CN106682676A - 一种图像测试方法及装置 - Google Patents
一种图像测试方法及装置 Download PDFInfo
- Publication number
- CN106682676A CN106682676A CN201510753793.9A CN201510753793A CN106682676A CN 106682676 A CN106682676 A CN 106682676A CN 201510753793 A CN201510753793 A CN 201510753793A CN 106682676 A CN106682676 A CN 106682676A
- Authority
- CN
- China
- Prior art keywords
- test image
- determined
- area
- key area
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像测试方法及装置,包括:获取测试图像以及与所述测试图像对应的标准图像;通过尺度不变特征转换算法提取所述测试图像的特征点以及所述标准图像的特征点,并确定出所述测试图像的特征点中与所述标准图像的特征点匹配的第一数量的匹配特征点;通过随机抽样一致性算法从所述第一数量的匹配特征点中剔除误匹配点,获得第二数量的匹配特征点,并根据所述第一数量以及所述第二数量判断所述测试图像与所述标准图像是否匹配成功,并在匹配成功后根据所述第二数量的匹配特征点确定所述测试图像与所述标准图像之间的单应矩阵;根据所述单应矩阵确定所述测试图像在显示时的拉伸状态。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像测试方法及其装置。
背景技术
近年来,智能手机功能越来越强大,移动终端应用程序层出不穷,移动互联网改变人们的生活。目前较为流行的智能手机系统包括Android,iOS,Windows Phone等,而智能手机品牌的日趋繁多,型号更新频繁,使得其硬件与所配置的软件或称应用也不尽相同,造成了手机应用兼容性(SoftwareCompatibility)问题的日渐突出。
对手机应用的兼容性测试包括界面显示测试、分辨率兼容性测试等内容。软件测试是一个相对单调而枯燥的工作,如果能够用软件编程的方式代替人工检测,能够大大提高效率,解放生产力。
为此,人们提出了各种软件测试的自动化半自动化方案。其中,利用图像对比技术能够较真实地反映使用者的体验。现有技术中,主要是在测试电脑上预存手机业务的预期结果图像信息,图像信息的种类及数量与所测试的业务紧密相关。启动自动测试后,测试电脑按预先的设定指令,通过通信介质发送到手机上,手机进行相关的业务访问。手机把截屏图像按要求传送到测试电脑,电脑主机对此截屏图像与存储在电脑内的图像进行对比,两者相符时,说明结果正确,即可输出该业务的测试指标。两者对比不能匹配,说明业务测试不符合要求。
但是,现有的图像对比实现的自动化测试手机技术存在如下缺陷:对目前手机分辨率的多样性适应不好,采用简单的缩放机制适应多分辨率,不能有效准确地适应复杂的手机屏幕分辨率情况;测试适应情况相对单一,不能适应多种测试环境条件,或者对不同的测试对象统一采用同样的测试策略,导致测试可信度不高。
发明内容
本发明实施例提供一种图像测试方法及其装置,用以提供一种测试图像的显示效果的方法。
本发明实施例提供一种图像测试方法,包括:
获取测试图像以及与所述测试图像对应的标准图像;
提取所述测试图像的特征点以及所述标准图像的特征点,并确定出所述测试图像的特征点中与所述标准图像的特征点匹配的所有匹配特征点,获得第一数量的匹配特征点;
从所述第一数量的匹配特征点中剔除误匹配点,获得第二数量的匹配特征点,并根据所述第一数量以及所述第二数量判断所述测试图像与所述标准图像是否匹配成功,并在匹配成功后根据所述第二数量的匹配特征点确定所述测试图像与所述标准图像之间的单应矩阵;
根据所述单应矩阵确定所述测试图像在显示时的拉伸状态;
确定所述测试图像与所述标准图像之间的第一峰值信噪比PSNR,并根据所述第一PSNR以及所述拉伸状态确定所述测试图像的显示状态。
优选的,所述根据所述第一数量以及所述第二数量判断所述测试图像与所述标准图像是否匹配成功,包括:
若确定所述第二数量与所述第一数量的比值小于预设比值,则确定所述测试图像与所述标准图像匹配失败;
若确定所述第二数量与所述第一数量的比值大于或等于所述预设比值,则确定所述测试图像与所述标准图像匹配成功。
优选的,所述根据所述单应矩阵确定所述测试图像在显示时的拉伸状态,包括:
将所述单应矩阵转换为等价的上三角矩阵;
确定与所述单应矩阵等价的上三角矩阵中第一行第一列的元素与第二行第二列的元素的比值,若所述比值大于第一约定比值,则确定所述测试图像的拉伸状态为横向拉伸,若所述比值小于第二约定比值,则确定所述测试图像的拉伸状态为纵向拉伸。
优选的,所述根据所述第一PSNR与所述拉伸状态确定所述测试图像的显示状态,包括:
若所述测试图像的拉伸状态为横向拉伸,则在所述第一PSNR小于第一阈值时,确定所述测试图像的显示状态为显示失真;在所述第一PSNR大于或等于所述第一阈值时,确定所述测试图像的显示状态为未显示失真;
若所述测试图像的拉伸状态为纵向拉伸,则在所述第一PSNR小于第二阈值时,确定所述测试图像的显示状态为显示失真;在所述第二PSNR大于或等于所述第二阈值时,确定所述测试图像的显示状态为未显示失真。
优选的,所述确定所述测试图像的显示状态为显示失真之后,还包括:
确定所述测试图像中的重点区域以及所述重点区域的区域类型,其中,所述区域类型包括:文字区域、图片区域以及列表区域;
根据所述重点区域的区域类型确定所述重点区域的显示状态。
优选的,所述确定所述测试图像中的重点区域,包括:
判断所述标准图像中是否存在标注区域,若存在,则将所述测试图像中与所述标准图像中的标注区域对应的区域确定为重点区域,并将所述标注区域的区域类型作为所述测试图像中与所述标准图像中的标注区域对应的区域的区域类型;
若所述标准图像中不存在标注区域,则将所述测试图像划分为多个待检测区域;针对任意一个待检测区域,累加该待检测区域每一行像素的像素值,得到每一行像素的行像素值,并以行号为横坐标、像素值为纵坐标建立像素值分布模型;
若确定所述像素值分布模型中周期性的出现至少连续N个大于第一像素阈值的行像素值,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为文字区域;或者,
若确定所述像素值分布模型中任意两个行像素值之间的差值均处于预设范围内,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为图片区域;或者,
