CN115033487A - 基于图像识别的自动化测试方法、装置、计算机设备及存储介质 - Google Patents
基于图像识别的自动化测试方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115033487A CN115033487A CN202210708572.XA CN202210708572A CN115033487A CN 115033487 A CN115033487 A CN 115033487A CN 202210708572 A CN202210708572 A CN 202210708572A CN 115033487 A CN115033487 A CN 115033487A
- Authority
- CN
- China
- Prior art keywords
- test
- page screenshot
- similarity
- screenshot
- picture
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3696—Methods or tools to render software testable
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- 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
Abstract
本发明公开了一种基于图像识别的自动化测试方法、装置、计算机设备及存储介质。所述方法包括:在执行测试用例的测试过程中,获取测试页面的测试操作页面截图;采用基于像素级别的图像对比算法对所述测试操作页面截图与对应的标准测试页面截图进行对比,并计算所述测试操作页面截图与标准测试页面截图之间的相似度;当所述测试操作页面截图与标准测试页面截图之间的相似度低于设定的相似度阈值时,判定所述测试用例测试失败,并对对应的测试操作页面截图进行错误标记。本申请无需花费大量的人力去更新维护自动化脚本即可完成自动化测试,且测试覆盖度高,大大降低了自动化测试脚本维护的成本。
Description
技术领域
本发明涉及自动化测试技术领域,特别是涉及一种基于图像识别的自动化测试方法、装置、计算机设备及存储介质。
背景技术
计算机行业更新迭代快速,大量频繁的回归测试消耗时间,Web自动化测试能够将重复的实行交给计算机去做,以加快测试速度。目前常用的Web自动化测试方法往往都是基于元素定位的方式进行,例如selenium、appium等,其中,selenium是web端的自动化测试,appium是app端的自动化测试。而随着两周一次的版本上线,每次的页面改版都会带来大量的维护工作,且投入产出比不高。妥协方法通常是只维护少量核心用例,但随之产生的问题是测试覆盖不够全面,可能会带着一些问题进行发布。
发明内容
本发明提供了一种基于图像识别的自动化测试方法、装置、计算机设备及存储介质,旨在解决现有的Web自动化测试方法存在的测试覆盖不够全面等技术问题。
为解决上述技术问题,本发明采用的技术方案为:
一种基于图像识别的自动化测试方法,包括:
在执行测试用例的测试过程中,获取测试页面的测试操作页面截图;
采用基于像素级别的图像对比算法对所述测试操作页面截图与对应的标准测试页面截图进行对比,并计算所述测试操作页面截图与标准测试页面截图之间的相似度;
当所述测试操作页面截图与标准测试页面截图之间的相似度低于设定的相似度阈值时,判定所述测试用例测试失败,并对对应的测试操作页面截图进行错误标记。
本发明实施例采取的技术方案还包括:所述获取测试页面的测试操作页面截图还包括:
获取所述测试用例的标准测试页面截图,并将标准测试页面截图存入指定的路径文件中。
本发明实施例采取的技术方案还包括:所述采用基于像素级别的图像对比算法对所述测试操作页面截图与对应的标准测试页面截图进行对比具体为:
从所述路径文件中读取测试用例对应的标准测试页面截图,并对所述标准测试页面截图以及测试操作页面截图进行降维处理,生成所述标准测试页面截图对应的第一二值化图片以及所述测试操作页面截图对应的第二二值化图片;
采用基于像素级别的图像对比算法对所述第一二值化图片以及第二二值化图片进行对比。
本发明实施例采取的技术方案还包括:所述对所述标准测试页面截图以及测试操作页面截图进行降维处理具体为:
采用OTSU算法将所述标准测试页面截图以及测试操作页面截图二值化为黑色和白色,并用1表示黑色,用0表示白色,生成由数字0和1组成的第一二值化图片和第二二值化图片。
