如何手势控制鼠标
步骤1：安装anaconda和需要的软件包
anaconda本质上是一个包装精美的python ide，随附了大量有用的软件包，如numpy，pandas，ipython笔记本等似乎在科学界的各个地方都值得推荐。查看anaconda以安装它。
所需的软件包：
pyautogui
opencv
安装上述软件包：
opencv：
点击此链接逐步安装for opencv
pyautogui：
pyautogui是一个python模块，用于以编程方式控制鼠标和键盘。
pyautogui可以从 pip 工具中安装
打开你的anaconda命令提示并粘贴它：
pip install pyautogui
现在我们准备好了代码。..。..
第2步：技术概述
它本质上是一个程序，它应用图像处理，检索必要的数据，并根据预定义的概念将其实现到计算机的鼠标接口。
代码是用python编写的。它使用跨平台图像处理模块opencv，并使用python特定库pyautogui实现鼠标操作。
处理网络摄像头的视频捕获，仅提取三个彩色指尖。他们的中心是用矩量法计算的，根据它们的相对位置决定要执行什么动作。
第3步：视频入门
目标一：
cv2.videocapture（）
从中捕获视频相机
通常，我们必须使用相机捕捉直播。 opencv为此提供了一个非常简单的接口。让我们从相机中捕捉视频（我正在使用笔记本电脑的内置网络摄像头），将其转换为灰度视频并显示它。入门只是一项简单的任务。要捕获视频，您需要创建一个videocapture对象。它的参数可以是设备索引或视频文件的名称。设备索引只是指定哪个摄像头的数量。通常会连接一台摄像机（如我的情况）。所以我只传递0（或-1）。您可以通过传递1来选择第二个摄像头，依此类推。之后，您可以逐帧捕获。但最后，不要忘记发布捕获。
我们要做的第一件事就是将捕获的视频转换为hsv格式。
代码：
# all packages needed for the program are imported ahead
import cv2
cap = cv2.videocapture（0）
while（1）：
# capture frame-by-frame
_， frameinv = cap.read（）
# flip horizontaly to get mirror image in camera
frame = cv2.flip（ frameinv， 1）
# our operations on the frame come here
hsv = cv2.cvtcolor（ frame， cv2.color_bgr2hsv）
# display the resulting frame
cv2.imshow（‘frame’， hsv）
k = cv2.waitkey（10） & 0xff
if k == 27：
break
cap.release（）
cv2.destroyallwindows（）
第4步：颜色范围
目标二：
calibratecolor（）
校准颜色范围
现在，用户可以分别校准他的三个手指的颜色范围。这可以通过在程序开头三次调用 calibratecolor（）函数来完成。
用户也可以选择使用默认设置。
代码：
import cv2
import numpy as np
def nothing（x）：
pass
# create a black image， a window
kernel = np.zeros（（300，512，3）， np.uint8）
name = ‘calibrate’
cv2.namedwindow（name）
# create trackbars for color change
cv2.createtrackbar（‘hue’， name， 0， 255， nothing）
cv2.createtrackbar（‘sat’， name， 0， 255， nothing）
cv2.createtrackbar（‘val’， name， 0， 255， nothing）
# create switch for on/off functionality
switch = ‘0 ： off 1 ： on’
cv2.createtrackbar（switch， name，0，1，nothing）
while（1）：
cv2.imshow（name，kernel）
k = cv2.waitkey（1） & 0xff
if k == 27：
break
# get current positions of four trackbars
hue = cv2.gettrackbarpos（‘hue’， name）
sat = cv2.gettrackbarpos（‘sat’， name）
val = cv2.gettrackbarpos（‘val’， name）
s = cv2.gettrackbarpos（switch，name）
if s == 0：
kernel［：］ = 0
else：
kernel［：］ = ［hue，sat，val］
cv2.destroyallwindows（）
第5步：删除噪音＆amp;在视频源中定义函数
取决于校准，只使用 cv2.inrange（）功能逐一从视频中提取三个指尖。为了消除视频输入中的噪声，我们应用两步态射，即侵蚀和扩张。 然后发送程序中称为掩码的噪声滤波图像以定位中心。
