Python批量生成幻影坦克图片实例代码

前言

说到幻影坦克，我就想起红色警戒里的……

幻影坦克（mirage tank），《红色警戒2》以及《尤里的复仇》中盟军的一款伪装坦克，盟军王牌坦克之一。是爱因斯坦在德国黑森林中研发的一种坦克。虽然它无法隐形，但它却可以利用先进的光线偏折原理可以伪装成树木（岩石或草丛）来隐藏自己。

在一些mod中，幻影坦克可以选择变换的树木，这样便可以和背景的树木融合，而不会令人生疑。

额！这是从什么百科ctrl+v过来的吗。我跟你说个p~ ubg

不过话说回来，里面有一句说到和背景融合，这大概就是这种图片的原理所在了。

一些聊天软件或网站总是以白色背景和黑色背景（夜间模式）显示图片，你在默认的白色背景下看到一张图（图a），但是点击放大却变成另一张图（图b）。这是因为查看详情使用的背景是黑色背景。

之前在网上看到用ps制作幻影坦克效果图的方法，了解到几个图层混合模式的公式，也录制过ps动作来自动化操作。但总感觉不够效率，作为极客嘛，当然是要用代码来完成这些事情。

一、准备图片

创建一个文件夹import，将你要处理的所有图片都放到这个文件夹里

图片的命名方式：

• 白色背景显示图a、黑色背景显示图b这种形式的，图b的文件名字是图a的名字加后缀_d
  例如，图a为1.png，图b则为1_d.png，与之配对成为一组即可
• 表面是白色图片（图a），点击显示隐藏图片（图b）。这里并不需要你指定一张白色图片，不需要更改图片名字，程序找不到与之配对的后缀_d图片，会自动生成白色图片（图a）
• 相反的，表面看是图片（图a），点击却消失成纯黑色（图b）。只需要在图片名字加后缀_black

二、python+pil代码实现过程

ⅰ. 初始化

注：脚本文件与 import文件夹在同一目录

运行，导入模块，定义变量，创建导出目录export，并将工作目录切换到import

# -*- coding: utf-8 -*-
# python 3.7.2
# 2019/04/21 by sryml.

import os
import math

from timeit import timeit
from concurrent.futures import threadpoolexecutor, processpoolexecutor
from multiprocessing import cpu_count

#
import numba as nb
import numpy as np

from pil import image


# ---
import_folder = 'import'
export_folder = 'export'
image_files = []

#
align2_a = 0
align2_b = 1
align2_max = 'max'

no_modift = 0
stretch = 1
constraint_ratio = 2

# ---


if __name__ == '__main__':
 if not os.path.exists(export_folder):
 os.makedirs(export_folder)
 os.chdir(import_folder)

ⅱ. 将所有要处理的图片文件添加到列表

执行all_img2list()

获取当前目录（import）所有文件，按名字升序排序。将后缀带_d的图b与图a配对一组，白图到原图，原图到黑图的图片也进行相关标记并存到一个列表。每个元组将生成一张幻影坦克图片

def all_img2list():
 global image_files
 image_files= []
 imgs = os.listdir('./')
 imgs.sort(key= lambda i: os.path.splitext(i)[0])

 for i in imgs:
 name = os.path.splitext(i)
 imgb= name[0]+'_d' + name[1]

 if imgb in imgs:
  imgs.remove(imgb)
  img_group= (i,imgb)
 elif name[0][-6:].lower() == '_black':
  img_group= (i,'_black')
 else:
  img_group= (i,none)

 image_files.append(img_group)

ⅲ. 自动化处理，多进程任务分配

执行automtank()

不想让cpu满载运行，进程数量为cpu总核心减1，将列表里所有元组分成n等份集合的列表task_assign（n为进程数量）

def automtank():
 cpu = cpu_count()-1
 pool = processpoolexecutor(cpu) #max_workers=4
 l = image_files
 f = int(len(l)/cpu)
 task_assign = [l[n*f:] if (n+1)==cpu else l[n*f:(n+1)*f] for n in range(cpu)]
 results = list(pool.map(flashmakemtank, task_assign))

 pool.shutdown()

 print ('\n%d辆幻影坦克制作完成！' % len(image_files))