本发明实施例采取的技术方案还包括:所述计算所述测试操作页面截图与对应的标准测试页面截图的相似度具体为:
对所述第一二值化图片以及第二二值化图片进行相似度匹配,得到所述第一二值化图片以及第二二值化图片的相似度向量;
分别找到所述第一二值化图片和第二二值化图片的中心点,并计算所述第一二值化图片以及第二二值化图片的相似度向量与各自中心点之间的距离,根据所述距离计算第一二值化图片和第二二值化图片的相似度。
本发明实施例采取的技术方案还包括:所述采用基于像素级别的图像对比算法对所述测试操作页面截图与对应的标准测试页面截图进行对比还包括:
按照设定大小分别对所述第一二值化图片和第二二值化图片进行分块,生成第一子块和第二子块,所述第一子块为第一二值化图片分块后生成的图片,所述第二子块为对第二二值化图片分块后生成的图片,所述第一子块和第二子块的大小及数量相同;
采用基于像素级别的图像对比算法对所述第一子块和第二子块进行对比,并计算每个第二子块与对应位置的第一子块的相似度。
本发明实施例采取的技术方案还包括:所述计算所述测试操作页面截图与对应的标准测试页面截图的相似度还包括:
判断所述第二子块与对应位置的第一子块的相似度是否低于设定的相似度阈值,如果低于相似度阈值,判定所述测试用例测试失败,在所述第二子块在测试操作页面截图中的对应区域进行错误标记。
本发明实施例采取的另一技术方案为:一种基于图像识别的自动化测试装置,包括:
页面截图模块:用于在执行测试用例的测试过程中,获取测试页面的测试操作页面截图;
页面相似度计算模块:用于采用基于像素级别的图像对比算法对所述测试操作页面截图与对应的标准测试页面截图进行对比,并计算所述测试操作页面截图与标准测试页面截图之间的相似度,当所述测试操作页面截图与标准测试页面截图之间的相似度低于设定的相似度阈值时,判定所述测试用例测试失败,并对对应的测试操作页面截图进行错误标记。
本发明实施例采取的又一技术方案为:一种计算机设备,所述计算机设备包括:
存储有可执行程序代码的存储器;
与所述存储器连接的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如上述的基于图像识别的自动化测试方法。
本发明实施例采取的又一技术方案为:一种存储介质,存储有处理器可运行的程序指令,所述程序指令用于执行上述的基于图像识别的自动化测试方法。
本发明实施例的基于图像识别的自动化测试方法、装置、计算机设备及存储介质通过在测试过程中分别对每一步测试操作进行页面截图,将采用基于像素级别的图像对比算法对测试操作页面截图与预先存储的标准测试页面截图进行对比,计算测试操作页面截图与标准测试页面截图的相似性,如果相似性低于设定阈值则判定为测试失败。本申请无需花费大量的人力去更新维护自动化脚本即可完成自动化测试,且测试覆盖度高,大大降低了自动化测试脚本维护的成本。
附图说明
图1是本发明第一实施例的基于图像识别的自动化测试方法的流程示意图;
图2是本发明第二实施例的基于图像识别的自动化测试方法的流程示意图;
图3是本发明实施例的二值化图片示意图;
图4是本发明第三实施例的基于图像识别的自动化测试方法的流程示意;
图5为将图3所示的二值化图片分为9个子块后的子块示意图;
图6是本发明实施例基于图像识别的自动化测试装置的结构示意图;
图7是本发明实施例的计算机设备结构示意图;
图8是本发明实施例的存储介质结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,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他实施例,都属于本发明保护的范围。
本发明中的术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1,是本发明第一实施例的基于图像识别的自动化测试方法的流程示意图。本发明第一实施例的基于图像识别的自动化测试方法包括以下步骤:
S100:在执行测试用例的测试过程中,获取测试页面的测试操作页面截图;
S110:采用基于像素级别的图像对比算法对测试操作页面截图与对应的标准测试页面截图进行对比,并计算测试操作页面截图与标准测试页面截图之间的相似度;
S120:当测试操作页面截图与标准测试页面截图之间的相似度低于设定的相似度阈值时,判定测试用例测试失败,并对对应的测试操作页面截图进行错误标记。
