一种用于自动化测试的页面元素定位方法和装置与流程

本发明涉及计算机领域，尤其涉及一种用于自动化测试的页面元素定位方法和装置。

背景技术：

在安卓ui(userinterface，用户界面)自动化测试中，安装好要测试的应用后，分析该应用中的所有页面元素以确保各页面元素能够被测试框架获取到。现有技术中可以通过uiautomator来分析获取页面元素，其中，uiautomator是用于安卓的自动化测试框架，基本上支持所有的安卓事件操作，可以不查看源码来抓取应用界面上的页面元素。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：自动化测试中，需要对页面元素进行识别、定位，然而uiautomator识别、定位页面元素的准确率较低，经常由于页面元素识别错误而导致测试用例执行中断，如果想要继续执行测试则需要重新运行测试脚本，影响测试效率。

技术实现要素：

有鉴于此，本发明实施例提供一种用于自动化测试的页面元素定位方法和装置，通过图像识别算法来辅助自动化测试框架以精确定位待识别页面的页面元素，该方式提高了对页面元素的识别、定位精度，进而提高了测试效率。

为实现上述目的，根据本发明实施例的一个方面，提供了一种用于自动化测试的页面元素定位方法。

本发明实施例的一种用于自动化测试的页面元素定位方法，包括：通过图像识别算法获取待识别页面的所有特征点；将每个所述特征点分别与页面元素对应的标准图像进行匹配，以获取多个匹配点；根据各所述匹配点确定所述页面元素在所述待识别页面中的位置。

可选地，所述通过图像识别算法获取待识别页面的所有特征点，包括：构建待识别页面中每个像素点的黑森矩阵，以得到每个像素点的特征值；对每个像素点的特征值分别进行非极大值抑制处理，以确定所述待识别页面的所有初步特征点；选取每个所述初步特征点的主方向；根据每个所述初步特征点所在的尺度值以及所述主方向，为每个所述初步特征点分别构造一个特征向量，所述特征向量即为所述特征点。

可选地，所述将每个所述特征点分别与页面元素对应的标准图像进行匹配，以获取多个匹配点，包括：分别计算所述待识别页面中每个所述特征点与标准图像的所有特征点的欧式距离；分别确认每个所述特征点对应的最小的欧氏距离和次最小的欧氏距离的比值小于设定的阈值，所述特征点与对应最小欧氏距离的特征点构成匹配点对；通过随机抽样一致性算法去除所述匹配点对中的匹配错误的匹配点对，以获取多个匹配点。

可选地，所述根据各所述匹配点确定所述页面元素在所述待识别页面中的位置，包括：根据各所述匹配点确定匹配中心点，将所述匹配中心点在屏幕的坐标作为所述页面元素在所述待识别页面中的位置。

可选地，所述图像识别算法为surf算法。

为实现上述目的，根据本发明实施例的一个方面，提供了一种用于自动化测试的页面元素定位装置。

本发明实施例的一种用于自动化测试的页面元素定位装置，包括：获取模块，用于通过图像识别算法获取待识别页面的所有特征点；匹配模块，用于将每个所述特征点分别与所述页面元素对应的标准图像进行匹配，以获取多个匹配点；确定模块，用于根据各所述匹配点确定所述页面元素在所述待识别页面中的位置。

可选地，所述获取模块，还用于：构建待识别页面中每个像素点的黑森矩阵，以得到每个像素点的特征值；对每个像素点的特征值分别进行非极大值抑制处理，以确定所述待识别页面的所有初步特征点；选取每个所述初步特征点的主方向；以及根据每个所述初步特征点所在的尺度值以及所述主方向，为每个所述初步特征点分别构造一个特征向量，所述特征向量即为所述特征点。

可选地，所述匹配模块，还用于：分别计算所述待识别页面中每个所述特征点与标准图像的所有特征点的欧式距离；分别确认每个所述特征点对应的最小的欧氏距离和次最小的欧氏距离的比值小于设定的阈值，所述特征点与对应最小欧氏距离的特征点构成匹配点对；以及通过随机抽样一致性算法去除所述匹配点对中的匹配错误的匹配点对，以获取多个匹配点。

可选地，所述确定模块，还用于：根据各所述匹配点确定匹配中心点，将所述匹配中心点在屏幕的坐标作为所述页面元素在所述待识别页面中的位置。

为实现上述目的，根据本发明实施例的再一方面，提供了一种电子设备。

本发明实施例的一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例的一种用于自动化测试的页面元素定位方法。