每个进程对接到的任务列表进行多线程处理：flashmakemtank

因为是图片算法处理，属于计算密集型，线程数量不需要太多。经过测试多线程还是有点效率提升的，线程数就设置为cpu核心数吧。

def flashmakemtank(task):
 pool = threadpoolexecutor(cpu_count())
 results = list(pool.map(makemtank, task))
 pool.shutdown()

ⅳ. 盟军战车工厂

每个线程都将它接到的任务 - 图片组丢给我们的盟军战车工厂：makemtank 来生产幻影坦克

开头是打开图a和图b文件对象赋值给imga和imgb，判断到那些想要白图到原图效果的图片，则在内存中生成一张纯白色的图片对象赋值给imga。原图到黑图则生成纯黑色图片对象赋值给imgb

别以为这战车工厂看起来这么短，实际上算法都是通过调用函数获得返回结果，解释起来可有点费劲

def makemtank(i_group):
 ratios= [0,0]
 align= []
 if not i_group[1]:
 imgb= image.open(i_group[0])
 imga= image.new('l',imgb.size,(255,))
 elif i_group[1]=='_black':
 imga= image.open(i_group[0])
 imgb= image.new('l',imga.size,(0,))
 else:
 imga= image.open(i_group[0])
 imgb= image.open(i_group[1])
 ratios= [0.5,-0.5] #明度比值

 # align2_max(取最大的宽和最大的高) align2_a(缩放到图a) align2_b(缩放到图b) 
 # no_modift(不修改) stretch(拉伸) constraint_ratio(约束比例)
 align= [align2_b, constraint_ratio]

 a_size,b_size= imga.size,imgb.size
 img_objs= [imga,imgb]
 for n,img in enumerate(img_objs):
 if img.mode== 'rgba':
  img= img.convert('rgb')
 img_array= np.array(img)
 if img.mode != 'l' and ( [(img_array[:,:,i]==img_array[:,:,2]).all() for i in range(2)]!= [true,true] ):
  img= desaturate(img_array) #去色
 else:
  img= img.convert('l')

 if align and (a_size!=b_size):
  img= imgalign(n,img,a_size,b_size,align) #图像对齐

 if ratios[n]:
  img= lightness(img,ratios[n]) #明度
 img_objs[n]= img

 imga,imgb = img_objs

 imga = invert(imga) #反相
 imgo = lineardodge(imga, imgb) #线性减淡（添加）
 imgr = divide(imgo, imgb) #划分
 imgr_mask = addmask(imgr, imgo) #添加透明蒙版

 name= os.path.splitext(i_group[0])[0]
 imgr_mask.save('../'+export_folder+'/' + name+'.png')

图片对象打开完成之后呢，把它们放到一个列表里遍历它进行操作

首先判断到图片模式是否为rgba，最后的a表示这张图片是带有透明通道的。而我们的幻影坦克原理就是利用的透明通道，怎能让它来胡搅蛮缠呢，速速将它转换为rgb模式

接着将图像对象转为数组，判断这张图片如果不是灰度模式并且还没有去色的情况下，那就要对它进行去色操作了。
去完色的再将它转为灰度模式。

有些人可能对灰度和去色有什么误解，灰度 ≠ 去色，这是重点。虽然它们的结果都是灰色的图片，但是算法不一样，呈现的图片对比度也不一样，直接转成灰度的坦克是没有灵魂的。rgb图片直接转灰度会丢失一些细节，所以要对它进行去色操作。下面的操作都是仿照ps的步骤来处理了

(1) 去色函数：desaturate

公式：( max(r,g,b) + min(r,g,b) ) / 2

每个像素取其rgb颜色中最大与最小值的均数

这个函数接受一个数组参数

例如某个像素rgb值(233,50,23)，计算得出 (233+23) / 2 = 128，这时候此像素点三个通道都是同一个值(128,128,128)
这个算法过程消耗的性能较多，像一张1000*1000的图片就得进行一百万次计算，因此我使用了numba.jit加速。

