CN113886745B - 页面图片测试方法、装置及电子设备 - Google Patents

Abstract

本公开提供了一种页面图片测试方法、装置及电子设备，涉及互联网技术领域，尤其涉及图片处理技术领域。具体实现方案为：获取目标应用的基准页面图片和测试页面图片；对所述基准页面图片和所述测试页面图片进行逐像素比对，以获取所述测试页面图片相对于所述基准页面图片的像素值差异；获取所述测试页面图片中所述像素值差异大于等于预设阈值的问题区域；在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理，并对过滤处理后的所述测试页面图片进行页面测试。

Description

页面图片测试方法、装置及电子设备

技术领域

本公开涉及互联网技术领域，尤其涉及图片处理技术领域，具体涉及一种页面图片测试方法、装置及电子设备。

背景技术

随着智能终端设备的发展，对智能终端设备的软件开发和测试越来越多。传统的前端自动化测试方案主要依赖于根据软件页面的爬页面源码(pagesource)进行，根据pagesource的节点判断页面元素是否正确，例如通过比对页面元素的位置、大小、图片内容、文字内容等信息是否符合预设要求，以对软件页面实现测试。

发明内容

本公开提供了一种页面图片测试方法、装置及电子设备。

根据本公开的第一方面，提供了一种页面图片测试方法，包括：

获取目标应用的基准页面图片和测试页面图片；

对所述基准页面图片和所述测试页面图片进行逐像素比对，以获取所述测试页面图片相对于所述基准页面图片的像素值差异；

获取所述测试页面图片中所述像素值差异大于等于预设阈值的问题区域；

在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理，并对过滤处理后的所述测试页面图片进行页面测试。

根据本公开的第二方面，提供了一种页面图片测试装置，包括：

第一获取模块，用于获取目标应用的基准页面图片和测试页面图片；

比对模块，用于对所述基准页面图片和所述测试页面图片进行逐像素比对，以获取所述测试页面图片相对于所述基准页面图片的像素值差异；

第二获取模块，用于获取所述测试页面图片中所述像素值差异大于等于预设阈值的问题区域；

处理模块，用于在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理，并对过滤处理后的所述测试页面图片进行页面测试。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面所述的方法。

本公开提供的技术方案，能够在进行页面测试时避免将目标区域的像素值差异判定为页面问题，减少因特定页面特征或者特定业务场景特征导致的测试错误，进而能够提高页面测试的通过率，也能够减少人工跟进的成本，提高页面测试效率。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开实施例提供的一种页面图片测试方法的流程图；

图2是本公开实施例提供的另一种页面图片测试方法的流程图；

图3a是本公开实施例提供的一种页面图片测试方法的场景示意图之一；

图3b是本公开实施例提供的一种页面图片测试方法的场景示意图之二；

图3c是本公开实施例提供的一种页面图片测试方法的场景示意图之三；

图3d是本公开实施例提供的一种页面图片测试方法的场景示意图之四；

图3e是本公开实施例提供的一种页面图片测试方法的场景示意图之五；

图4是本公开实施例提供的另一种页面图片测试方法的流程图；

图5是本公开实施例提供的一种页面图片测试装置的结构图；

图6是用来实现本公开实施例的页面图片测试方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

目前，随着互联网的发展，对智能终端设备的软件开发也越来越多，相应地针对软件页面的测试也变得越来越多。目前，常见的软件页面测试，是判断软件页面中元素是否正确，如判断元素的位置、大小、颜色、字体等是否正确。而一个常见的页面通常包含几十个甚至上百个元素，为了保证测试的覆盖率和故障(bug)的拦截率，需要针对每一个可见元素节点都做位置、宽、高、内容、颜色、背景色、字体等各种可能存在bug的属性校验，那么将会产生成百上千个测试实例，造成测试任务量较大。

本公开提供了一种页面图片测试方法。

请参照图1，图1是本公开实施例提供的一种页面图片测试方法的流程图。如图1所示，页面图片测试方法包括以下步骤：

步骤S101、获取目标应用的基准页面图片和测试页面图片。

其中，所述目标应用可以是指能够安装、应用在电子设备上的应用程序，或者也可以称应用软件；例如常见的社交类应用、视频播放类应用、购物类应用、新闻浏览类应用等。本公开所提供的页面图片测试方法的执行主体可以是计算机、手机等电子设备，或者也可以是应用于电子设备的页面图片测试装置等，以下将以电子设备作为执行主体来对本公开的实施例进行具体说明。