为实现上述目的，根据本发明实施例的再一方面，提供了一种计算机可读介质。

本发明实施例的一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例的一种用于自动化测试的页面元素定位方法。

上述发明中的一个实施例具有如下优点或有益效果：通过图像识别算法来辅助自动化测试框架以精确定位待识别页面的页面元素，该方式提高了对页面元素的识别、定位精度，提高了测试效率；基于surf(speeded-uprobustfeatures)算法获取待识别页面的特征点，不仅具有对尺度和旋转的鲁棒性，而且运算速度较快，基于少量特征点就能定位待识别页面的页面元素；将surf算法和ransac算法(randomsampleconsensus，随机抽样一致性算法)相结合，应用到自动化测试中，提高了页面元素的识别精度。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的页面元素定位方法的主要步骤的示意图；

图2是根据本发明实施例的页面元素定位方法的主要流程示意图；

图3是根据本发明实施例的页面元素定位装置的主要模块的示意图；

图4是本发明实施例可以应用于其中的示例性系统架构图；

图5是适用于来实现本发明实施例的电子设备的计算机装置的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明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，而不会背离本发明的范围和精神。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。

图1是根据本发明实施例的页面元素定位方法的主要步骤的示意图。如图1所示，本发明实施例的页面元素定位方法，主要包括如下步骤：

步骤s101：通过图像识别算法获取待识别页面的所有特征点。其中，所述待识别页面为待进行测试的应用程序在当前页面的屏幕的截图。所述图像识别算法可以是surf(speeded-uprobustfeatures，加速稳健特征)算法、sift(scale-invariantfeaturetransform，尺度不变特征转换)算法等。surf算法是一个稳健的图像识别和描述算法，该算法在适中的条件下能够完成两幅图像中物体的匹配，且基本实现了实时处理。sift算法具有尺度不变性，可在图像中检测出关键点。

步骤s102：将每个所述特征点分别与页面元素对应的标准图像进行匹配，以获取多个匹配点。其中，页面元素对应的标准图像为待进行测试的应用程序中每个页面中包含的页面元素所对应的标准图像。所述页面元素包括控件(比如按钮、文本框)和图像元素。通过图像匹配算法，比如最近邻次近邻比值法、特征点匹配算法，将待识别页面的所有特征点分别与标准图像进行匹配，得到多个匹配点。其中，最近邻次近邻比值法的原理为：取图中的某个关键点，通过遍历找到距离其最近的两个关键点，在这两个关键点中，如果最近邻与次近邻的比值小于某个阈值，则判定为一对匹配点。

步骤s103：根据各所述匹配点确定所述页面元素在所述待识别页面中的位置。根据各所述匹配点确定匹配中心点，将所述匹配中心点在屏幕的坐标作为所述页面元素在所述待识别页面中的位置。

图2是根据本发明实施例的页面元素定位方法的主要流程示意图。如图2所示，以自动化测试框架为uiautomator为例，本发明实施例的页面元素定位方法，主要包括以下步骤：

步骤s201：将待识别页面中所有页面元素的图片作为标准图像库，并保存。其中，所述标准图像库中包括多个标准图像，一个页面元素的图片为一个标准图像。

步骤s202：uiautomator通过运行系统命令来调用测试脚本，以由测试脚本通过uiselector()方法来定位页面元素。所述系统命令包括python(python是一种面向对象、解释型计算机程序设计语言)或perl(practicalextractionandreportinglanguage，实际抽取与汇报语言)的执行命令。

步骤s203：判断定位是否成功，如果定位成功，执行步骤s208；如果定位失败，则执行步骤s204。步骤s202中通过uiselector()方法来定位页面元素，如果能够得到uiobject对象，则说明定位成功，如果没有，则说明定位失败。

步骤s204：uiautomator调用takescreenshot()方法截取当前屏幕图像，该当前屏幕图像即为待识别页面。

步骤s205：通过图像识别算法获取待识别页面的所有特征点。以图像识别算法为surf算法为例，对本步骤进行说明。本步骤具体包括：

(1)构建待识别页面中每个像素点的黑森矩阵，以得到每个像素点的特征值。其中，黑森矩阵(hessianmatrix)是一个自变量为向量的实值函数的二阶偏导数组成的方块矩阵。待识别页面中某个像素点的hessianmatrix为：