若确定所述像素值分布模型中周期性的出现大于第二像素阈值的行像素值,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为列表区域。
优选的,所述根据所述重点区域的区域类型确定所述重点区域的显示状态,包括:
若所述重点区域为文字区域,则通过文字识别算法识别所述重点区域中的文字,并判断识别出的文字是否准确,若不准确,则确定所述重点区域显示失真;若确定识别出的文字准确,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态;或者,
若所述重点区域为图片区域,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差,若确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差大于预设均方误差,则确定所述重点区域显示失真;若确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差小于或等于预设均方误差,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态;或者,
若所述重点区域为列表区域,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态。
优选的,所述根据所述第二PSNR确定所述重点区域的显示状态,包括:
若所述测试图像的拉伸状态为横向拉伸,则在所述第二PSNR小于所述第一阈值时,确定所述重点区域显示失真;
若所述测试图像的拉伸状态为纵向拉伸,则在所述第二PSNR小于所述第二阈值时,确定所述重点区域显示失真。
本发明实施例提供一种图像测试装置,该装置包括:
获取单元,用于获取测试图像以及与所述测试图像对应的标准图像;
提取单元,用于提取所述测试图像的特征点以及所述标准图像的特征点,并确定出所述测试图像的特征点中与所述标准图像的特征点匹配的所有匹配特征点,获得第一数量的匹配特征点;
匹配单元,用于从所述第一数量的匹配特征点中剔除误匹配点,获得第二数量的匹配特征点,并根据所述第一数量以及所述第二数量判断所述测试图像与所述标准图像是否匹配成功,并在匹配成功后根据所述第二数量的匹配特征点确定所述测试图像与所述标准图像之间的单应矩阵;
拉伸状态确定单元,用于根据所述单应矩阵确定所述测试图像在显示时的拉伸状态。
显示状态确定单元,用于确定所述测试图像与所述标准图像之间的第一峰值信噪比PSNR,并根据所述第一PSNR以及所述拉伸状态确定所述测试图像的显示状态。
优选的,所述匹配确定单元具体用于:
若确定所述第二数量与所述第一数量的比值小于预设比值,则确定所述测试图像与所述标准图像匹配失败;
若确定所述第二数量与所述第一数量的比值大于或等于所述预设比值,则确定所述测试图像与所述标准图像匹配成功。
优选的,所述拉伸状态确定单元具体用于:
将所述单应矩阵转换为等价的上三角矩阵;
确定与所述单应矩阵等价的上三角矩阵中第一行第一列的元素与第二行第二列的元素的比值,若所述比值大于第一约定比值,则确定所述测试图像的拉伸状态为横向拉伸,若所述比值小于第二约定比值,则确定所述测试图像的拉伸状态为纵向拉伸。
优选的,所述显示状态确定单元具体用于:
若所述测试图像的拉伸状态为横向拉伸,则在所述第一PSNR小于第一阈值时,确定所述测试图像的显示状态为显示失真;在所述第一PSNR大于或等于所述第一阈值时,确定所述测试图像的显示状态为未显示失真;
若所述测试图像的拉伸状态为纵向拉伸,则在所述第一PSNR小于第二阈值时,确定所述测试图像的显示状态为显示失真;在所述第二PSNR大于或等于所述第二阈值时,确定所述测试图像的显示状态为未显示失真。
优选的,所述显示状态确定单元还用于:
确定所述测试图像中的重点区域以及所述重点区域的区域类型,其中,所述区域类型包括:文字区域、图片区域以及列表区域;
根据所述重点区域的区域类型确定所述重点区域的显示状态。
优选的,所述显示状态确定单元具体用于:
判断所述标准图像中是否存在标注区域,若存在,则将所述测试图像中与所述标准图像中的标注区域对应的区域确定为重点区域,并将所述标注区域的区域类型作为所述测试图像中与所述标准图像中的标注区域对应的区域的区域类型;
若所述标准图像中不存在标注区域,则将所述测试图像划分为多个待检测区域;针对任意一个待检测区域,累加该待检测区域每一行像素的像素值,得到每一行像素的行像素值,并以行号为横坐标、像素值为纵坐标建立像素值分布模型;
若确定所述像素值分布模型中周期性的出现至少连续N个大于第一像素阈值的行像素值,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为文字区域;或者,
若确定所述像素值分布模型中任意两个行像素值之间的差值均处于预设范围内,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为图片区域;或者,
若确定所述像素值分布模型中周期性的出现大于第二像素阈值的行像素值,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为列表区域。
优选的,所述显示状态确定单元具体用于:
若所述重点区域为文字区域,则通过文字识别算法识别所述重点区域中的文字,并判断识别出的文字是否准确,若不准确,则确定所述重点区域显示失真;若确定识别出的文字准确,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态;或者,
若所述重点区域为图片区域,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差,若确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差大于预设均方误差,则确定所述重点区域显示失真;若确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差小于或等于预设均方误差,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态;或者,
若所述重点区域为列表区域,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态。
优选的,所述显示状态确定单元具体用于:
若所述测试图像的拉伸状态为横向拉伸,则在所述第二PSNR小于第一阈值时,确定所述重点区域显示失真;
若所述测试图像的拉伸状态为纵向拉伸,则在所述第二PSNR小于第二阈值时,确定所述重点区域显示失真。
本发明有益效果如下:
本发明实施例通过提取所述测试图像的特征点以及所述标准图像的特征点,并进一步从测试图像与标准图像的匹配特征点中剔除误匹配点,从而更准确的确定所述测试图像与所述标准图像是否匹配成功。在所述测试图像与所述标准图像匹配成功后,根据确定出的匹配特征点确定所述测试图像与所述标准图像之间的单应矩阵;从而确定所述测试图像在显示时的拉伸状态,并根据拉伸状态确定所述测试图像的显示状态。根据本发明实施例提供的方法及装置,由于是通过提取图像的特征点进行匹配,提高了匹配的准确率,同时通过剔除误匹配点进行进一步匹配,从而更准确的确定所述测试图像在显示时的拉伸状态,从而获得所述测试图像更准确的显示状态。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种图像测试方法流程示意图;
图2为本发明实施例提供的测试图像区域划分示意图;
图3为本发明实施例提供的文字区域测试流程示意图;
图4为本发明实施例提供的图片区域测试流程示意图;
图5为本发明实施例提供的一种图像测试流程示意图;
图6为本发明实施例提供的一种图像测试装置结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例中,测试图像为终端设备显示标准图像时的截图。可以通过多种方法获得终端设备在显示标准图像时的截图,例如,可以通过截图软件对终端设备在显示标准图像时进行截图。
本发明实施例中,终端设备可以是无线终端也可以是有线终端,例如可以为移动电话、计算机、平板电脑、个人数码助理(英文:personal digital assistant,缩写:PDA)、移动互联网设备(英文:mobile Internet device,缩写:MID)、可穿戴设备和电子书阅读器(英文:e-book reader)等。
基于上述描述,如图1所示,为本发明实施例提供一种图像测试方法流程示意图。
参见图1,该方法包括:
步骤101:获取测试图像以及与所述测试图像对应的标准图像;
步骤102:提取所述测试图像的特征点以及所述标准图像的特征点,并确定出所述测试图像的特征点中与所述标准图像的特征点匹配的所有匹配特征点,获得第一数量的匹配特征点;
步骤103:从所述第一数量的匹配特征点中剔除误匹配点,获得第二数量的匹配特征点,并根据所述第一数量以及所述第二数量判断所述测试图像与所述标准图像是否匹配成功,并在匹配成功后根据所述第二数量的匹配特征点确定所述测试图像与所述标准图像之间的单应矩阵;
步骤104:根据所述单应矩阵确定所述测试图像在显示时的拉伸状态;
步骤105:确定所述测试图像与所述标准图像之间的第一峰值信噪比PSNR,并根据所述第一PSNR以及所述拉伸状态确定所述测试图像的显示状态。
步骤101中,获取到的标准图像可以是根据终端设备中经常显示的文字、图片、控件、列表及网格等特征生成的。可以生成多个标准图像形成一个标准图像库,每次在测试时,从标准图像库中抽取几个标准图像进行对比测试,从而实现对终端设备的显示性能进行正确性的评估。
由于需要测试终端设备的的显示效果,因此获取的的测试图像以及标准图像是需要对应的,即获取到的测试图像为获取到的标识图像在显示时的显示图像,如截图。
步骤102中,本发明实施例中可以通过尺度不变特征转换(Scale-invariantfeature transform,SIFT)算法提取测试图像的特征点,以及通过尺度不变特征转换算法提取与测试图像对应的标准图像的特征点;SIFT算法提取图像特征点的步骤可以参考Lowe在其文章中提出的步骤,详见“D G Lowe.DistinctiveImage Features from Scale-Invariant Key points.International Journal of ComputerVision,60:91–110,2004.”。
提取测试图像以及标准图像的特征点之后,利用图像的局部特征为每一个特征点确定一个特征向量,例如,可以通过对特征点周围图像区域分块,计算块内梯度直方图,再用梯度直方图对该特征点领域内所有点的梯度方向进行统计,获得特征点的特征向量。梯度直方图范围可以为0~360度,可以每10度一个柱来表示直方图,那就一共36个柱来表示了。
对于测试图像中任意一个特征点,确定该特征点的特征向量与该特征点在标准图像中对应的特征点的特征向量的向量内积,若该向量内积大于预设内积阈值,则确定这两个特征点是匹配的特征点。通过这种方法,确定出所述测试图像的所有特征点中与所述标准图像的特征点匹配的匹配特征点的数量,记为第一数量。
第一数量的匹配特征点中可能存在误匹配点,为了获得更精确的结果,在步骤103中,可以使用随机抽样一致性算法(Random Sample Consensus,RANSAC)估计测试图像与标准图像之间的单位变换矩阵并将其作为几何约束,进而去除第一数量的匹配特征点中的误匹配点,实现对第一数量的匹配特征点进行进一步筛选,获得第二数量的匹配特征点。
具体的,第一步,将所述测试图像的第一数量的匹配特征点与所述标准图像的第一数量的匹配特征点中,对应的两个匹配特征点作为一个匹配特征点对。第二步,从第一数量的匹配特征点对中随机抽取N个匹配特征点对作为内点,其余的匹配特征点对作为外点。本发明实施例中可以随机抽取4个匹配特征点对作为内点。第三步,利用外点计算初始单应矩阵,并确定每个外点与初始单应矩阵之间的距离,如果这个距离大于预设的距离阈值,则从外点中舍弃该点,若小于阈值,则将该外点作为内点;第四步,反复迭代执行第三步,直到内点的数量不再增加,获得一个内点集合;第五步,重复第二步至第四步,得到多组内点集合;第六步,选取内点集合中内点数量最大的一个内点集合,并将该内点集合中的匹配特征点对作为需要的的匹配特征点对,并将该内点集合中的匹配特征点对的数量作为第二数量。
为了确定测试图像与标准图像之间是否匹配,本发明实施例中,通过第二数量与第一数量的比值来判断测试图像是否显示失真。具体的,若确定所述第二数量与所述第一数量的比值小于预设比值,则确定所述测试图像与所述标准图像匹配失败,若确定所述第二数量与所述第一数量的比值大于或等于所述预设比值,确定所述测试图像与所述标准图像匹配成功。本发明实施例中,预设比值可以为35%。
在确定所述测试图像与所述标准图像匹配失败之后,就可以结束此次测试。
在确定所述测试图像与所述标准图像匹配成功之后,还可以对测试图像进行进一步分析,从而确定终端设备的显示效果。
具体的,确定所述测试图像与所述标准图像匹配成功之后,可以根据筛选出的第二数量的匹配特征点对确定测试图像与标准图像之间的单应矩阵。
步骤104中,本发明实施例中,在确定出单应矩阵之后,可以将所述单应矩阵转换为等价的上三角矩阵;例如,
确定与所述单应矩阵等价的上三角矩阵中第一行第一列的元素与第二行第二列的元素的比值,若所述比值大于第一约定比值,则确定所述测试图像的拉伸状态为横向拉伸,若所述比值小于第二约定比值,则确定所述测试图像的拉伸状态为纵向拉伸。若所述比值大于或等于所述第二约定比值、且小于或等于所述第一约定比值,则确定所述测试图像没有发生拉伸。其中,所述第二约定比值小于所述第一约定比值。第一约定比值可以为1.04,第二约定比值可以为0.96。当然第一约定比值以及第二约定比值还可以根据实际情况确定。