基于上述,本发明第一实施例的基于图像识别的自动化测试方法通过在测试过程中分别对每一步测试操作进行页面截图,将采用基于像素级别的图像对比算法对测试操作页面截图与预先存储的标准测试页面截图进行对比,计算测试操作页面截图与标准测试页面截图的相似性,如果相似性低于设定阈值则判定为测试失败。本申请无需花费大量的人力去更新维护自动化脚本即可完成自动化测试,且测试覆盖度高,大大降低了自动化测试脚本维护的成本。
请参阅图2,是本发明第二实施例的基于图像识别的自动化测试方法的流程示意图。本发明第二实施例的基于图像识别的自动化测试方法包括以下步骤:
S200:获取不同测试用例的标准测试页面截图,并将标准测试页面截图存入指定的路径文件中;
本步骤中,测试用例(Test Case)是指对一项特定的软件产品进行测试任务的描述,例如回归测试等。标准测试页面截图是指各个测试用例的已完成测试的页面截图。
S210:根据不同的测试用例执行相应的自动化脚本打开测试页面,并在测试过程中分别对每一步测试操作进行页面截图;
本步骤中,测试操作的页面截图与标准测试页面截图的大小一致。
S220:从指定的路径文件中读取测试用例对应的标准测试页面截图,并对标准测试页面截图以及测试操作页面截图进行降维处理,生成标准测试页面截图对应的第一二值化图片以及测试操作页面截图对应的第二二值化图片;
本步骤中,在计算机的图像处理中,可以将图像看做一个矩阵,矩阵中的元素是一个颜色值,该颜色值由RGB三个参数构成,其中R、G、B分别代表红(RED)、绿(GREEN)、蓝(BLUE)三个通道的颜色,RGB参数的取值范围为0~255。由于0~255的范围太大,因此需要对图片进行降维处理,即采用OTSU(大津法)算法将图片二值化为黑色和白色,然后用1表示黑色,用0表示白色,从而得到一个由数字0和1组成的二值化图片,该二值化图片如图3所示。
S230:采用基于像素级别的图像对比算法对第一二值化图片以及第二二值化图片进行对比,并计算第一二值化图片以及第二二值化图片的相似度;
本步骤中,本申请实施例基于像素级别对比的图像对比算法对对应位置的第一二值化图片以及第二二值化图片进行对比,可以使得对比结果更为准确。具体的,计算第一二值化图片以及第二二值化图片的相似度具体为:对第一二值化图片以及第二二值化图片进行相似度匹配,得到第一二值化图片以及第二二值化图片的相似度向量;分别找到第一二值化图片和第二二值化图片的中心点,并计算第一二值化图片以及第二二值化图片的相似度向量与各自中心点之间的距离,根据该距离计算第一二值化图片和第二二值化图片的相似度,即距离越近,表示两张图片的相似度越高,反之则越低。由于第一二值化图片以及第二二值化图片是二维图片,因此采用(x,y)表示矩阵中某点的相似度向量,并找到各自的中心点(x2,y2),用如下公式计算矩阵中某点的相似度向量(x1,y1)与各自中心点的距离D:
并通过对比第一二值化图片以及第二二值化图片中相同一点的相似度向量与中心点的距离来计算第一二值化图片和第二二值化图片的相似度,当第一二值化图片和第二二值化图片的相似度低于设定的第一相似度阈值时,表示测试未达到预期,将测试用例的测试结果设置为失败,将测试操作页面截图设置为高亮显示或其他错误标记。
S240:判断第一二值化图片与第二二值化图片的相似度是否低于设定的第一相似度阈值,如果低于第一相似度阈值,执行S250;
S250:将测试用例的测试结果设置为失败,在对应的测试操作页面截图进行错误标记;
本步骤中,错误标记具体为:将对应的测试操作页面截图进行特殊颜色标记,例如将对应页面截图设置为高亮显示。
基于上述,本发明第二实施例的基于图像识别的自动化测试方法通过在测试过程中分别对测试用例的每一步测试操作进行页面截图,将采用基于像素级别的图像对比算法对测试操作页面截图与预先存储的标准测试页面截图进行对比,计算测试操作页面截图与标准测试页面截图的相似性,如果相似性低于设定阈值则判定测试失败。本申请无需花费大量的人力去更新维护自动化脚本即可完成自动化测试,且测试覆盖度高,大大降低了自动化测试脚本维护的成本。
请参阅图4,是本发明第三实施例的基于图像识别的自动化测试方法的流程示意图。本发明第三实施例的基于图像识别的自动化测试方法包括以下步骤:
S300:获取不同测试用例的标准测试页面截图,并将标准测试页面截图存入指定的路径文件中;
本步骤中,测试用例(Test Case)是指对一项特定的软件产品进行测试任务的描述,例如回归测试等。标准测试页面截图是指各个测试用例的已完成测试的页面截图。
S310:根据不同的测试用例执行相应的自动化脚本打开测试页面,并在测试过程中分别对每一步测试操作进行页面截图;
本步骤中,测试操作的页面截图与标准测试页面截图的大小一致。