对图片数组进行操作，使用argsort()将所有像素的rgb值从小到大排序并返回一个索引数组。

uint8类型的值的范围在0~255，若计算出的值不在这范围则会抛出溢出错误，因此使用了int。

我创建了一个灰度图片数组data，将每一个对应像素的均值赋值给它，相当于去色后再转为灰度模式。

最后返回由数组转换成的图片对象

@nb.jit
def desaturate(img_array):
 idx_array = img_array.argsort()
 width = img_array.shape[1]
 height = img_array.shape[0]
 data = np.zeros((height,width),dtype=np.uint8)
 for x in range(height):
 for y in range(width):
  idx= idx_array[x,y]
  color_min= img_array[x,y, idx[0]]
  color_max= img_array[x,y, idx[2]]
  data[x,y]= round( (int(color_min) + int(color_max)) / 2 )
 return image.fromarray(data)

(2) 图像对齐：imgalign

对齐方式（列表类型两个值）

对齐目标		缩放图像
align2_max	取最大的宽和最大的高	no_modift	不修改（缩小或仅画布）
align2_a	图a	stretch	拉伸
align2_b	图b	constraint_ratio	约束比例

例如我要把图a对齐到图b且按比例缩放：mode = [align2_b, constraint_ratio]

这个函数接受5个参数

①当前图片序号（0代表图a，1代表图b）

②当前图片对象

③ - ④图a和图b的尺寸

⑤对齐方式

def imgalign(idx,img,a_size,b_size,mode):
 size= img.size
 old_size= (a_size,b_size)

 if mode[0]== align2_max:
 total_size= max(a_size[0], b_size[0]), max(a_size[1], b_size[1])
 if size != total_size:
  if mode[1]== stretch:
  img= img.resize(total_size, image.antialias)
  else:
  new_img= image.new('l',total_size, (255 if idx==0 else 0,))
  diff= (total_size[0]-size[0],total_size[1]-size[1])
  min_diff= min(diff[0],diff[1])
  if min_diff != 0 and mode[1]:
   idx= diff.index(min_diff)
   scale= total_size[idx] / size[idx]
   resize= [total_size[idx], round(size[1-idx]*scale)]
   if idx:
   resize.reverse()
   img= img.resize(resize, image.antialias)
  new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
  img= new_img
 elif idx != mode[0]:
 total_size= old_size[mode[0]]
 if mode[1]== stretch:
  img= img.resize(total_size, image.antialias)
 else:
  new_img= image.new('l',total_size, (255 if idx==0 else 0,))
  diff= (total_size[0]-size[0],total_size[1]-size[1])
  min_diff= min(diff[0],diff[1])
  if (min_diff > 0 and mode[1]) or (min_diff < 0):
  idx= diff.index(min_diff)
  scale= total_size[idx] / size[idx]
  resize= [total_size[idx], round(size[1-idx]*scale)]
  if idx:
   resize.reverse()
  img= img.resize(resize, image.antialias)
  new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
  img= new_img

 return img

(3) 明度函数：lightness

公式：255 * ratio + img * (1-ratio)

       0 * ratio + img * (1-ratio)

为什么是两条公式呢，可以看到只有 255和 0的区别，一个是提高明度，一个是降低

注意，明度 ≠ 亮度，用亮度做出来的坦克是畸形的。亮度对颜色0和255不会起任何作用，任你怎么加亮度，我白是白，黑仍然是黑。这又涉及到幻影坦克效果的原理了，图a每个像素值必须大于图b对应的像素值，否则将没有透明度效果。

所以，最好的效果就是图a明度提高50%，图b降低50%

这个函数接受2个参数

①图片对象

②明度比值（-1~1）

尽量仿照ps的算法结果，提高明度的值为向下取整，降低明度为向上取整

def lightness(img,ratio):
 if ratio>0:
 return img.point(lambda i: int(i*(1-ratio) + 255*ratio))
 return img.point(lambda i: math.ceil(i*(1+ratio)))

实际上这是图层的不透明度混合公式，ps中，明度的实现就是在当前图层的上方创建一个白色或黑色图层，然后调整其透明度即可。所以，

明度调  100% 相当于白色图层的不透明度为100%，显示纯白

明度调 -100% 相当于黑色图层的不透明度为100%，显示纯黑。

看到这里，要暂停一下了。是不是感觉说了这么多都没有提到幻影坦克的详细原理，是的，只有当你理解了ps的不透明度混合公式，你才能理解后面的步骤。

(3-x) 重点！！推导幻影坦克的原理……

这里需要用到ps的几个图层混合模式

不透明度混合公式：img输出 = img上 * o + img下 * (1 - o)