步骤105中,在根据所述单应矩阵确定所述测试图像在显示时的拉伸状态之后,还需要根据测试图像的拉伸状态确定所述测试图像的显示状态。
确定所述测试图像以及所述标准图像之间的第一PSNR(峰值信噪比,PeakSignal to Noise Ratio)。
可以通过以下方式计算PSNR:
步骤一,确定测试图像与标准图像之间的MSE(mean square error,均方误差),具体为以下公式:
其中,m为筛选后的匹配特征点的数量,Pi为测试图像中第i个特征点的像素值,Ki为标准图像中与测试图像中第i个特征点对应的特征点的像素值。
步骤二,根据均方误差MSE确定PSNR,具体为以下公式:
若所述测试图像的拉伸状态为横向拉伸,则在所述第一PSNR小于第一阈值时,确定所述测试图像的显示状态为显示失真,否则,确定所述测试图像的显示状态为未显示失真;若所述测试图像的拉伸状态为纵向拉伸,则在所述第一PSNR比小于第二阈值时,确定所述测试图像的显示状态为显示失真,否则,确定所述测试图像的显示状态为未显示失真。第一阈值可以为50dB,第二阈值可以为60dB。当然第一阈值以及第二阈值还可以根据实际情况确定。
如果确定所述测试图像的显示状态为未显示失真,则可以结束此次测试过程,确定测试结果为未显示失真。
需要说明的是,若确定所述测试图像没有发生拉伸,则可以确定所述测试图像的显示状态为未显示失真,则可以结束此次测试过程,确定测试结果为未显示失真。
如果确定所述测试图像的显示状态为显示失真,还可能需要确定所述测试图像在哪些区域显示失真,从而获得更精确的测试结果。具体的,在确定所述测试图像的显示状态为显示失真之后,先确定所述测试图像中的重点区域,然后确定重点区域显示是否失真。所述重点区域的区域类型包括:文字区域、图片区域以及列表区域。
对于测试图像,可以先根据与其对应的标准图像确定重点区域。具体的,先判断所述标准图像中是否存在标注区域,若存在,则将所述测试图像中与所述标准图像中的标注区域对应的区域确定为重点区域。本发明实施例中,所述标准图像中在标注出标注区域的同时,还可以为每个标注区域标注出区域类型,即标注出该标准区域为文字区域、图片区域还是列表区域。因此,在确定出测试图像中与标准图像中标注区域对应的区域为重点区域的同时,还可以确定出测试图像中对应区域的区域类型。
若所述标准图像中不存在标注区域,则可以根据所述测试图像中的像素值确定所述测试图像中的重点区域。具体的,将所述测试图像划分为多个待检测区域。例如,如图2所示,为本发明实施例提供的测试图像区域划分示意图。图2中,201为划分前的测试图像,202为划分后的测试图像,测试图像被划分为6个待检测区域。针对任意一个待检测区域,累加该待检测区域每一行像素的像素值,得到每一行像素的行像素值,并以行号为横坐标、像素值为纵坐标建立像素值分布模型;若确定所述像素值分布模型中周期性的出现至少连续N个大于第一像素阈值的行像素值,则确定该待检测区域为文字区域;若确定所述像素值分布模型中任意两个行像素值之间的差值均处于预设范围内,则确定该待检测区域为图片区域;若确定所述像素值分布模型中周期性的出现大于第二像素阈值的行像素值,则确定该待检测区域为列表区域。若确定该待检测区域的行像素值不符合上述任意一个条件,则将该待检测区域作为图片区域,或者,结束对该待检测区域的检测,并将该待检测区域确定为显示失真。
在测试图像中确定了重点区域之后,可以确定重点区域的显示状态。具体的,确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态。若所述测试图像的拉伸状态为横向拉伸,则在所述第二PSNR小于第一阈值时,确定所述重点区域显示失真,否则确定所述重点区域未显示失真;若所述测试图像的拉伸状态为纵向拉伸,则在所述第二PSNR小于第二阈值时,确定所述重点区域显示失真,否则确定所述重点区域未显示失真。
优选的,本发明实施例还可以根据重点区域的区域类型来确定重点区域的显示状态。具体的,若所述重点区域为文字区域,则先通过文字识别算法识别所述重点区域中的文字,并判断识别出的文字是否准确,若不准确,则确定所述重点区域中的文字出现乱码,则确定所述重点区域显示失真,并结束对所述重点区域的测试。若确定识别出的文字准确,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态。若所述测试图像的拉伸状态为横向拉伸,则在所述第二PSNR小于第一阈值时,确定所述重点区域显示失真,否则确定所述重点区域未显示失真;若所述测试图像的拉伸状态为纵向拉伸,则在所述第二PSNR小于第二阈值时,确定所述重点区域显示失真,否则确定所述重点区域未显示失真。
具体的,如图3所示,为本发明实施例提供的一种文字区域测试方法流程示意图。
步骤301:获取文字区域。
步骤302:通过文字识别算法识别文字区域中的文字。
本发明实施例中可以采用任何文字识别算法,在此不再赘述。
步骤303:判断识别出的文字是否准确,若准确则转至步骤304,否则转至步骤308;
步骤304:确定所述文字区域与所述文字区域在所述标准图像中对应区域之间的第二PSNR。
步骤305:判断所述测试图像的拉伸状态是否为横向拉伸;若是,则转至步骤306,否则转至步骤307;
步骤306:判断所述第二PSNR是否小于第一阈值,若是,则转至步骤308;否则转至步骤309;
步骤307:判断所述第二PSNR是否小于第二阈值,若是,则转至步骤308;否则转至步骤309。
步骤308:确定所述文字区域显示失真。
步骤309:确定所述文字区域未显示失真。
若所述重点区域为图片区域,则先确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差,若确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差大于预设均方误差,则确定所述重点区域显示失真,并结束对所述重点区域的测试;否则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态。若所述测试图像的拉伸状态为横向拉伸,则在所述第二PSNR小于第一阈值时,确定所述重点区域显示失真,否则确定所述重点区域未显示失真;若所述测试图像的拉伸状态为纵向拉伸,则在所述第二PSNR小于第二阈值时,确定所述重点区域显示失真,否则确定所述重点区域未显示失真。
具体的,如图4所示,为本发明实施例提供的一种图片区域测试方法流程示意图。
步骤401:获取图片区域。
步骤402:确定所述图片区域与所述图片区域在所述标准图像中对应区域之间的均方误差。
步骤403:判断所述均方误差是否大于预设均方误差,若否则转至步骤404,否则转至步骤408;
步骤404:确定所述图片区域与所述图片区域在所述标准图像中对应区域之间的第二PSNR。
步骤405:判断所述测试图像的拉伸状态是否为横向拉伸;若是,则转至步骤406,否则转至步骤407;