S320:从指定的路径文件中读取对应的标准测试页面截图,对标准测试页面截图以及测试操作页面截图进行降维处理,生成标准测试页面截图对应的第一二值化图片以及测试操作页面截图对应的第二二值化图片;
本步骤中,在计算机的图像处理中,可以将图像看做一个矩阵,矩阵中的元素是一个颜色值,该颜色值由RGB三个参数构成,其中R、G、B分别代表红(RED)、绿(GREEN)、蓝(BLUE)三个通道的颜色,RGB参数的取值范围为0~255。由于0~255的范围太大,因此需要对图片进行降维处理,即采用OTSU算法将图片二值化为黑色和白色,然后用1表示黑色,用0表示白色,从而得到一个由数字0和1组成的二值化图片。
S330:按照设定大小分别对第一二值化图片和第二二值化图片进行分块,生成一定数量的第一子块和第二子块,其中,第一子块为第一二值化图片分块后生成的图片,第二子块为对第二二值化图片分块后生成的图片;
本步骤中,为了减少特征的丢失,按照设定大小分别对第一二值化图片和第二二值化图片进行分块,使得后续的图片对比结果更为精确。分块算法具体为:设定子块的宽度Blockwidth和高度Blockheight,然后按照设定的分块数量分别从第一二值化图片和第二二值化图片的原点开始切分,使得分块后生成的第一子块和第二子块的大小及数量相同。假设分别将宽度和高度分别为Width和Height的第一二值化图片和第二二值化图片分成wblock*hblock份,那么每一个子块的获取代码和分块结果如下:
具体如图5所示,为将图3所示的二值化图片分为9个子块后的子块示意图。
S340:采用基于像素级别的图像对比算法对第一子块和第二子块进行对比,并计算每个第二子块与对应位置的第一子块的相似度;
本步骤中,本申请实施例基于像素级别对比的图像对比算法对对应位置的第一子块和第二子块进行对比,可以使得对比结果更为准确。具体的,计算每一个第二子块与对应位置的第一子块的相似度包括:由于第一子块和第二子块是二维图片,因此采用(x,y)表示图片中某点的相似度向量,并找到各自的中心点(x2,y2),用如下公式计算图片中某点的相似度向量(x1,y1)和中心点的距离D:
通过对比第二子块和第一子块中相同一点的相似度向量与中心点之间的距离来计算两个子块的相似度,距离越近,表示两个子块的相似度越高,反之则越低。当第二子块和第一子块的相似度低于设定的相似度阈值时,表示测试未达到预期,将测试用例的测试结果设置为失败,将测试操作页面截图中对应的区域设置为高亮显示或其他错误标记。
S350:判断第二子块与对应位置的第一子块的相似度是否低于设定的相似度阈值,如果低于相似度阈值,执行S360;
S360:将测试用例的测试结果设置为失败,在第二子块在测试操作页面截图中对应的区域进行错误标记;
本步骤中,错误标记具体为:将第二子块在测试操作页面截图中对应的区域进行特殊颜色标记,例如将对应区域设置为高亮显示。
基于上述,本发明第三实施例的基于图像识别的自动化测试方法通过在测试过程中分别对每一步测试操作进行页面截图,并将测试操作页面截图与预先存储的标准测试页面截图进行分块后,采用基于像素级别的图像对比算法对测试操作页面截图与预先存储的标准测试页面截图进行分块对比,计算测试操作页面截图与标准测试页面截图的相似性,如果相似性低于设定阈值则判定测试失败。本申请便于对包含动态数据的页面截图进行对比校验,并使得测试结果更为精确。本申请无需花费大量的人力去更新维护自动化脚本即可完成自动化测试,且测试覆盖度高,大大降低了自动化测试脚本维护的成本。
在一个可选的实施方式中,还可以:将所述的基于图像识别的自动化测试方法的结果上传至区块链中。
具体地,基于所述的基于图像识别的自动化测试方法的结果得到对应的摘要信息,具体来说,摘要信息由所述的基于图像识别的自动化测试方法的结果进行散列处理得到,比如利用sha256s算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户可以从区块链中下载得该摘要信息,以便查证所述的基于图像识别的自动化测试方法的结果是否被篡改。本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
请参阅图6,是本发明实施例基于图像识别的自动化测试装置的结构示意图。本发明实施例基于图像识别的自动化测试装置40包括:
页面截图模块41:用于在执行测试用例的测试过程中,获取测试页面的测试操作页面截图;其中,测试用例是指对一项特定的软件产品进行测试任务的描述,例如回归测试等。