可选地，所述目标应用的基准页面图片可以是预先已经确定的页面图片，例如可以是预先经人工确认并保存的目标应用的页面截图，电子设备可以是在进行测试时直接调用已经保存的基准页面图片即可，无需每次测试重复获取，进而以提升测试效率。或者，所述基准页面图片也可以是在每次进行测试时实时获取的目标应用的页面截图，该页面截图可以是经人工确认正确的页面截图。

需要说明地，在获取到目标应用的基准页面图片后，获取所述基准页面图片的爬页面源码(pagesource)。可选地，可以是通过使用一些自动化测试框架获取pagesource，例如Appium测试框架。其中，pagesource主要可以用于为目标识别模型提供一些数据支持，方便目标识别模型判断当前页面的场景，以及页面中元素的布局边界信息，以实现后续对页面中相关场景区域进行过滤处理。

本公开实例中，所述目标应用的测试页面图片，可以是在进行测试时实时获取的针对目标应用的页面截图，或者也可以是事先准备的用于页面测试的页面截图。可选地，在进行测试时可以是通过一些测试框架进入到目标应用的待测试页面后，截取待测试页面的图像信息，进而以得到测试页面图片。

需要说明地，在获取到所述测试页面图片后，也可以获取所述测试页面图片的pagesource，以用于对目标识别模型提供一些数据支持，方便目标识别模型判断当前页面的场景，以及页面中元素的布局边界信息，以实现后续对页面中相关场景区域进行过滤处理

步骤S102、对所述基准页面图片和所述测试页面图片进行逐像素比对，以获取所述测试页面图片相对于所述基准页面图片的像素值差异。

本公开实施例中，在获取到针对目标应用的基准页面图片和测试页面图片后，对所述基准页面图片和所述测试页面图片进行逐像素比对，也即比较所述基准页面图片和所述测试页面图片中对应的像素点的像素值差异。

可以理解地，所述基准页面图片和所述测试页面图片都是基于目标应用得到的页面图片，如页面截图，进而所述基准页面图片中的像素点和所述测试页面图片中的像素点是一一对应的。例如，base(i,j)表示的是基准页面图片中的像素点(i,j)，test(i,j)表示的是测试页面图片中的像素点(i,j)，而这两个像素点对应的是目标应用的页面中的同一个像素点。

本公开实施例中，将测试页面图片中的每一个像素点的像素值与所述基准页面图片中对应的像素点的像素值进行比对，进而以获取所述测试页面图片中每一个像素点相对于所述基准页面图片中对应的像素点的像素值差异。例如，所述测试页面图片和所述基准页面图片均包括1000个像素点，那就也就能够得到所述测试页面图片这1000个像素点各自的像素值差异。

步骤S103、获取所述测试页面图片中所述像素值差异大于等于预设阈值的问题区域。

可以理解地，在上一步骤中能够获取所述测试页面图片中每一个像素点相对于所述基准页面图片中对应的像素点的像素值差异，通过比对每一个像素值差异与预设阈值的大小，获取所述测试页面图片中像素值差异大于等于预设阈值的像素点，将这些像素点确定为问题区域的像素点。

需要说明地，所述测试页面图片中像素值差异大于等于预设阈值的像素点可能是连续的，也可能是分散的，可以是将像素值差异大于等于预设阈值连续的像素点确定为一个问题区域，像素值差异大于等于预设阈值的分散的像素点确定为一个问题区域；或者，可以是将像素值差异大于等于预设阈值的至少连续N个的像素点确定为问题区域，所述N的取值可以是预先设置。可选地，所述测试页面图片中的问题区域的数量也就可以是多个。

步骤S104、在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理，并对过滤处理后的所述测试页面图片进行页面测试。