小字母o代表不透明度。想一想，把两张图片导入到ps，上面的图层命名为imga，下面的图层为imgb。

当imga的不透明度为100%（o=1）时，根据图层混合公式得到img输出=imga，也就是完全显示上层图像。

当imga的不透明度为0%（o=0）时，得到img输出=imgb，完全显示下层图像。

当不透明度为50%，自然就看到了a与b的混合图像。

但是我们要将这两张图给整进一张图里，然后在类似手机qq这种只有白色背景和黑色背景的环境下，分别显示出imga和imgb。听起来有点抽象，不要慌，我们来列方程。假设这张最终成果图为imgr

① imga = imgr * o + 255 * (1 - o)	白色背景下
② imgb = imgr * o +     0 * (1 - o)	黑色背景下（点击放大后）

这时候imgr充当上图层（img上）。它有一个固定不透明度o，或者说是它的图层蒙版（imgo表示imgr的蒙版），蒙版的像素值为0~255的单通道灰度色值。填充为黑色0相当于图层的不透明度为0%，填充为白色相当于图层不透明度为100%。那么这个固定不透明度 o 实际上就是 ⑨ o = imgo / 255

而img下就是聊天软件中的白色背景和黑色背景两种可能了。

现在来解一下方程，由②得：

imgr = imgb / o

将⑨ o = imgo / 255 代入得

③ imgr = imgb / imgo * 255

将③和⑨代入①得：

imga = (imgb / imgo * 255) * (imgo / 255) + 255 * (1 - imgo / 255)

imga = imgb / imgo * imgo / 255 * 255 + 255 * (1 - imgo / 255)

imga = imgb + 2551 - 255(imgo / 255)

imga = imgb + 255 - imgo

④ imgo = (255 - imga) + imgb

那么现在，imgb是我们已知的要在黑色背景下显示的图像，只要拿到imgo就可以得出成品图imgr了。

(255 - imga) 这个是什么意思，就是ps中的反相操作啦。让我们回到代码操作

(4) 反相函数：invert

公式：255 - img

即对每个像素进行 255-像素值

def invert(img):
 return img.point(lambda i: 255-i)

反imga = invert(imga )

然后这个反相后的imga（反imga）与imgb相加，即ps中的线性减淡模式

(5) 线性减淡（添加）：lineardodge

公式：img上 + img下

def lineardodge(imga, imgb):
 size = imga.size
 imgo = image.new('l',size,(0,))
 pxa= imga.load()
 pxb= imgb.load()
 pxo= imgo.load()
 for x in range(size[0]):
 for y in range(size[1]):
  pxo[x,y] = (pxa[x,y]+pxb[x,y],)
 return imgo

至此得到 imgo = lineardodge(反imga, imgb)

注：之前我们说过imga的所有像素值必须大于imgb。如果小于或等于，那么反相后加自身（或加比自身大的值）就是255了。因为imgo是成果图imgr的透明蒙版，imgo=255意味着不透明度为100%，就没有透明效果了。

接着看方程式子③ imgr = imgb / imgo * 255，这便是ps的一种图层混合模式划分了

(6) 划分：divide

公式：img下 / img上 * 255

几个注意的条件

①若混合色为黑色，基色非黑结果为白色、基色为黑结果为黑色（混合色是img上，基色是img下）

②若混合色为白色则结果为基色

③若混合色与基色相同则结果为白色

不妨可以在ps中一试便知真假

def divide(imgo, imgb):
 size = imgb.size
 imgr = image.new('l',size,(0,))
 pxb= imgb.load()
 pxo= imgo.load()
 pxr= imgr.load()
 for x in range(size[0]):
 for y in range(size[1]):
  o=pxo[x,y]
  b=pxb[x,y]
  if o==0:
  #如混合色为黑色，基色非黑结果为白色、基色为黑结果为黑色
  color= (b and 255 or 0,)
  elif o==255:
  #混合色为白色则结果为基色
  color=(b,)
  elif o==b:
  #混合色与基色相同则结果为白色
  color=(255,)
  else:
  color=(round((b/o)*255),)
  pxr[x,y] = color
 return imgr