页面相似度计算模块42:用于采用基于像素级别的图像对比算法对测试操作页面截图与对应的标准测试页面截图进行对比,并计算测试操作页面截图与标准测试页面截图之间的相似度,当测试操作页面截图与标准测试页面截图之间的相似度低于设定的相似度阈值时,判定测试用例测试失败,并对对应的测试操作页面截图进行错误标记;其中,标准测试页面截图是指各个测试用例的已完成测试的页面截图,本发明通过预先获取不同测试用例的标准测试页面截图,并将标准测试页面截图存入指定的路径文件中,在进行相似度计算时,从指定的路径文件中读取测试用例对应的标准测试页面截图,并对标准测试页面截图以及测试操作页面截图进行降维处理,生成标准测试页面截图对应的第一二值化图片以及测试操作页面截图对应的第二二值化图片,采用基于像素级别的图像对比算法对第一二值化图片以及第二二值化图片进行对比,并计算第一二值化图片以及第二二值化图片的相似度。具体的,计算第一二值化图片以及第二二值化图片的相似度具体为:对第一二值化图片以及第二二值化图片进行相似度匹配,得到第一二值化图片以及第二二值化图片的相似度向量;分别找到第一二值化图片和第二二值化图片的中心点,并计算第一二值化图片以及第二二值化图片的相似度向量与各自中心点之间的距离,根据该距离计算第一二值化图片和第二二值化图片的相似度,即距离越近,表示两张图片的相似度越高,反之则越低。由于第一二值化图片以及第二二值化图片是二维图片,因此采用(x,y)表示矩阵中某点的相似度向量,并找到各自的中心点(x2,y2),用如下公式计算矩阵中某点的相似度向量(x1,y1)与各自中心点的距离D:
并通过对比第一二值化图片以及第二二值化图片中相同一点的相似度向量与中心点的距离来计算第一二值化图片和第二二值化图片的相似度,当第一二值化图片和第二二值化图片的相似度低于设定的第一相似度阈值时,表示测试未达到预期,将测试用例的测试结果设置为失败,将测试操作页面截图设置为高亮显示或其他错误标记。
本发明实施例的基于图像识别的自动化测试装置通过在测试过程中分别对每一步测试操作进行页面截图,将采用基于像素级别的图像对比算法对测试操作页面截图与预先存储的标准测试页面截图进行对比,计算测试操作页面截图与标准测试页面截图的相似性,如果相似性低于设定阈值则判定测试失败。本申请无需花费大量的人力去更新维护自动化脚本即可完成自动化测试,且测试覆盖度高,大大降低了自动化测试脚本维护的成本。
请参阅图7,为本发明实施例的计算机设备结构示意图。该计算机设备50包括:
存储有可执行程序代码的存储器51;
与存储器51连接的处理器52;
处理器52用于调用存储器51中存储的可执行程序代码并执行以下步骤:在执行测试用例的测试过程中,获取测试页面的测试操作页面截图;采用基于像素级别的图像对比算法对所述测试操作页面截图与对应的标准测试页面截图进行对比,并计算所述测试操作页面截图与标准测试页面截图之间的相似度;当所述测试操作页面截图与标准测试页面截图之间的相似度低于设定的相似度阈值时,判定所述测试用例测试失败,并对对应的测试操作页面截图进行错误标记。
其中,处理器52还可以称为CPU(Central Processing Unit,中央处理单元)。处理器52可能是一种集成电路芯片,具有信号的处理能力。处理器52还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
请参阅图8,图8为本发明实施例的存储介质的结构示意图。本发明实施例的存储介质存储有能够执行以下步骤的程序文件61:在执行测试用例的测试过程中,获取测试页面的测试操作页面截图;采用基于像素级别的图像对比算法对所述测试操作页面截图与对应的标准测试页面截图进行对比,并计算所述测试操作页面截图与标准测试页面截图之间的相似度;当所述测试操作页面截图与标准测试页面截图之间的相似度低于设定的相似度阈值时,判定所述测试用例测试失败,并对对应的测试操作页面截图进行错误标记。其中,该程序文件61可以以软件产品的形式存储在上述存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。以上仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于图像识别的自动化测试方法,其特征在于,包括:
在执行测试用例的测试过程中,获取测试页面的测试操作页面截图;
采用基于像素级别的图像对比算法对所述测试操作页面截图与对应的标准测试页面截图进行对比,并计算所述测试操作页面截图与所述标准测试页面截图之间的相似度;