可选地，所述目标区域可以是预先设定的页面中的特定区域，或者，所述目标区域可以是通过目标识别模型识别出来的符合预设特征的区域。例如，目标区域为目标应用的页面中视频自动播放区域，可以理解地，视频自动播放区域内的视频能够自动播放，其内容也就可能是实时变化的，该区域内的像素点的像素值也就可能是实时变化的，进而基准页面图片中的视频自动播放区域内的像素点的像素值，也就会与测试页面图片中的视频自动播放区域内的像素点的像素值存在差异，也就可能存在像素值差异大于等于预设阈值的像素点而被确定为问题区域，但是这种情况导致的问题区域是符合预期的，不应该被当做页面的问题而被召回。

需要说明地，所述目标区域还可以是其他可能的页面形式或者说页面场景，例如所述目标区域可以是目标应用的页面中轮播图区域、动画播放区域、时间显示区域等，本公开不作具体限定。

本公开实施例中，当问题区域为目标区域的情况下，则对问题区域的像素值差异进行过滤处理，例如可以是将测试页面图片中问题区域对应的像素点的像素值进行更新，以使得问题区域的像素点与基准页面图片中对应区域的像素点的像素值差异小于所述预设阈值，进而也就不会再被判定为问题区域。或者，在所述问题区域为目标区域的情况下，也可以是对该问题区域进行标记处理，例如对这类符合目标区域的问题区域增加预设标记框；在对过滤处理后的所述测试页面图片进行页面测试时，识别所述测试页面图片中是否包括预设标记框，若识别到存在预设标记框，在进行页面测试时屏蔽所述预设标记框内的区域，也即对所述测试页面图片中除所述预设标记框外的区域进行页面测试，以判断所述测试页面图片是否存在未被标记的问题区域。

本公开提供的页面图片测试方法，通过获取目标应用的基准页面图片和测试页面图片，对所述基准页面图片和所述测试页面图片进行逐像素比对，以获取所述测试页面图片相对于所述基准页面图片的像素值差异，并获取所述测试页面图片中所述像素值差异大于等于预设阈值的问题区域，在在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理，并对过滤处理后的所述测试页面图片进行页面测试。这样，也就能够基于目标应用的页面特征，或者说目标应用的业务场景特征，对目标应用设定目标区域，进而可以对目标区域的像素值差异进行过滤处理，也就能够忽略目标区域的像素值差异，也就能够在进行页面测试时避免将目标区域的像素值差异判定为页面问题，减少因特定页面特征或者特定业务场景特征导致的测试错误，进而能够提高页面测试的通过率，也能够减少人工跟进的成本，提高页面测试效率。

可选地，所述在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理之前，所述方法还包括：

基于目标识别模型对所述测试页面图片进行识别，以确定所述测试页面图片中是否包括所述目标区域，所述目标识别模型为与所述目标区域对应的图片识别模型。

在确定所述测试页面图片中包括所述目标区域的情况下，识别所述问题区域是否为所述目标区域。

其中，所述目标识别模型为一种图片识别模型，用于识别所述测试页面图片中是否包括模板区域。例如，所述目标识别模型为轮播图识别模型，用于识别测试页面图片中是否包括轮播图；所述轮播图识别模型可以是预先通过大量的轮播图样板对神经网络模型训练得到。

例如，可以是基于自动化测试平台对包括轮播图的图像数据进行收集，作为轮播图样本数据，并对轮播图样本数据进行标注，其标注内容包括：是否包括轮播图、轮播图导航栏在页面中的位置区域等；使用深度学习神经网络模型对标注过的轮播图样本数据在图形处理器(Graphics Processing Unit，GPU)服务器下进行反复训练和优化，直至达到预期准确率，进而使得训练后的模型能够准确地识别出页面是否包括轮播图以及轮播图对应的位置区域等信息，将训练后的模型作为轮播图识别模型，进而以能够应用在本公开提供的页面图片测试方法中。其中，轮播图识别模型的训练和优化方法可以是参照相关技术中的模型训练方法，本公开不作具体赘述。

