[发明专利]一种基于图像比对的自动化界面测试方法

说明书

本发明涉及一种基于图像比对的自动化界面测试方法，首先上传原型图或系统效果图，将预期的效果原型图上传至预期效果图库，并进行标注和编号；将实际系统运行过程中截图，并保存成特定的大小和格式的图片；预期图片的目标检测及目标提取；运行效果图的目标检测及目标提取；两幅图的目标比对，如果有差异则在效果图上进行方框标注，进入后续审核和确认环节。本发明进行图像差异比对，自动将效果图和运行图的图像差异进行标注，避免了逐个像素比对带来的错误判断，并减少了计算量，提高了效率和准确率。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于图像比对的自动化界面测试方法，针对系统界面预期效果图和实际系统在不同操作系统、不同浏览器上的实际运行图，进行差异比较。

背景技术

深度学习出现之后，自然图像目标检测领域取得了一系列突破性的进展。早期的目标检测算法通常将检测视为一个在图像多个尺度上“滑动窗口遍历+目标背景二分类”的问题。因此，人们常常重点解决特征的表达能力、特征提取的时间效率、多尺度问题的加速方法等问题。最近几年提出的基于深度学习的检测算法在以下几个问题上寻求技术突破：多尺度检测方法、包围框坐标回归、加速策略。

图像目标识别是通过存储的信息(记忆中存储的信息)与当前的信息(当时进入感官的信息)进行比较实现对图像的识别。前提是图像描述，描述是用数字或者符号表示图像或景物中各个目标的相关特征，甚至目标之间的关系，最终得到的是目标特征以及它们之间的关系的抽象表达。图像识别技术对图像中个性特征进行提取时，可以采用模板匹配模型。在某些具体的应用中，图像识别除了要给出被识别对象是什么物体外，还需要给出物体所处的位置和姿态以引导计算初工作。目前，图像识别技术已广泛应用于多个领域，如生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主车导航、公安、银行、交通、军事、电子商务和多媒体网络通信等。随着技术的发展，出现了基于机器视觉的目标识别、基于深度学习的目标识别等，大大提高了图像识别的准确度和识别效率。

但目前的图像识别技术针对系统界面比较多，且需要兼容不同操作系统、不同浏览器的界面效果测试，人工比对耗时，且不容易发现细小差异。

发明内容

本发明的目的是为了解决上述问题，提出一种基于图像比对的方法，对图像中的目标分别检测识别，比较两幅图片中的差异，进而检查系统界面运行是否正常。

本发明的技术方案如下：

一种基于图像比对的自动化界面测试方法，其特征在于，包括以下步骤：

步骤1：上传原型图或系统效果图，将预期的效果原型图上传至预期效果图库，并进行标注和编号；

步骤2：实际系统截图，将实际系统运行过程中截图，并保存成特定的大小和格式的图片；

步骤3：预期图片的目标检测及目标提取；

步骤4：运行效果图的目标检测及目标提取；

步骤5：两幅图的目标比对，如果有差异则在效果图上进行方框标注，进入后续审核和确认环节。

本发明通过图像目标检测及识别的方式，进行图像差异比对，自动将效果图和运行图的图像差异进行标注，避免了逐个像素比对带来的错误判断，并减少了计算量，提高了效率和准确率。

附图说明

图1是本发明的流程图。

具体实施方式

本发明分别检测和识别图片中的目标，并对目标进行比对，确认两幅画面的内容是否一致；不采用图像逐像素比对的方式，避免因为部分图片偏移，造成大面积标注差异。

如图1所示，本发明具体分为以下几个步骤：

步骤1：上传原型图或系统效果图，将预期的效果原型图上传至预期效果图库，并进行标注和编号。