当所述测试操作页面截图与所述标准测试页面截图之间的相似度低于设定的相似度阈值时,判定所述测试用例测试失败,并对对应的测试操作页面截图进行错误标记。
2.根据权利要求1所述的基于图像识别的自动化测试方法,其特征在于,所述获取测试页面的测试操作页面截图还包括:
获取所述测试用例的标准测试页面截图,并将所述标准测试页面截图存入指定的路径文件中。
3.根据权利要求2所述的基于图像识别的自动化测试方法,其特征在于,所述采用基于像素级别的图像对比算法对所述测试操作页面截图与对应的标准测试页面截图进行对比具体为:
从所述路径文件中读取测试用例对应的标准测试页面截图,并对所述标准测试页面截图以及所述测试操作页面截图进行降维处理,生成所述标准测试页面截图对应的第一二值化图片以及所述测试操作页面截图对应的第二二值化图片;
采用基于像素级别的图像对比算法对所述第一二值化图片以及所述第二二值化图片进行对比。
4.根据权利要求3所述的基于图像识别的自动化测试方法,其特征在于,所述对所述标准测试页面截图以及所述测试操作页面截图进行降维处理具体为:
采用OTSU算法将所述标准测试页面截图以及所述测试操作页面截图二值化为黑色和白色,并用1表示黑色,用0表示白色,生成由数字0和1组成的第一二值化图片和第二二值化图片。
5.根据权利要求4所述的基于图像识别的自动化测试方法,其特征在于,所述计算所述测试操作页面截图与对应的标准测试页面截图的相似度具体为:
对所述第一二值化图片以及所述第二二值化图片进行相似度匹配,得到所述第一二值化图片以及所述第二二值化图片的相似度向量;
分别找到所述第一二值化图片和所述第二二值化图片的中心点,并计算所述第一二值化图片以及所述第二二值化图片的相似度向量与各自中心点之间的距离,根据所述距离计算第一二值化图片和所述第二二值化图片的相似度。
6.根据权利要求3至5任一项所述的基于图像识别的自动化测试方法,其特征在于,所述采用基于像素级别的图像对比算法对所述测试操作页面截图与对应的标准测试页面截图进行对比还包括:
按照设定大小分别对所述第一二值化图片和所述第二二值化图片进行分块,生成第一子块和第二子块,所述第一子块为所述第一二值化图片分块后生成的图片,所述第二子块为对所述第二二值化图片分块后生成的图片,所述第一子块和第二子块的大小及数量相同;
采用基于像素级别的图像对比算法对所述第一子块和所述第二子块进行对比,并计算每个第二子块与对应位置的第一子块的相似度。
7.根据权利要求6所述的基于图像识别的自动化测试方法,其特征在于,所述计算所述测试操作页面截图与对应的标准测试页面截图的相似度还包括:
判断所述第二子块与对应位置的第一子块的相似度是否低于设定的相似度阈值,如果低于相似度阈值,判定所述测试用例测试失败,在所述第二子块在测试操作页面截图中的对应区域进行错误标记。
8.一种基于图像识别的自动化测试装置,其特征在于,包括:
页面截图模块:用于在执行测试用例的测试过程中,获取测试页面的测试操作页面截图;
页面相似度计算模块:用于采用基于像素级别的图像对比算法对所述测试操作页面截图与对应的标准测试页面截图进行对比,并计算所述测试操作页面截图与所述标准测试页面截图之间的相似度,当所述测试操作页面截图与所述标准测试页面截图之间的相似度低于设定的相似度阈值时,判定所述测试用例测试失败,并对对应的测试操作页面截图进行错误标记。
9.一种计算机设备,其特征在于,所述计算机设备包括:
存储有可执行程序代码的存储器;
与所述存储器连接的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-7任一项所述的基于图像识别的自动化测试方法。
10.一种存储介质,其特征在于,存储有处理器可运行的程序指令,所述程序指令用于执行权利要求1至7任一项所述的基于图像识别的自动化测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708572.XA CN115033487A (zh) | 2022-06-22 | 2022-06-22 | 基于图像识别的自动化测试方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708572.XA CN115033487A (zh) | 2022-06-22 | 2022-06-22 | 基于图像识别的自动化测试方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115033487A true CN115033487A (zh) | 2022-09-09 |
Family