# cv2.inrange function is used to filter out a particular color from the frame
# the result then undergoes morphosis i.e. erosion and dilation
# resultant frame is returned as mask
def makemask（hsv_frame， color_range）：
mask = cv2.inrange（ hsv_frame， color_range［0］， color_range［1］）
# morphosis next 。..
eroded = cv2.erode（ mask， kernel， iterations=1）
dilated = cv2.dilate（ eroded， kernel， iterations=1）
return dilated
三个中心的位置包括：
在与该颜色范围相关的遮罩中查找轮廓。
使用区域过滤器丢弃不相关区域的轮廓。
在剩余的轮廓中找到最大的轮廓，并应用力矩的方法找到它的中心。
然后是定义光标在屏幕上的位置的步骤。黄色的拇指负责光标的位置。为此目的使用了以下技术：
通常我们使用的网络摄像头以640x480像素的分辨率捕获视频。假设此帧线性映射到1920x1080像素显示屏幕。如果我们有一个惯用右手的用户，他会发现与右边缘相比，访问屏幕的左边缘会感觉不舒服。访问屏幕的底部也会在手腕处产生压力。
我们意识到，不是将整个视频帧映射到屏幕，我们宁愿考虑更偏向右侧的矩形子部分（考虑右手用户）和帧的上部以便改进安慰。测量480x270像素的子部分然后以比例因子4线性映射到屏幕。
# contours on the mask are detected.。 only those lying in the previously set area
# range are filtered out and the centroid of the largest of these is drawn and returned
def drawcentroid（vid， color_area， mask， showcentroid）：
contour， _ = cv2.findcontours（ mask， cv2.retr_tree， cv2.chain_approx_simple）
l=len（contour）
area = np.zeros（l）
# filtering contours on the basis of area rane specified globally
for i in range（l）：
if cv2.contourarea（contour［i］）》color_area［0］ and cv2.contourarea（contour［i］）
# bringing contours with largest valid area to the top
for i in range（l）：
for j in range（1）：
if area［i］ == a［j］：
swap（ contour， i， j）
if l 》 0 ：
# finding centroid using method of ‘moments’
m = cv2.moments（contour［0］）
if m［‘m00’］ ！= 0：
cx = int（m［‘m10’］/m［‘m00’］）
cy = int（m［‘m01’］/m［‘m00’］）
center = （cx，cy）
if showcentroid：
cv2.circle（ vid， center， 5， （0，0，255）， -1）
return center
else：
# return error handling values
return （-1，-1）
由于网络摄像头捕获的噪声和手中的振动，中心保持不变围绕一个平均位置振动。在按比例放大时，这些振动会对光标位置的准确性产生很多问题。为了减少光标中的抖动，我们使用光标的差分位置分配。我们将新中心与光标的先前位置进行比较。如果差异小于5个像素，则通常是由于噪声。因此，新光标位置更倾向于前一个。但是，先前位置和新中心的较大差异被视为自愿移动，新光标位置设置为接近新中心。有关详细信息，请通过代码中的setcursorposition（）函数。
‘’‘
this function takes as input the center of yellow region （yc） and
the previous cursor position （pyp）。 the new cursor position is calculated
in such a way that the mean deviation for desired steady state is reduced.