步骤406:判断所述第二PSNR是否小于第一阈值,若是,则转至步骤408;否则转至步骤409;
步骤407:判断所述第二PSNR是否小于第二阈值,若是,则转至步骤408;否则转至步骤409。
步骤408:确定所述图片区域显示失真。
步骤409:确定所述图片区域未显示失真。
若所述重点区域为列表区域,则先确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态。若所述测试图像的拉伸状态为横向拉伸,则在所述第二PSNR小于第一阈值时,确定所述重点区域显示失真,否则确定所述重点区域未显示失真;若所述测试图像的拉伸状态为纵向拉伸,则在所述第二PSNR小于第二阈值时,确定所述重点区域显示失真,否则确定所述重点区域未显示失真。
下面通过具体的实施例详细描述上述过程。
如图5所示,为本发明实施例提供的一种图像测试流程示意图。
参见图5,包括以下步骤:
步骤501:获取测试图像以及与所述测试图像对应的标准图像。
步骤502:通过尺度不变特征转换算法提取所述测试图像的特征点以及所述标准图像的特征点。
步骤503:确定出所述测试图像的特征点中与所述标准图像的特征点匹配的第一数量的匹配特征点。
步骤504:判断测试图像与标准图像是否匹配成功,若成功,则转至步骤511,否则转至步骤505。
具体的,通过随机抽样一致性算法去除第一数量的匹配特征点中的误匹配点,实现对第一数量的匹配特征点进行进一步筛选,获得第二数量的匹配特征点。通过第二数量与第一数量的比值来判断测试图像是否显示失真。
步骤505:确定所述测试图像在显示时的拉伸状态。
具体的,根据筛选出的第二数量的匹配特征点对确定测试图像与标准图像之间的单应矩阵;确定与所述单应矩阵等价的上三角矩阵中第一行第一列的元素与第二行第二列的元素的比值,若所述比值大于第一约定比值,则确定所述测试图像的拉伸状态为横向拉伸,若所述比值小于第二约定比值,则确定所述测试图像的拉伸状态为纵向拉伸。
步骤506:判断所述测试图像是否显示失真,若显示失真,则转至步骤507,否则转至步骤511。
步骤507:确定重点区域。所述重点区域的区域类型包括:文字区域、图片区域以及列表区域。
若所述重点区域为文字区域,则转至步骤508;若所述重点区域为图片区域,则转至步骤509;若所述重点区域为列表区域,则转至步骤510。
步骤508:判断识别出的文字是否准确。若准确,则转至步骤510,否则转至步骤511。
具体的,先通过先通过文字识别算法识别所述重点区域中的文字,并判断识别出的文字是否准确,若不准确,则确定所述重点区域中的文字出现乱码,则确定所述重点区域显示失真,并结束对所述重点区域的测试。
步骤509:判断均方误差是否大于预设均方误差。若大于预设均方误差,则转至步骤511,否则转至步骤510。
步骤510:根据第二PSNR确定显示状态。
具体的,确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态。若所述测试图像的拉伸状态为横向拉伸,则在所述第二PSNR小于第一阈值时,确定所述重点区域显示失真;若所述测试图像的拉伸状态为纵向拉伸,则在所述第二PSNR小于第二阈值时,确定所述重点区域显示失真。
步骤511:结束测试。
基于相同的技术构思,本发明实施例还提供一种图像测试装置,该装置可执行上述方法实施例。
如图6所示,为本发明实施例提供的一种图像测试装置结构示意图。
获取单元601,用于获取测试图像以及与所述测试图像对应的标准图像;
提取单元602,用于提取所述测试图像的特征点以及所述标准图像的特征点,并确定出所述测试图像的特征点中与所述标准图像的特征点匹配的所有匹配特征点,获得第一数量的匹配特征点;
匹配单元603,用于从所述第一数量的匹配特征点中剔除误匹配点,获得第二数量的匹配特征点,并根据所述第一数量以及所述第二数量判断所述测试图像与所述标准图像是否匹配成功,并在匹配成功后根据所述第二数量的匹配特征点确定所述测试图像与所述标准图像之间的单应矩阵;
拉伸状态确定单元604,用于根据所述单应矩阵确定所述测试图像在显示时的拉伸状态。
显示状态确定单元605,用于确定所述测试图像与所述标准图像之间的第一峰值信噪比PSNR,并根据所述第一PSNR以及所述拉伸状态确定所述测试图像的显示状态。
优选的,所述匹配单元603具体用于:
若确定所述第二数量与所述第一数量的比值小于预设比值,则确定所述测试图像与所述标准图像匹配失败;
若确定所述第二数量与所述第一数量的比值大于或等于所述预设比值,则确定所述测试图像与所述标准图像匹配成功。
优选的,所述拉伸状态确定单元604具体用于:
将所述单应矩阵转换为等价的上三角矩阵;
确定与所述单应矩阵等价的上三角矩阵中第一行第一列的元素与第二行第二列的元素的比值,若所述比值大于第一约定比值,则确定所述测试图像的拉伸状态为横向拉伸,若所述比值小于第二约定比值,则确定所述测试图像的拉伸状态为纵向拉伸。
优选的,所述显示状态确定单元605具体用于:
若所述测试图像的拉伸状态为横向拉伸,则在所述第一PSNR小于第一阈值时,确定所述测试图像的显示状态为显示失真;在所述第一PSNR大于或等于所述第一阈值时,确定所述测试图像的显示状态为未显示失真;
若所述测试图像的拉伸状态为纵向拉伸,则在所述第一PSNR小于第二阈值时,确定所述测试图像的显示状态为显示失真;在所述第二PSNR大于或等于所述第二阈值时,确定所述测试图像的显示状态为未显示失真。
优选的,所述显示状态确定单元605还用于:
确定所述测试图像中的重点区域以及所述重点区域的区域类型,其中,所述区域类型包括:文字区域、图片区域以及列表区域;
根据所述重点区域的区域类型确定所述重点区域的显示状态。
优选的,所述显示状态确定单元605具体用于:
判断所述标准图像中是否存在标注区域,若存在,则将所述测试图像中与所述标准图像中的标注区域对应的区域确定为重点区域,并将所述标注区域的区域类型作为所述测试图像中与所述标准图像中的标注区域对应的区域的区域类型;
若所述标准图像中不存在标注区域,则将所述测试图像划分为多个待检测区域;针对任意一个待检测区域,累加该待检测区域每一行像素的像素值,得到每一行像素的行像素值,并以行号为横坐标、像素值为纵坐标建立像素值分布模型;
若确定所述像素值分布模型中周期性的出现至少连续N个大于第一像素阈值的行像素值,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为文字区域;或者,
若确定所述像素值分布模型中任意两个行像素值之间的差值均处于预设范围内,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为图片区域;或者,
若确定所述像素值分布模型中周期性的出现大于第二像素阈值的行像素值,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为列表区域。