调用划分函数imgr = divide(imgo, imgb)，终于，我们得到了梦寐以求的成果图imgr

但不要忘了它的不透明度，把imgo添加为它的图层蒙版

(6) 最后：添加透明蒙版并保存

def addmask(imgr,imgo):
 img = imgr.convert("rgba")
 img.putalpha(imgo)
 return img

imgr_mask = addmask(imgr, imgo)

name= os.path.splitext(i_group[0])[0]
imgr_mask.save('../'+export_folder+'/' + name+'.png')

保存在导出文件夹。。。

个人感觉

这个脚本生成的幻影坦克与ps做的相比就犹如真假美猴王一般，说到美猴王，我就想起……

三、完整代码文件

miragetank.py

# -*- coding: utf-8 -*-
# python 3.7.2
# 2019/04/21 by sryml.

import os
import math

from timeit import timeit
from concurrent.futures import threadpoolexecutor, processpoolexecutor
from multiprocessing import cpu_count

#
import numba as nb
import numpy as np

from pil import image


# ---
import_folder = 'import'
export_folder = 'export'
image_files = []

#
align2_a = 0
align2_b = 1
align2_max = 'max'

no_modift = 0
stretch = 1
constraint_ratio = 2

# ---



### 图像对齐
def imgalign(idx,img,a_size,b_size,mode):
 size= img.size
 old_size= (a_size,b_size)

 if mode[0]== align2_max:
  total_size= max(a_size[0], b_size[0]), max(a_size[1], b_size[1])
  if size != total_size:
   if mode[1]== stretch:
    img= img.resize(total_size, image.antialias)
   else:
    new_img= image.new('l',total_size, (255 if idx==0 else 0,))
    diff= (total_size[0]-size[0],total_size[1]-size[1])
    min_diff= min(diff[0],diff[1])
    if min_diff != 0 and mode[1]:
     idx= diff.index(min_diff)
     scale= total_size[idx] / size[idx]
     resize= [total_size[idx], round(size[1-idx]*scale)]
     if idx:
      resize.reverse()
     img= img.resize(resize, image.antialias)
    new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
    img= new_img
 elif idx != mode[0]:
  total_size= old_size[mode[0]]
  if mode[1]== stretch:
   img= img.resize(total_size, image.antialias)
  else:
   new_img= image.new('l',total_size, (255 if idx==0 else 0,))
   diff= (total_size[0]-size[0],total_size[1]-size[1])
   min_diff= min(diff[0],diff[1])
   if (min_diff > 0 and mode[1]) or (min_diff < 0):
    idx= diff.index(min_diff)
    scale= total_size[idx] / size[idx]
    resize= [total_size[idx], round(size[1-idx]*scale)]
    if idx:
     resize.reverse()
    img= img.resize(resize, image.antialias)
   new_img.paste(img, [(total_size[i]-img.size[i])//2 for i in range(2)])
   img= new_img
   
 return img


### 去色
@nb.jit
def desaturate(img_array):
 idx_array = img_array.argsort()
 width = img_array.shape[1]
 height = img_array.shape[0]
 data = np.zeros((height,width),dtype=np.uint8)
 for x in range(height):
  for y in range(width):
   idx= idx_array[x,y]
   color_min= img_array[x,y, idx[0]]
   color_max= img_array[x,y, idx[2]]
   data[x,y]= round( (int(color_min) + int(color_max)) / 2 )
 return image.fromarray(data)
    

### 明度
def lightness(img,ratio):
 if ratio>0:
  return img.point(lambda i: int(i*(1-ratio) + 255*ratio))
 return img.point(lambda i: math.ceil(i*(1+ratio)))

 
### 反相
def invert(img):
 return img.point(lambda i: 255-i)
 

### 线性减淡（添加）
def lineardodge(imga, imgb):
 size = imga.size
 imgo = image.new('l',size,(0,))
 pxa= imga.load()
 pxb= imgb.load()
 pxo= imgo.load()
 for x in range(size[0]):
  for y in range(size[1]):
   pxo[x,y] = (pxa[x,y]+pxb[x,y],)
 return imgo