’‘’
def setcursorpos（ yc， pyp）：
yp = np.zeros（2）
if abs（yc［0］-pyp［0］）《5 and abs（yc［1］-pyp［1］）《5：
yp［0］ = yc［0］ + .7*（pyp［0］-yc［0］）
yp［1］ = yc［1］ + .7*（pyp［1］-yc［1］）
else：
yp［0］ = yc［0］ + .1*（pyp［0］-yc［0］）
yp［1］ = yc［1］ + .1*（pyp［1］-yc［1］）
return yp
现在发送三个中心，根据
的相对位置决定需要执行哪些操作。这是在代码中的chooseaction（）函数中完成的。根据其输出，performaction（）函数使用pyautogui库执行以下任一操作：
自由光标移动
左键单击
右键单击
拖动/选择
向上滚动
向下滚动
# depending upon the relative positions of the three centroids， this function chooses whether
# the user desires free movement of cursor， left click， right click or dragging
def chooseaction（yp， rc， bc）：
out = np.array（［‘move’， ‘false’］）
if rc［0］！=-1 and bc［0］！=-1：
if distance（yp，rc）《50 and distance（yp，bc）《50 and distance（rc，bc）《50 ：
out［0］ = ‘drag’
out［1］ = ‘true’
return out
elif distance（rc，bc）《40：
out［0］ = ‘right’
return out
elif distance（yp，rc）《40：
out［0］ = ‘left’
return out
elif distance（yp，rc）》40 and rc［1］-bc［1］》120：
out［0］ = ‘down’
return out
elif bc［1］-rc［1］》110：
out［0］ = ‘up’
return out
else：
return out
else：
out［0］ = -1
return out def performaction（ yp， rc， bc， action， drag， perform）：
if perform：
cursor［0］ = 4*（yp［0］-110）
cursor［1］ = 4*（yp［1］-120）
if action == ‘move’：
if yp［0］》110 and yp［0］《590 and yp［1］》120 and yp［1］《390：
pyautogui.moveto（cursor［0］，cursor［1］）
elif yp［0］《110 and yp［1］》120 and yp［1］《390：
pyautogui.moveto（ 8 ， cursor［1］）
elif yp［0］》590 and yp［1］》120 and yp［1］《390：
pyautogui.moveto（1912， cursor［1］）
elif yp［0］》110 and yp［0］《590 and yp［1］《120：
pyautogui.moveto（cursor［0］ ， 8）
elif yp［0］》110 and yp［0］《590 and yp［1］》390：
pyautogui.moveto（cursor［0］ ， 1072）
elif yp［0］《110 and yp［1］《120：
pyautogui.moveto（8， 8）
elif yp［0］《110 and yp［1］》390：
pyautogui.moveto（8， 1072）
elif yp［0］》590 and yp［1］》390：
pyautogui.moveto（1912， 1072）
else：
pyautogui.moveto（1912， 8）
elif action == ‘left’：
pyautogui.click（button = ‘left’）
elif action == ‘right’：
pyautogui.click（button = ‘right’）
time.sleep（0.3）
elif action == ‘up’：
pyautogui.scroll（5）
# time.sleep（0.3）
elif action == ‘down’：
pyautogui.scroll（-5）
# time.sleep（0.3）
elif action == ‘drag’ and drag == ‘true’：
global y_pos
drag = ‘false’
pyautogui.mousedown（）
while（1）：
k = cv2.waitkey（10） & 0xff
changestatus（k）
_， frameinv = cap.read（）
# flip horizontaly to get mirror image in camera
frame = cv2.flip（ frameinv， 1）
hsv = cv2.cvtcolor（ frame， cv2.color_bgr2hsv）
b_mask = makemask（ hsv， blue_range）
r_mask = makemask（ hsv， red_range）
y_mask = makemask（ hsv， yellow_range）
py_pos = y_pos
b_cen = drawcentroid（ frame， b_area， b_mask， showcentroid）
r_cen = drawcentroid（ frame， r_area， r_mask， showcentroid）
y_cen = drawcentroid（ frame， y_area， y_mask， showcentroid）
if py_pos［0］！=-1 and y_cen［0］！=-1：
y_pos = setcursorpos（y_cen， py_pos）
performaction（y_pos， r_cen， b_cen， ‘move’， drag， perform）
cv2.imshow（‘frame’， frame）
if distance（y_pos，r_cen）》60 or distance（y_pos，b_cen）》60 or distance（r_cen，b_cen）》60：
break
pyautogui.mouseup（）
如何选择4G模块 4G模块选型注意事项
PCIe Gen3/Gen4接收端链路均衡测试（上篇：理论篇）
2024年三元材料海外订单预期或持续走低
示波器以太网测试标准、测试项目与测试描述
浅聊一下铜缆跳线
如何手势控制鼠标
魅族Pro7最新消息：小米6发布过后的余温，魅族Pro7即将发布，售价2699起！
河道监测化学需氧量分析仪
DJSF1352电子式直流电能表概述
防火墙双机热备命令行配置方案
如何用Keil生成bin、汇编、C与汇编混合文件？
PCB学习-差分走线
继电器的原理及接线图
实现超高功率密度，这两款USB PD评估板有什么诀窍？
3D视觉热潮来袭，“ToF”接力“结构光”
正点原子DS100mini示波器的拆解说明
再获省级称号！进芯电子获评2022省级企业技术中心！
中兴完成5G终端三大场景测试 5G手机明年商用
锁相环频率合成器捕捉过程的分析与仿真
360可视门铃1C体验 取景范围和夜视能力非常出色具备较强的安全系数
anaconda本质上是一个包装精美的python ide，随附了大量有用的软件包，如numpy，pandas，ipython笔记本等似乎在科学界的各个地方都值得推荐。查看anaconda以安装它。
所需的软件包：
pyautogui
opencv
安装上述软件包：
opencv：
点击此链接逐步安装for opencv
pyautogui：
pyautogui是一个python模块，用于以编程方式控制鼠标和键盘。
pyautogui可以从 pip 工具中安装
打开你的anaconda命令提示并粘贴它：
pip install pyautogui
现在我们准备好了代码。..。..