优选的,所述显示状态确定单元605具体用于:
若所述重点区域为文字区域,则通过文字识别算法识别所述重点区域中的文字,并判断识别出的文字是否准确,若不准确,则确定所述重点区域显示失真;若确定识别出的文字准确,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态;或者,
若所述重点区域为图片区域,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差,若确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差大于预设均方误差,则确定所述重点区域显示失真;若确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差小于或等于预设均方误差,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态;或者,
若所述重点区域为列表区域,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态。
优选的,所述显示状态确定单元605具体用于:
若所述测试图像的拉伸状态为横向拉伸,则在所述第二PSNR小于第一阈值时,确定所述重点区域显示失真;
若所述测试图像的拉伸状态为纵向拉伸,则在所述第二PSNR小于第二阈值时,确定所述重点区域显示失真。
综上所述,本发明实施例通过尺度不变特征转换算法提取所述测试图像的特征点以及所述标准图像的特征点,并进一步通过随机抽样一致性算法测试图像与标准图像的匹配特征点中剔除误匹配点,从而更准确的确定所述测试图像与所述标准图像是否匹配成功。在所述测试图像与所述标准图像匹配成功后,根据确定出的匹配特征点确定所述测试图像与所述标准图像之间的单应矩阵;从而确定所述测试图像在显示时的拉伸状态。根据本发明实施例提供的方法及装置,由于是通过尺度不变特征转换算法提取图像的特征点进行匹配,提高了匹配的准确率,同时通过随机抽样一致性算法进行进一步匹配,从而更准确的确定所述测试图像在显示时的拉伸状态。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的范围。这样,倘若本发明的这些修改和变型属于本发明权利要求的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (16)
1.一种图像测试方法,其特征在于,该方法包括:
获取测试图像以及与所述测试图像对应的标准图像;
提取所述测试图像的特征点以及所述标准图像的特征点,并确定出所述测试图像的特征点中与所述标准图像的特征点匹配的所有匹配特征点,获得第一数量的匹配特征点;
从所述第一数量的匹配特征点中剔除误匹配点,获得第二数量的匹配特征点,并根据所述第一数量以及所述第二数量判断所述测试图像与所述标准图像是否匹配成功,并在匹配成功后根据所述第二数量的匹配特征点确定所述测试图像与所述标准图像之间的单应矩阵;
根据所述单应矩阵确定所述测试图像在显示时的拉伸状态;
确定所述测试图像与所述标准图像之间的第一峰值信噪比PSNR,并根据所述第一PSNR以及所述拉伸状态确定所述测试图像的显示状态。
2.如权利要求1所述的方法,其特征在于,所述根据所述第一数量以及所述第二数量判断所述测试图像与所述标准图像是否匹配成功,包括:
若确定所述第二数量与所述第一数量的比值小于预设比值,则确定所述测试图像与所述标准图像匹配失败;
若确定所述第二数量与所述第一数量的比值大于或等于所述预设比值,则确定所述测试图像与所述标准图像匹配成功。
3.如权利要求1所述的方法,其特征在于,所述根据所述单应矩阵确定所述测试图像在显示时的拉伸状态,包括:
将所述单应矩阵转换为等价的上三角矩阵;
确定与所述单应矩阵等价的上三角矩阵中第一行第一列的元素与第二行第二列的元素的比值,若所述比值大于第一约定比值,则确定所述测试图像的拉伸状态为横向拉伸,若所述比值小于第二约定比值,则确定所述测试图像的拉伸状态为纵向拉伸。
4.如权利要求3所述的方法,其特征在于,所述根据所述第一PSNR与所述拉伸状态确定所述测试图像的显示状态,包括:
若所述测试图像的拉伸状态为横向拉伸,则在所述第一PSNR小于第一阈值时,确定所述测试图像的显示状态为显示失真;在所述第一PSNR大于或等于所述第一阈值时,确定所述测试图像的显示状态为未显示失真;
若所述测试图像的拉伸状态为纵向拉伸,则在所述第一PSNR小于第二阈值时,确定所述测试图像的显示状态为显示失真;在所述第二PSNR大于或等于所述第二阈值时,确定所述测试图像的显示状态为未显示失真。
5.如权利要求4所述的方法,其特征在于,所述确定所述测试图像的显示状态为显示失真之后,还包括:
确定所述测试图像中的重点区域以及所述重点区域的区域类型,其中,所述区域类型包括:文字区域、图片区域以及列表区域;
根据所述重点区域的区域类型确定所述重点区域的显示状态。
6.如权利要求5所述的方法,其特征在于,所述确定所述测试图像中的重点区域,包括:
判断所述标准图像中是否存在标注区域,若存在,则将所述测试图像中与所述标准图像中的标注区域对应的区域确定为重点区域,并将所述标注区域的区域类型作为所述测试图像中与所述标准图像中的标注区域对应的区域的区域类型;
若所述标准图像中不存在标注区域,则将所述测试图像划分为多个待检测区域;针对任意一个待检测区域,累加该待检测区域每一行像素的像素值,得到每一行像素的行像素值,并以行号为横坐标、像素值为纵坐标建立像素值分布模型;
若确定所述像素值分布模型中周期性的出现至少连续N个大于第一像素阈值的行像素值,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为文字区域;或者,
若确定所述像素值分布模型中任意两个行像素值之间的差值均处于预设范围内,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为图片区域;或者,
若确定所述像素值分布模型中周期性的出现大于第二像素阈值的行像素值,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为列表区域。
7.如权利要求5所述的方法,其特征在于,所述根据所述重点区域的区域类型确定所述重点区域的显示状态,包括:
若所述重点区域为文字区域,则通过文字识别算法识别所述重点区域中的文字,并判断识别出的文字是否准确,若不准确,则确定所述重点区域显示失真;若确定识别出的文字准确,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态;或者,