需要说明地是，所述目标识别模型还可以是与应用的页面场景特征对应的其他识别模型。例如，所述目标识别模型还可以是视频识别模型、点赞数识别模型、收藏数识别模型、动画识别模型、噪点识别模型、色差识别模型、评论数识别模型、时间识别模型、偏移识别模型、指定区域失败模型等。可选地，这些模型的训练和优化方法可以是参照相关技术中的模型训练方法，本公开不作具体赘述。

本公开实施例中，在对问题区域的像素值差异进行过滤处理之前，可以是基于目标识别模型对测试页面图片进行识别，以确定所述测试页面图片中是否包括目标区域。例如，电子设备可以是安装有多个不同类型的识别模型，比如轮播图识别模型、视频识别模型、点赞数识别模型、收藏数识别模型、评论数识别模型和时间识别模型，电子设备可以是依次通过这些模型对测试页面图片进行识别，以确定所述测试页面图片中是否包括对应的轮播图区域、视频播放区域、点赞数显示区域、收藏数显示区域、评论数显示区域和时间显示区域。或者，电子设备也可以是基于用户的选择操作，选择与测试页面图片中所包括的页面场景特征对应的目标识别模型来对测试页面图片进行识别。

可选地，在基于目标识别模型确定所述测试页面图片中包括目标区域的情况下，进一步识别测试页面图片中的问题区域是否为目标区域。可以理解地，所述测试页面图片中确定的问题区域可能是多个，但不一定每一个问题区域都是目标区域，例如目标区域为轮播图区域，目标应用的页面中只有一个区域为轮播图区域，且该轮播图区域在页面中的位置是确定的，进而可以通过识别问题区域的位置来确定所述问题区域是否为轮播图区域(也即目标区域)。

本公开实施例中，通过目标识别模型来识别测试页面图片中是否包括目标区域，并能够进一步识别问题区域是否为目标区域，进而能够在测试页面图片中的问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理，并对过滤处理后的所述测试页面图片进行页面测试。这样，基于目标识别模型进一步提高了页面测试的效率，并能够降低因目标区域对应的特定页面特征或者特定业务场景特征导致而的不必要的测试错误，降低页面测试的误报率。

也就能够在进行页面测试时避免将目标区域的像素值差异判定为页面问题，减少因特定页面特征或者特定业务场景特征导致的测试错误，进而能够提高页面测试的通过率，也能够减少人工跟进的成本，提高页面测试效率

请参照图2，图2是本公开实施例提供的另一种页面图片测试方法的流程图。如图2所示，所述页面图片测试方法包括以下步骤：

步骤S201、获取目标应用的基准页面图片和测试页面图片；

步骤S202、对所述基准页面图片和所述测试页面图片进行逐像素比对，以获取所述测试页面图片相对于所述基准页面图片的像素值差异；

步骤S203、获取所述测试页面图片中所述像素值差异大于等于预设阈值的第一像素点，和所述像素值差异小于所述预设阈值的第二像素点；

步骤S204、将所述第一像素点的像素值调整为第一像素值，将所述第二像素点的像素值调整为第二像素值；

步骤S205、基于已调整像素值后的像素点，确定所述测试页面图片中的问题区域，所述问题区域中像素点的像素值为所述第一像素值；

步骤S206、在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理，并对过滤处理后的所述测试页面图片进行页面测试。

需要说明地，本公开实施例所提供的页面图片测试方法的执行主体可以是计算机、手机等电子设备，或者也可以是应用于电子设备的页面图片测试装置等，以下将以电子设备作为执行主体来对本公开的实施例进行具体说明。

电子设备在获取到目标应用的基准页面图片和测试页面图片后，对所述基准页面图片和测试页面图片进行逐像素比对，以获取所述测试页面图片相对于所述基准页面图片的像素值差异。可选地，所述步骤S201和步骤S202的具体实现过程可以是参照上述图1所述实施例中的描述，为避免重复，本实施例不再赘述。

进一步地，在获取道所述测试页面图片相对于所述基准页面图片的像素值差异后，获取其中像素值差异大于等于预设阈值的第一像素点，以及像素值差异小于所述预设阈值的第二像素点，并将所述第一像素点的像素值调整为第一像素值，将所述第二像素点的像素值调整为第二像素值，进而，测试页面图片中的像素点要么对应的是第一像素值，要么对应的是第二像素值。可以理解地，像素点的像素值相同的情况下，其对应的颜色也相同，调整后的测试页面图片中只包括第一像素值和第二像素值，进而也就只包括两种颜色，例如第一像素值对应第一颜色，这样也就能够很快地从测试页面图片中确定出第一颜色对应的问题区域。