第2步：技术概述
它本质上是一个程序，它应用图像处理，检索必要的数据，并根据预定义的概念将其实现到计算机的鼠标接口。
代码是用python编写的。它使用跨平台图像处理模块opencv，并使用python特定库pyautogui实现鼠标操作。
处理网络摄像头的视频捕获，仅提取三个彩色指尖。他们的中心是用矩量法计算的，根据它们的相对位置决定要执行什么动作。
第3步：视频入门
目标一：
cv2.videocapture（）
从中捕获视频相机
通常，我们必须使用相机捕捉直播。 opencv为此提供了一个非常简单的接口。让我们从相机中捕捉视频（我正在使用笔记本电脑的内置网络摄像头），将其转换为灰度视频并显示它。入门只是一项简单的任务。要捕获视频，您需要创建一个videocapture对象。它的参数可以是设备索引或视频文件的名称。设备索引只是指定哪个摄像头的数量。通常会连接一台摄像机（如我的情况）。所以我只传递0（或-1）。您可以通过传递1来选择第二个摄像头，依此类推。之后，您可以逐帧捕获。但最后，不要忘记发布捕获。
我们要做的第一件事就是将捕获的视频转换为hsv格式。
代码：
# all packages needed for the program are imported ahead
import cv2
cap = cv2.videocapture（0）
while（1）：
# capture frame-by-frame
_， frameinv = cap.read（）
# flip horizontaly to get mirror image in camera
frame = cv2.flip（ frameinv， 1）
# our operations on the frame come here
hsv = cv2.cvtcolor（ frame， cv2.color_bgr2hsv）
# display the resulting frame
cv2.imshow（‘frame’， hsv）
k = cv2.waitkey（10） & 0xff
if k == 27：
break
cap.release（）
cv2.destroyallwindows（）
第4步：颜色范围
目标二：
calibratecolor（）
校准颜色范围
现在，用户可以分别校准他的三个手指的颜色范围。这可以通过在程序开头三次调用 calibratecolor（）函数来完成。
用户也可以选择使用默认设置。
代码：
import cv2
import numpy as np
def nothing（x）：
pass
# create a black image， a window
kernel = np.zeros（（300，512，3）， np.uint8）
name = ‘calibrate’
cv2.namedwindow（name）
# create trackbars for color change
cv2.createtrackbar（‘hue’， name， 0， 255， nothing）
cv2.createtrackbar（‘sat’， name， 0， 255， nothing）
cv2.createtrackbar（‘val’， name， 0， 255， nothing）
# create switch for on/off functionality
switch = ‘0 ： off 1 ： on’
cv2.createtrackbar（switch， name，0，1，nothing）
while（1）：
cv2.imshow（name，kernel）
k = cv2.waitkey（1） & 0xff
if k == 27：
break
# get current positions of four trackbars
hue = cv2.gettrackbarpos（‘hue’， name）
sat = cv2.gettrackbarpos（‘sat’， name）
val = cv2.gettrackbarpos（‘val’， name）
s = cv2.gettrackbarpos（switch，name）
if s == 0：
kernel［：］ = 0
else：
kernel［：］ = ［hue，sat，val］
cv2.destroyallwindows（）
第5步：删除噪音＆amp;在视频源中定义函数
取决于校准，只使用 cv2.inrange（）功能逐一从视频中提取三个指尖。为了消除视频输入中的噪声，我们应用两步态射，即侵蚀和扩张。 然后发送程序中称为掩码的噪声滤波图像以定位中心。
