费观看 | 久久久久久久国产 | 精品自拍视频 | 欧美日韩一区二区三区在线电影 | 欧日韩不卡在线视频 | 亚洲精品成人在线 | 国产精品99久久久久 | 日韩欧美在线观看一区二区三区 | 欧美性www | 伊人网在线视频免费观看 | 亚洲精品无 | 久久99久久99精品免观看粉嫩 | 国产精品视频一二三区 | a级性视频| 欧美8一10sex性hd | 精品在线二区 | 国产一级电影网 | 四虎永久免费影院 | 国产精品久久久久久久久 | 国产资源视频在线观看 | 欧美全黄 | 欧美精品二区 | 国产精品中文字幕在线 | 成人免费xxxxx在线观看 | 亚洲一区二区国产 | 欧美成人a∨高清免费观看 在线视频成人 | 一区二区三区四区在线 | 国产欧美一区二区视频 | 日韩av中文在线 | 亚洲欧美激情在线 | 国产第一亚洲 | 日本高清无卡码一区二区久久 | 久久9久久| 国产一区二区视频免费 | 成人精品一区二区三区电影黑人 | 色www精品视频在线观看 | 一区二区在线播放视频 | 日本三级不卡 | 九一视频在线观看 | 成人二区 | 中文字幕在线观看2021 | 在线播放高清视频www | 亚洲欧洲中文日韩 | 久久91| 欧美日韩国产在线 | 国产午夜精品久久 | 国产精品久久久久不卡 | 久久久久久久国产 | 欧美日韩亚洲三区 | 看免费的毛片 | 一区二区三区国产精品 | 免费的日本网站 | 偷拍自拍亚洲欧美 | 日韩在线一区二区 | 一区二区三区视频 | av官网在线 | 国产午夜精品久久久久久久 | 91免费影视 | 国产日产精品一区二区三区四区 | 超碰在线人 | 国产欧美久久一区二区三区 | 久久久久久久久久久久久久久久久久久 | 女人夜夜春 | 国产精品一区二区三 | 国产美女在线观看 | 久久国产精品一区二区 | 青青草久久网 | 国产成人免费在线观看 | 蜜臀av在线播放一区二区三区 | 黄毛片网站 | 97精品国产 | 国产精品视频yy9299一区 | 亚洲高清一区二区三区 | 欧美成人高清视频 | 国内精品一区二区 | 精品国产高清一区二区三区 |