例如，请参照图3a至图3c，分别获取目标应用的基准页面图片(图3a所示)和测试页面图片(图3c所示)，对所述基准页面图片和所述测试页面图片进行逐像素比对，得到所述测试页面图片中相对于所述基准页面图片存在像素值差异的问题区域为轮播图2所在的区域和文本6所在的区域；进一步地，将所述测试页面图片中像素值差异大于等于预设阈值的第一像素点的像素值调整为255，像素值差异小于预设阈值的第二像素点的像素值调整为0，具体实现算法如下：

其中，Δ表示预设阈值，base(i,j)表示基准页面图片中的像素点(i,j)对应的像素值，test(i,j)表示测试页面图片中的像素点(i,j)对应的像素值。

可以理解地，通过如上公式计算后，也就可以得到一个由0和255组成的和测试页面图片一样维度的二维矩阵，其中像素值0(颜色显示为黑色)表示页面图片的对应像素点内容一致，像素值255(颜色显示为白色)表示页面图片的对应像素点内容不一致，经上述公式调整了像素值后的测试页面图片中也就只包括黑白两种颜色，其中白色区域也就为问题区域。基于上述思路对图3b所示的测试页面图片进行处理，进而能够得到如图3c所示的处理后的测试页面图片，这样也就能够快速而直观地获知测试页面图片中的问题区域及在页面中所处的位置，能够有效提升页面测试的效率。

本公开实施例中，在获取到测试页面图片相对于基准页面图片的像素值差异后，基于各像素点对应的像素值差异与预设阈值的大小，将测试页面图片中的像素点的像素值分别调整为第一像素值或第二像素值，也就能够快速且直观地确定出测试页面图片中的问题区域，更有利于提升页面测试效率。

进一步地，在确定出测试页面图片中的问题区域后，若问题区域为目标区域，则对该问题区域的像素值差异进行过滤处理，并基于过滤处理后的测试页面图片进行页面测试。

可选地，所述在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理，包括：

在所述问题区域为目标区域的情况下，将所述问题区域中像素点的像素值调整为所述第二像素值。

其中，所述目标区域可以是预先设定的页面中的特定区域。例如，目标区域为目标应用的页面中视频自动播放区域，可以理解地，视频自动播放区域内的视频能够自动播放，其内容也就可能是实时变化的，该区域内的像素点的像素值也就可能是实时变化的，进而基准页面图片中的视频自动播放区域内的像素点的像素值，也就会与测试页面图片中的视频自动播放区域内的像素点的像素值存在差异，也就可能存在像素值差异大于等于预设阈值的像素点而被确定为问题区域，但是这种情况导致的问题区域是符合预期的，不应该被当做页面的问题而被召回。当然，所述目标区域还可以是其他可能的页面形式或者说页面场景，本实施例不作具体赘述。

可选地，所述目标区域还可以是通过目标识别模型进行识别来确定，例如，在对问题区域的像素值差异进行过滤处理之前，还可以基于目标识别模型来对测试页面图片进行识别，以确定所述测试页面图片中是否包括目标区域。如图3b所示，假设目标区域为轮播图区域，通过目标识别模型识别到测试页面图片中包括导航栏区域A，也就能够确定该导航栏区域A所在的位置为轮播图区域，也就能够确定测试页面图片中包括目标区域。进一步地，再识别所述问题区域是否为目标区域。需要说明地，上述通过目标识别模型识别目标区域，以及确定问题区域是否为目标区域的具体实现方式可以是参照上述图1所述实施例中的描述，本公开不再具体赘述。