ID=83126159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210708572.XA Pending CN115033487A (zh) | 2022-06-22 | 2022-06-22 | 基于图像识别的自动化测试方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115033487A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117041534A (zh) * | 2023-10-08 | 2023-11-10 | 天津华来科技股份有限公司 | 一种智能摄像机的绑定性能测试方法 |
-
2022
- 2022-06-22 CN CN202210708572.XA patent/CN115033487A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117041534A (zh) * | 2023-10-08 | 2023-11-10 | 天津华来科技股份有限公司 | 一种智能摄像机的绑定性能测试方法 |
CN117041534B (zh) * | 2023-10-08 | 2024-01-02 | 天津华来科技股份有限公司 | 一种智能摄像机的绑定性能测试方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110706206A (zh) | 荧光细胞计数方法、装置、终端设备及存储介质 | |
CN108875727B (zh) | 图文标识的检测方法及装置、存储介质、处理器 | |
CN109389110B (zh) | 一种区域确定方法及装置 | |
CN111340796A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN111353956A (zh) | 图像修复方法、装置、计算机设备及存储介质 | |
CN115033487A (zh) | 基于图像识别的自动化测试方法、装置、计算机设备及存储介质 | |
CN115861327A (zh) | 一种pcb颜色变化缺陷检测方法、装置、设备及介质 | |
CN114463284A (zh) | Pcb缺陷检测方法、装置、设备及存储介质 | |
CN111127480B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN111260759B (zh) | 一种路径确定方法及装置 | |
CN111340788B (zh) | 硬件木马版图检测方法、装置、电子设备和可读存储介质 | |
CN114445318A (zh) | 一种缺陷检测方法、装置、电子设备和存储介质 | |
CN109726722B (zh) | 一种字符分割方法及装置 | |
CN113066128B (zh) | 自识别标识板的视觉检测与恢复方法、装置、设备及介质 | |
CN115658525A (zh) | 用户界面的校验方法、装置、存储介质及计算机设备 | |
CN116993654A (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN110427891B (zh) | 用于识别合同的方法、装置、系统及介质 | |
AU2021240277A1 (en) | Methods and apparatuses for classifying game props and training neural network | |
CN109522993B (zh) | 一种检验贴纸一致性的方法、终端设备及存储介质 | |
CN112686338A (zh) | 图像信息识别方法、装置、设备及存储介质 | |
CN113392455A (zh) | 基于深度学习的户型图比例尺检测方法、装置及电子设备 | |
CN113763305A (zh) | 标定物品缺陷的方法、装置及电子设备 | |
CN113516131A (zh) | 图像处理方法、装置、设备和存储介质 | |
CN112150483A (zh) | 图片篡改检测方法、装置、终端设备及存储介质 | |
CN115690090B (zh) | 缺陷样本图像生成方法、装置、设备及存储介质 |
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 |