若所述重点区域为图片区域,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差,若确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差大于预设均方误差,则确定所述重点区域显示失真;若确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差小于或等于预设均方误差,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态;或者,
若所述重点区域为列表区域,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态。
8.如权利要求7所述的方法,其特征在于,所述根据所述第二PSNR确定所述重点区域的显示状态,包括:
若所述测试图像的拉伸状态为横向拉伸,则在所述第二PSNR小于所述第一阈值时,确定所述重点区域显示失真;
若所述测试图像的拉伸状态为纵向拉伸,则在所述第二PSNR小于所述第二阈值时,确定所述重点区域显示失真。
9.一种图像测试装置,其特征在于,该装置包括:
获取单元,用于获取测试图像以及与所述测试图像对应的标准图像;
提取单元,用于提取所述测试图像的特征点以及所述标准图像的特征点,并确定出所述测试图像的特征点中与所述标准图像的特征点匹配的所有匹配特征点,获得第一数量的匹配特征点;
匹配单元,用于从所述第一数量的匹配特征点中剔除误匹配点,获得第二数量的匹配特征点,并根据所述第一数量以及所述第二数量判断所述测试图像与所述标准图像是否匹配成功,并在匹配成功后根据所述第二数量的匹配特征点确定所述测试图像与所述标准图像之间的单应矩阵;
拉伸状态确定单元,用于根据所述单应矩阵确定所述测试图像在显示时的拉伸状态;
显示状态确定单元,用于确定所述测试图像与所述标准图像之间的第一峰值信噪比PSNR,并根据所述第一PSNR以及所述拉伸状态确定所述测试图像的显示状态。
10.如权利要求9所述的装置,其特征在于,所述匹配确定单元具体用于:
若确定所述第二数量与所述第一数量的比值小于预设比值,则确定所述测试图像与所述标准图像匹配失败;
若确定所述第二数量与所述第一数量的比值大于或等于所述预设比值,则确定所述测试图像与所述标准图像匹配成功。
11.如权利要求9所述的装置,其特征在于,所述拉伸状态确定单元具体用于:
将所述单应矩阵转换为等价的上三角矩阵;
确定与所述单应矩阵等价的上三角矩阵中第一行第一列的元素与第二行第二列的元素的比值,若所述比值大于第一约定比值,则确定所述测试图像的拉伸状态为横向拉伸,若所述比值小于第二约定比值,则确定所述测试图像的拉伸状态为纵向拉伸。
12.如权利要求11所述的装置,其特征在于,所述显示状态确定单元具体用于:
若所述测试图像的拉伸状态为横向拉伸,则在所述第一PSNR小于第一阈值时,确定所述测试图像的显示状态为显示失真;在所述第一PSNR大于或等于所述第一阈值时,确定所述测试图像的显示状态为未显示失真;
若所述测试图像的拉伸状态为纵向拉伸,则在所述第一PSNR小于第二阈值时,确定所述测试图像的显示状态为显示失真;在所述第二PSNR大于或等于所述第二阈值时,确定所述测试图像的显示状态为未显示失真。
13.如权利要求12所述的装置,其特征在于,所述显示状态确定单元还用于:
确定所述测试图像中的重点区域以及所述重点区域的区域类型,其中,所述区域类型包括:文字区域、图片区域以及列表区域;
根据所述重点区域的区域类型确定所述重点区域的显示状态。
14.如权利要求13所述的装置,其特征在于,所述显示状态确定单元具体用于:
判断所述标准图像中是否存在标注区域,若存在,则将所述测试图像中与所述标准图像中的标注区域对应的区域确定为重点区域,并将所述标注区域的区域类型作为所述测试图像中与所述标准图像中的标注区域对应的区域的区域类型;
若所述标准图像中不存在标注区域,则将所述测试图像划分为多个待检测区域;针对任意一个待检测区域,累加该待检测区域每一行像素的像素值,得到每一行像素的行像素值,并以行号为横坐标、像素值为纵坐标建立像素值分布模型;
若确定所述像素值分布模型中周期性的出现至少连续N个大于第一像素阈值的行像素值,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为文字区域;或者,
若确定所述像素值分布模型中任意两个行像素值之间的差值均处于预设范围内,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为图片区域;或者,
若确定所述像素值分布模型中周期性的出现大于第二像素阈值的行像素值,则确定该待检测区域为重点区域,并确定所述重点区域的区域类型为列表区域。
15.如权利要求13所述的装置,其特征在于,所述显示状态确定单元具体用于:
若所述重点区域为文字区域,则通过文字识别算法识别所述重点区域中的文字,并判断识别出的文字是否准确,若不准确,则确定所述重点区域显示失真;若确定识别出的文字准确,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态;或者,
若所述重点区域为图片区域,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差,若确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差大于预设均方误差,则确定所述重点区域显示失真;若确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的均方误差小于或等于预设均方误差,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态;或者,
若所述重点区域为列表区域,则确定所述重点区域与所述重点区域在所述标准图像中对应区域之间的第二PSNR,并根据所述第二PSNR确定所述重点区域的显示状态。
16.如权利要求15所述的装置,其特征在于,所述显示状态确定单元具体用于:
若所述测试图像的拉伸状态为横向拉伸,则在所述第二PSNR小于第一阈值时,确定所述重点区域显示失真;
若所述测试图像的拉伸状态为纵向拉伸,则在所述第二PSNR小于第二阈值时,确定所述重点区域显示失真。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510753793.9A CN106682676A (zh) | 2015-11-05 | 2015-11-05 | 一种图像测试方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510753793.9A CN106682676A (zh) | 2015-11-05 | 2015-11-05 | 一种图像测试方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106682676A true CN106682676A (zh) | 2017-05-17 |