本公开实施例中，若测试页面图片中的某个问题区域为目标区域，也即该问题区域的像素值差异是符合预期的，是可以被屏蔽或者说忽略的，也即该问题区域的像素值差异不应该被当做页面的问题而处理，则可以是将该问题区域中像素点的像素值调整为第二像素值。可以理解地，第二像素值对应的像素点为像素值差异为小于预设阈值的像素点，通过这样的调整，也就使得符合目标区域的问题区域对应的为第二像素值，进而该区域原本存在的像素值差异也就会被忽略，这样也就能够避免在后续页面测试中该区域被当做问题区域处理而出现误报，也就能够在页面测试之前就规避页面测试中会出现的测试错误，减少测试完成后人工复核的概率，也就能够提高测试通过率和准确率。

例如，图3c中已经确定出的问题区域为白色区域，这些白色区域中包括轮播图区域，结合图3b中通过目标识别模型识别到导航栏区域A，进而以确定测试页面图片中包括轮播图区域，假设目标区域为轮播图区域，也即该区域的像素值差异是可以被忽略或者说屏蔽的，则将轮播图区域的像素点的像素值调整为第二像素值(例如第二像素值为0，颜色显示为黑色)，以对该区域的像素值差异进行过滤处理。这样，过滤处理后的测试页面图片也就如图3d所示，也即原本被当做问题区域的轮播图区域的像素值差异也就被屏蔽了，该区域的像素值差异也就不会再被当做问题区域，这样也就能够在页面测试之前就将不应该被当做问题区域的区域屏蔽掉，以规避页面测试中会出现的测试错误。

可选地，所述对过滤处理后的所述测试页面图片进行页面测试，包括：

识别过滤处理后的所述测试页面图片中是否存在所述像素值差异大于等于所述预设阈值的问题区域，以获取测试结果；

若所述测试页面图片中存在所述像素值差异大于等于所述预设阈值的问题区域，所述测试结果为不通过；

若所述测试页面图片中不存在所述像素值差异大于等于所述预设阈值的问题区域，所述测试结果为通过。

本公开实施例中，在对符合目标区域的问题区域的像素值差异进行过滤处理后，识别过滤处理后的测试页面图片中是否还存在像素值差异大于等于预设阈值的问题区域，以得到测试结果。其中，若所述测试页面图片中还存在像素值差异大于等于预设阈值的问题区域，说明目标应用的测试页面存在与基准页面不同的区域，则有可能是目标应用的页面显示或是页面性能出现了问题，则测试结果为不通过，进而用户能够通过该测试结果获知目标应用可能出现了问题，以及时对目标应用进行问题查找与处理；若测试页面图片中不存在像素值差异大于等于预设阈值的问题区域，则测试结果为通过，说明目标应用通过了测试。

本公开实施例中，在对符合目标区域的问题区域中像素点的像素值差异进行过滤处理后，通过识别过滤处理后的测试页面图片中是否还存在问题区域，来实现页面测试。可以理解地，测试页面图片中的问题区域通过第一像素值表征，非问题区域通过第二像素值表征，例如图3d所示，第一像素值为255，第二像素值为0，这两个像素值分别表征黑白两种不同的颜色，这样也就能够快速而直观地确定出过滤处理后的测试页面图片中是否还存在问题区域(也即白色区域)。

进一步地，对于仍然存在的问题区域，可以对问题区域添加标记，请结合参照图3d和图3e，对于过滤处理后的测试页面图片中存在的问题区域(也即图3d中的白色区域)，可以是对该区域添加标记框，在对标记后的测试页面图片进行可视化展示后，如图3e所示，也就能够通过标记框B直观地获知测试页面图片中问题区域所在的位置，进而使得用户能够知道目标应用的页面是哪里出了问题，以帮助用户能够对目标应用页面进行针对性的处理和改进，以得到性能更优的应用页面。