# cv2.inrange function is used to filter out a particular color from the frame
# the result then undergoes morphosis i.e. erosion and dilation
# resultant frame is returned as mask
def makemask（hsv_frame， color_range）：
mask = cv2.inrange（ hsv_frame， color_range［0］， color_range［1］）
# morphosis next 。..
eroded = cv2.erode（ mask， kernel， iterations=1）
dilated = cv2.dilate（ eroded， kernel， iterations=1）
return dilated
三个中心的位置包括：
在与该颜色范围相关的遮罩中查找轮廓。
使用区域过滤器丢弃不相关区域的轮廓。
在剩余的轮廓中找到最大的轮廓，并应用力矩的方法找到它的中心。
然后是定义光标在屏幕上的位置的步骤。黄色的拇指负责光标的位置。为此目的使用了以下技术：
通常我们使用的网络摄像头以640x480像素的分辨率捕获视频。假设此帧线性映射到1920x1080像素显示屏幕。如果我们有一个惯用右手的用户，他会发现与右边缘相比，访问屏幕的左边缘会感觉不舒服。访问屏幕的底部也会在手腕处产生压力。
我们意识到，不是将整个视频帧映射到屏幕，我们宁愿考虑更偏向右侧的矩形子部分（考虑右手用户）和帧的上部以便改进安慰。测量480x270像素的子部分然后以比例因子4线性映射到屏幕。
# contours on the mask are detected.。 only those lying in the previously set area
# range are filtered out and the centroid of the largest of these is drawn and returned
def drawcentroid（vid， color_area， mask， showcentroid）：
contour， _ = cv2.findcontours（ mask， cv2.retr_tree， cv2.chain_approx_simple）
l=len（contour）
area = np.zeros（l）
# filtering contours on the basis of area rane specified globally
for i in range（l）：
if cv2.contourarea（contour［i］）》color_area［0］ and cv2.contourarea（contour［i］）
# bringing contours with largest valid area to the top
for i in range（l）：
for j in range（1）：
if area［i］ == a［j］：
swap（ contour， i， j）
if l 》 0 ：
# finding centroid using method of ‘moments’
m = cv2.moments（contour［0］）
if m［‘m00’］ ！= 0：
cx = int（m［‘m10’］/m［‘m00’］）
cy = int（m［‘m01’］/m［‘m00’］）
center = （cx，cy）
if showcentroid：
cv2.circle（ vid， center， 5， （0，0，255）， -1）
return center
else：
# return error handling values
return （-1，-1）
由于网络摄像头捕获的噪声和手中的振动，中心保持不变围绕一个平均位置振动。在按比例放大时，这些振动会对光标位置的准确性产生很多问题。为了减少光标中的抖动，我们使用光标的差分位置分配。我们将新中心与光标的先前位置进行比较。如果差异小于5个像素，则通常是由于噪声。因此，新光标位置更倾向于前一个。但是，先前位置和新中心的较大差异被视为自愿移动，新光标位置设置为接近新中心。有关详细信息，请通过代码中的setcursorposition（）函数。
‘’‘
this function takes as input the center of yellow region （yc） and
the previous cursor position （pyp）。 the new cursor position is calculated
in such a way that the mean deviation for desired steady state is reduced.
’‘’
def setcursorpos（ yc， pyp）：
yp = np.zeros（2）
if abs（yc［0］-pyp［0］）《5 and abs（yc［1］-pyp［1］）《5：
yp［0］ = yc［0］ + .7*（pyp［0］-yc［0］）
yp［1］ = yc［1］ + .7*（pyp［1］-yc［1］）
else：
yp［0］ = yc［0］ + .1*（pyp［0］-yc［0］）
yp［1］ = yc［1］ + .1*（pyp［1］-yc［1］）
return yp
现在发送三个中心，根据
的相对位置决定需要执行哪些操作。这是在代码中的chooseaction（）函数中完成的。根据其输出，performaction（）函数使用pyautogui库执行以下任一操作：
自由光标移动
左键单击
右键单击
拖动/选择
向上滚动
向下滚动
# depending upon the relative positions of the three centroids， this function chooses whether
# the user desires free movement of cursor， left click， right click or dragging
def chooseaction（yp， rc， bc）：