Family
ID=58863953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510753793.9A Pending CN106682676A (zh) | 2015-11-05 | 2015-11-05 | 一种图像测试方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106682676A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107680126A (zh) * | 2017-09-29 | 2018-02-09 | 西安电子科技大学 | 随机抽样一致性的图像匹配去噪处理系统及方法 |
CN107689044A (zh) * | 2017-09-05 | 2018-02-13 | 郑州云海信息技术有限公司 | 一种监测高密口背板弯针现象的方法及装置 |
CN110427962A (zh) * | 2019-06-20 | 2019-11-08 | 厦门网宿有限公司 | 一种测试方法、电子设备及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102014296A (zh) * | 2010-12-10 | 2011-04-13 | 北京中科大洋科技发展股份有限公司 | 一种基于自适应边缘匹配及局部流处理算法的视频一致性监测技术 |
CN104135598A (zh) * | 2014-07-09 | 2014-11-05 | 清华大学深圳研究生院 | 一种视频图像稳定方法及装置 |
-
2015
- 2015-11-05 CN CN201510753793.9A patent/CN106682676A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102014296A (zh) * | 2010-12-10 | 2011-04-13 | 北京中科大洋科技发展股份有限公司 | 一种基于自适应边缘匹配及局部流处理算法的视频一致性监测技术 |
CN104135598A (zh) * | 2014-07-09 | 2014-11-05 | 清华大学深圳研究生院 | 一种视频图像稳定方法及装置 |
Non-Patent Citations (1)
Title |
---|
李昕宇 等: "基于图像匹配的移动应用自动化测试方法研究", 《计算机工程与应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107689044A (zh) * | 2017-09-05 | 2018-02-13 | 郑州云海信息技术有限公司 | 一种监测高密口背板弯针现象的方法及装置 |
CN107680126A (zh) * | 2017-09-29 | 2018-02-09 | 西安电子科技大学 | 随机抽样一致性的图像匹配去噪处理系统及方法 |
CN107680126B (zh) * | 2017-09-29 | 2020-10-23 | 西安电子科技大学 | 随机抽样一致性的图像匹配去噪处理系统及方法 |
CN110427962A (zh) * | 2019-06-20 | 2019-11-08 | 厦门网宿有限公司 | 一种测试方法、电子设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10769487B2 (en) | Method and device for extracting information from pie chart | |
CN111612763B (zh) | 手机屏幕缺陷检测方法、装置及系统、计算机设备及介质 | |
CN108416377B (zh) | 柱状图中的信息提取方法及装置 | |
CN107330453B (zh) | 基于分步识别和融合关键部位检测的色情图像识别方法 | |
CN104834933B (zh) | 一种图像显著性区域的检测方法和装置 | |
CN106548169B (zh) | 基于深度神经网络的模糊文字增强方法及装置 | |
EP3989104A1 (en) | Facial feature extraction model training method and apparatus, facial feature extraction method and apparatus, device, and storage medium | |
CN108596338A (zh) | 一种神经网络训练集的获取方法及其系统 | |
CN110490232A (zh) | 训练文字行方向预测模型的方法、装置、设备、介质 | |
CN109522775A (zh) | 人脸属性检测方法、装置及电子设备 | |
CN111368682A (zh) | 一种基于faster RCNN台标检测与识别的方法及系统 | |
CN108921209A (zh) | 图片识别方法、装置及电子设备 | |
CN110415212A (zh) | 异常细胞检测方法、装置及计算机可读存储介质 | |
CN113538603B (zh) | 一种基于阵列产品的光学检测方法、系统和可读存储介质 | |
CN108961183A (zh) | 图像处理方法、终端设备及计算机可读存储介质 | |
CN106682676A (zh) | 一种图像测试方法及装置 | |
CN109977762A (zh) | 一种文本定位方法及装置、文本识别方法及装置 | |
CN113222913A (zh) | 一种电路板缺陷检测定位方法、装置和存储介质 | |
CN112052730A (zh) | 一种3d动态人像识别监控设备及方法 | |
CN114005019B (zh) | 一种翻拍图像识别方法及其相关设备 | |
CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN110110110A (zh) | 一种以图搜图方法、装置、电子设备及存储介质 | |
CN108182457A (zh) | 用于生成信息的方法和装置 | |
CN111428730B (zh) | 弱监督细粒度物体分类方法 | |
CN114332809A (zh) | 一种图像识别方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170517 |
|
RJ01 | Rejection of invention patent application after publication |