请参照图4，图4是本公开实施例提供的另一种页面图片测试方法的流程图，所述方法可以是由电子设备执行。如图4所示，电子设备获取针对目标应用的基准页面截图，并进一步获取基准页面的爬页面源码(pagesource)；获取测试页面截图，并获取测试页面pagesource；然后，计算基准页面截图和测试页面截图的差异信息，例如对基准页面截图和测试页面截图进行逐像素比对，以得到测试页面截图相对于基准页面截图的像素值差异；进一步地，选择目标识别模型，通过目标识别模型对测试页面截图进行识别，以确定测试页面图片中的目标区域；若目标区域存在差异信息，则对目标区域的差异信息进行过滤处理，例如可以是对目标区域的像素点的像素值进行调整，以使得该区域与基准页面截图中对应区域的像素点之间不存在像素值差异，或者像素值差异小于预设阈值；将经过过滤处理的测试页面截图进行过滤结果可视化，以判定过滤处理后的测试页面截图中是否存在问题区域，若是，则测试不通过，若否，则测试通过。需要说明地，本公开实施例的具体实现方式和有益效果可以是参照上述图1和图2所述方法实施例中的描述，此处不再赘述。

可选地，电子设备在计算获得基准页面截图和测试页面截图的差异信息后，可以是从目标识别模型库中来选择对应的目标识别模型，该目标识别模型库可以是存储于电子设备，或者也可以是存储于云端。其中，所述目标识别模型库中包括视频识别模型、点赞数识别模型、收藏数识别模型、动画识别模型、噪点识别模型、色差识别模型、轮播图识别模型、评论数识别模型、时间识别模型、偏移识别模型、指定区域失败模型等等。例如，若测试页面截图中包括轮播图，则可以选择轮播图识别模型作为目标识别模型。

需要说明地，上述目标识别模型可以是离线训练得到。例如，以轮播图识别模型为例，先获取海量页面截图数据，对这些页面截图数据进行筛选和标注，以筛除不包括轮播图的页面截图，并对包括轮播图的页面截图中的轮播图进行标注，以轮播图在页面截图中的位置；基于标注后的页面截图对轮播图识别模型进行离线训练，最终获取训练后的轮播图识别模型，可以是将轮播图识别模型的模型文件导入电子设备，或者云端的目标识别模型库。基于上述方式，可以训练得到不同类型的目标识别模型，进而以能够适用于上述页面图片测试方法中，以助于实现对问题区域的过滤处理。

根据本公开的实施例，本公开还提供了一种页面图片测试装置。

请参照图5，图5是本公开实施例提供的一种页面图片测试装置的结构图，所述页面图片测试装置500包括以下模块：

第一获取模块501，用于获取目标应用的基准页面图片和测试页面图片；

比对模块502，用于对所述基准页面图片和所述测试页面图片进行逐像素比对，以获取所述测试页面图片相对于所述基准页面图片的像素值差异；

第二获取模块503，用于获取所述测试页面图片中所述像素值差异大于等于预设阈值的问题区域；

处理模块504，用于在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理，并对过滤处理后的所述测试页面图片进行页面测试。

可选地，所述第二获取模块503还用于：

获取所述测试页面图片中所述像素值差异大于等于预设阈值的第一像素点，和所述像素值差异小于所述预设阈值的第二像素点；

将所述第一像素点的像素值调整为第一像素值，将所述第二像素点的像素值调整为第二像素值；

基于已调整像素值后的像素点，确定所述测试页面图片中的问题区域，所述问题区域中像素点的像素值为所述第一像素值。

可选地，所述处理模块504还用于：

在所述问题区域为目标区域的情况下，将所述问题区域中像素点的像素值调整为所述第二像素值。

可选地，所述处理模块504还用于：

识别过滤处理后的所述测试页面图片中是否存在所述像素值差异大于等于所述预设阈值的问题区域，以获取测试结果；

若所述测试页面图片中存在所述像素值差异大于等于所述预设阈值的问题区域，所述测试结果为不通过；

若所述测试页面图片中不存在所述像素值差异大于等于所述预设阈值的问题区域，所述测试结果为通过。

可选地，所述页面图片测试装置500还包括：

第一识别模块，用于基于目标识别模型对所述测试页面图片进行识别，以确定所述测试页面图片中是否包括所述目标区域，所述目标识别模型为与所述目标区域对应的图片识别模型。

第二识别模块，用于在确定所述测试页面图片中包括所述目标区域的情况下，识别所述问题区域是否为所述目标区域。

需要说明地，本公开实施例提供的页面图片测试装置500能够实现上述图1至图4所述页面图片测试方法实施例的全部技术方案，因此至少能够实现上述图1至图4所述方法实施例的全部技术效果，此处不再赘述。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如页面图片测试方法。例如，在一些实施例中，页面图片测试方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的页面图片测试方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行页面图片测试方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (8)