out = np.array（［‘move’， ‘false’］）
if rc［0］！=-1 and bc［0］！=-1：
if distance（yp，rc）《50 and distance（yp，bc）《50 and distance（rc，bc）《50 ：
out［0］ = ‘drag’
out［1］ = ‘true’
return out
elif distance（rc，bc）《40：
out［0］ = ‘right’
return out
elif distance（yp，rc）《40：
out［0］ = ‘left’
return out
elif distance（yp，rc）》40 and rc［1］-bc［1］》120：
out［0］ = ‘down’
return out
elif bc［1］-rc［1］》110：
out［0］ = ‘up’
return out
else：
return out
else：
out［0］ = -1
return out def performaction（ yp， rc， bc， action， drag， perform）：
if perform：
cursor［0］ = 4*（yp［0］-110）
cursor［1］ = 4*（yp［1］-120）
if action == ‘move’：
if yp［0］》110 and yp［0］《590 and yp［1］》120 and yp［1］《390：
pyautogui.moveto（cursor［0］，cursor［1］）
elif yp［0］《110 and yp［1］》120 and yp［1］《390：
pyautogui.moveto（ 8 ， cursor［1］）
elif yp［0］》590 and yp［1］》120 and yp［1］《390：
pyautogui.moveto（1912， cursor［1］）
elif yp［0］》110 and yp［0］《590 and yp［1］《120：
pyautogui.moveto（cursor［0］ ， 8）
elif yp［0］》110 and yp［0］《590 and yp［1］》390：
pyautogui.moveto（cursor［0］ ， 1072）
elif yp［0］《110 and yp［1］《120：
pyautogui.moveto（8， 8）
elif yp［0］《110 and yp［1］》390：
pyautogui.moveto（8， 1072）
elif yp［0］》590 and yp［1］》390：
pyautogui.moveto（1912， 1072）
else：
pyautogui.moveto（1912， 8）
elif action == ‘left’：
pyautogui.click（button = ‘left’）
elif action == ‘right’：
pyautogui.click（button = ‘right’）
time.sleep（0.3）
elif action == ‘up’：
pyautogui.scroll（5）
# time.sleep（0.3）
elif action == ‘down’：
pyautogui.scroll（-5）
# time.sleep（0.3）
elif action == ‘drag’ and drag == ‘true’：
global y_pos
drag = ‘false’
pyautogui.mousedown（）
while（1）：
k = cv2.waitkey（10） & 0xff
changestatus（k）
_， frameinv = cap.read（）
# flip horizontaly to get mirror image in camera
frame = cv2.flip（ frameinv， 1）
hsv = cv2.cvtcolor（ frame， cv2.color_bgr2hsv）
b_mask = makemask（ hsv， blue_range）
r_mask = makemask（ hsv， red_range）
y_mask = makemask（ hsv， yellow_range）
py_pos = y_pos
b_cen = drawcentroid（ frame， b_area， b_mask， showcentroid）
r_cen = drawcentroid（ frame， r_area， r_mask， showcentroid）
y_cen = drawcentroid（ frame， y_area， y_mask， showcentroid）
if py_pos［0］！=-1 and y_cen［0］！=-1：
y_pos = setcursorpos（y_cen， py_pos）
performaction（y_pos， r_cen， b_cen， ‘move’， drag， perform）
cv2.imshow（‘frame’， frame）
if distance（y_pos，r_cen）》60 or distance（y_pos，b_cen）》60 or distance（r_cen，b_cen）》60：
break
pyautogui.mouseup（）
如何选择4G模块 4G模块选型注意事项
PCIe Gen3/Gen4接收端链路均衡测试（上篇：理论篇）
2024年三元材料海外订单预期或持续走低
示波器以太网测试标准、测试项目与测试描述
浅聊一下铜缆跳线
如何手势控制鼠标
魅族Pro7最新消息：小米6发布过后的余温，魅族Pro7即将发布，售价2699起！
河道监测化学需氧量分析仪
DJSF1352电子式直流电能表概述
防火墙双机热备命令行配置方案
如何用Keil生成bin、汇编、C与汇编混合文件？
PCB学习-差分走线
继电器的原理及接线图
实现超高功率密度，这两款USB PD评估板有什么诀窍？
3D视觉热潮来袭，“ToF”接力“结构光”
正点原子DS100mini示波器的拆解说明
再获省级称号！进芯电子获评2022省级企业技术中心！
中兴完成5G终端三大场景测试 5G手机明年商用
锁相环频率合成器捕捉过程的分析与仿真
360可视门铃1C体验 取景范围和夜视能力非常出色具备较强的安全系数