 
### 划分
def divide(imgo, imgb):
 size = imgb.size
 imgr = image.new('l',size,(0,))
 pxb= imgb.load()
 pxo= imgo.load()
 pxr= imgr.load()
 for x in range(size[0]):
  for y in range(size[1]):
   o=pxo[x,y]
   b=pxb[x,y]
   if o==0:
    #如混合色为黑色，基色非黑结果为白色、基色为黑结果为黑色
    color= (b and 255 or 0,)
   elif o==255:
    #混合色为白色则结果为基色
    color=(b,)
   elif o==b:
    #混合色与基色相同则结果为白色
    color=(255,)
   else:
    color=(round((b/o)*255),)
   pxr[x,y] = color
 return imgr

 
def addmask(imgr,imgo):
 img = imgr.convert("rgba")
 img.putalpha(imgo)
 return img


####
#### 将所有要处理的图片文件添加到列表
def all_img2list():
 global image_files
 image_files= []
 imgs = os.listdir('./')
 imgs.sort(key= lambda i: os.path.splitext(i)[0])
 
 for i in imgs:
  name = os.path.splitext(i)
  imgb= name[0]+'_d' + name[1]
  
  if imgb in imgs:
   imgs.remove(imgb)
   img_group= (i,imgb)
  elif name[0][-6:].lower() == '_black':
   img_group= (i,'_black')
  else:
   img_group= (i,none)
   
  image_files.append(img_group)
 

def makemtank(i_group):
 ratios= [0,0]
 align= []
 if not i_group[1]:
  imgb= image.open(i_group[0])
  imga= image.new('l',imgb.size,(255,))
 elif i_group[1]=='_black':
  imga= image.open(i_group[0])
  imgb= image.new('l',imga.size,(0,))
 else:
  imga= image.open(i_group[0])
  imgb= image.open(i_group[1])
  ratios= [0.5,-0.5] #明度比值
  
  # align2_max(取最大的宽和最大的高) align2_a(缩放到图a) align2_b(缩放到图b) 
  # no_modift(不修改) stretch(拉伸) constraint_ratio(约束比例)
  align= [align2_b, constraint_ratio]
  
 a_size,b_size= imga.size,imgb.size
 img_objs= [imga,imgb]
 for n,img in enumerate(img_objs):
  if img.mode== 'rgba':
   img= img.convert('rgb')
  img_array= np.array(img)
  if img.mode != 'l' and ( [(img_array[:,:,i]==img_array[:,:,2]).all() for i in range(2)]!= [true,true] ):
   img= desaturate(img_array) #去色
  else:
   img= img.convert('l')
   
  if align and (a_size!=b_size):
   img= imgalign(n,img,a_size,b_size,align) #图像对齐
     
  if ratios[n]:
   img= lightness(img,ratios[n]) #明度
  img_objs[n]= img
  
 imga,imgb = img_objs
 
 imga = invert(imga) #反相
 imgo = lineardodge(imga, imgb) #线性减淡（添加）
 imgr = divide(imgo, imgb) #划分
 imgr_mask = addmask(imgr, imgo) #添加透明蒙版

 name= os.path.splitext(i_group[0])[0]
 imgr_mask.save('../'+export_folder+'/' + name+'.png')


 
def flashmakemtank(task):
 pool = threadpoolexecutor(cpu_count())
 results = list(pool.map(makemtank, task))
 pool.shutdown()
 
  
def automtank():
 cpu = cpu_count()-1
 pool = processpoolexecutor(cpu) #max_workers=4
 l = image_files
 f = int(len(l)/cpu)
 task_assign = [l[n*f:] if (n+1)==cpu else l[n*f:(n+1)*f] for n in range(cpu)]
 results = list(pool.map(flashmakemtank, task_assign))

 pool.shutdown()
  
 print ('\n%d辆幻影坦克制作完成！' % len(image_files))

  
 
# ---

def fire():
 all_img2list()
 sec = timeit(lambda:automtank(),number=1)
 print ('time used: {} sec'.format(sec))
 s= input('\n按回车键退出...\n')


if __name__ == '__main__':
 if not os.path.exists(export_folder):
  os.makedirs(export_folder)
 os.chdir(import_folder)
 
 while true:
  s= input('>>> 按f进入坦克：')
  if s.upper()== 'f':
   print ('少女祈祷中...')
   fire() #开炮
   break
  elif not s:
   break

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对的支持。