1.一种页面图片测试方法，包括：

获取目标应用的基准页面图片和测试页面图片；

对所述基准页面图片和所述测试页面图片进行逐像素比对，以获取所述测试页面图片相对于所述基准页面图片的像素值差异；

获取所述测试页面图片中所述像素值差异大于等于预设阈值的问题区域；

在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理，并对过滤处理后的所述测试页面图片进行页面测试；

所述获取所述测试页面图片中所述像素值差异大于等于预设阈值的问题区域，包括：

获取所述测试页面图片中所述像素值差异大于等于预设阈值的第一像素点，和所述像素值差异小于所述预设阈值的第二像素点；

将所述第一像素点的像素值调整为第一像素值，将所述第二像素点的像素值调整为第二像素值；

基于已调整像素值后的像素点，确定所述测试页面图片中的问题区域，所述问题区域中像素点的像素值为所述第一像素值；

所述在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理，包括：

在所述问题区域为目标区域的情况下，将所述问题区域中像素点的像素值调整为所述第二像素值。

2.根据权利要求1所述的方法，其中，所述对过滤处理后的所述测试页面图片进行页面测试，包括：

识别过滤处理后的所述测试页面图片中是否存在所述像素值差异大于等于所述预设阈值的问题区域，以获取测试结果；

若所述测试页面图片中存在所述像素值差异大于等于所述预设阈值的问题区域，所述测试结果为不通过；

若所述测试页面图片中不存在所述像素值差异大于等于所述预设阈值的问题区域，所述测试结果为通过。

3.根据权利要求1-2中任一项所述的方法，其中，所述在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理之前，所述方法还包括：

基于目标识别模型对所述测试页面图片进行识别，以确定所述测试页面图片中是否包括所述目标区域，所述目标识别模型为与所述目标区域对应的图片识别模型；

在确定所述测试页面图片中包括所述目标区域的情况下，识别所述问题区域是否为所述目标区域。

4.一种页面图片测试装置，包括：

第一获取模块，用于获取目标应用的基准页面图片和测试页面图片；

比对模块，用于对所述基准页面图片和所述测试页面图片进行逐像素比对，以获取所述测试页面图片相对于所述基准页面图片的像素值差异；

第二获取模块，用于获取所述测试页面图片中所述像素值差异大于等于预设阈值的问题区域；

处理模块，用于在所述问题区域为目标区域的情况下，对所述问题区域的像素值差异进行过滤处理，并对过滤处理后的所述测试页面图片进行页面测试；

所述第二获取模块还用于：

获取所述测试页面图片中所述像素值差异大于等于预设阈值的第一像素点，和所述像素值差异小于所述预设阈值的第二像素点；

将所述第一像素点的像素值调整为第一像素值，将所述第二像素点的像素值调整为第二像素值；

基于已调整像素值后的像素点，确定所述测试页面图片中的问题区域，所述问题区域中像素点的像素值为所述第一像素值；

所述处理模块还用于：

在所述问题区域为目标区域的情况下，将所述问题区域中像素点的像素值调整为所述第二像素值。

5.根据权利要求4所述的装置，其中，所述处理模块还用于：

识别过滤处理后的所述测试页面图片中是否存在所述像素值差异大于等于所述预设阈值的问题区域，以获取测试结果；

若所述测试页面图片中存在所述像素值差异大于等于所述预设阈值的问题区域，所述测试结果为不通过；

若所述测试页面图片中不存在所述像素值差异大于等于所述预设阈值的问题区域，所述测试结果为通过。

6.根据权利要求4-5中任一项所述的装置，其中，所述装置还包括：

第一识别模块，用于基于目标识别模型对所述测试页面图片进行识别，以确定所述测试页面图片中是否包括所述目标区域，所述目标识别模型为与所述目标区域对应的图片识别模型；

第二识别模块，用于在确定所述测试页面图片中包括所述目标区域的情况下，识别所述问题区域是否为所述目标区域。

7.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。

8.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-3中任一项所述的方法。

Images