式中，h(f(x，y))为该像素点的特征值；f(x，y)为待识别页面中像素点(x，y)处的像素值。

(2)对每个像素点的特征值分别进行非极大值抑制处理，以确定所述待识别页面的所有初步特征点。surf算法能够使原始图像保持不变而只改变滤波器大小，节省了降采样过程，提升了处理速度。为了解决在匹配不同尺度的图像时，由于图像大小不一样，导致特征点大小不匹配的问题，在该步骤确定初步特征点的时候把尺度因素加入其中。其中，尺度即模糊程度，图像的尺度空间是这幅图像在不同解析度下的表示。

具体实现为：将每个像素点的特征值与其三维领域的26个点的特征值进行大小比较，如果某个像素点的特征值是这26个点中的最大值或者最小值，则保留下来，作为预留特征点。然后，对所有的预留特征点采用3维线性插值法得到亚像素级特征点，同时去掉特征值小于预定阈值的点，增加极值使检测到的像素点数量减少，最终只有几个特征最强点会被检测出来，被检测出来的点即为初步特征点。

本步骤使用与该尺度层的图像解析度相对应大小的滤波器，以3×3滤波器为例，将当前像素点与自身尺度层中其余8个点和在其之上及之下的两个尺度层(每个尺度层9个点)，共26个点进行比较，若当前像素点的特征值大于周围像素点，则可确定该像素点为预留特征点。

(3)选取每个所述初步特征点的主方向。为了保证旋转不变性，在surf算法中，不统计其梯度直方图，而是统计特征点领域内的harr小波特征。即以某一个初步特征点为中心，计算半径为6s(s为该初步特征点所在的尺度值)的圆形邻域内，统计60度扇形内所有初步特征点在水平方向和垂直方向的harr小波响应总和，并给这些响应值赋高斯权重系数，使得靠近初步特征点的响应贡献大，而远离初步特征点的响应贡献小，然后将60度范围内的响应相加以形成新的矢量，遍历整个圆形领域，选择最长矢量的方向作为该初步特征点的主方向。按照上述方式对所有初步特征点逐个进行计算，得到每一个初步特征点的主方向。其中，harr小波是小波分析中用到的一个具有紧支撑的正交小波函数，也是最简单的一个小波函数，它是支撑域在t∈[0，1]范围内的单个矩形波。

(4)根据各个所述初步特征点所在的尺度值以及所述主方向，为每个所述初步特征点分别构造一个特征向量，所述特征向量即为所述特征点。在初步特征点的周围取一个边长为20s、方向为主方向的正方形框，然后把该正方形框分为16个子区域，在每个子区域内统计25个像素的水平方向和垂直方向的haar小波特征，这里的水平方向和垂直方向都是相对主方向而言的。该haar小波特征为水平方向值之和、水平方向绝对值之和、垂直方向值之和、垂直方向绝对值之和这四维特征，最终得到一个4×4×4＝64维的特征向量来表示该特征点。

步骤s206：将每个所述特征点分别与所述页面元素对应的标准图像进行匹配，以获取多个匹配点。该步骤具体包括：

(1)对于所述待识别页面的每个特征点，分别计算各特征点与标准图像库中标准图像的所有特征点的欧氏距离，比较计算出的欧式距离的大小以获得最小欧式距离和次最小欧式距离。本发明实施例中采用欧式距离作为两个特征点相似性的判定度量。其中，标准图像的特征点获取可通过步骤s205的surf算法来实现。

(2)分别确认每个特征点对应的最小的欧氏距离和次最小的欧氏距离的比值小于设定的阈值时，则该特征点与对应最小欧氏距离的特征点构成匹配点对。即如果待识别页面中某特征点到标准图像的最近邻特征点(即欧氏距离最小的特征点)的距离dzj与到离其次近邻特征点(即欧式距离次最小的特征点)dcj的距离的比值小于设定阈值ε时，该特征点与标准图像的最近邻特征点构成匹配点对；如果大于等于设定阈值ε时，则不能构成匹配点对。本发明实施例中采用最近邻次近邻比值法判定匹配点对。

(3)通过ransac算法去除所述匹配点对中的匹配错误的匹配点对，以获取多个匹配点。步骤(2)中获取的匹配点对可能会存在一些匹配错误的匹配点对，不能满足实用要求，所以可通过ransac算法去除匹配错误的特征点，最终得到精确特征点作为匹配点。

步骤s207：根据各所述匹配点确定所述页面元素在所述待识别页面中的位置，将所述位置封装为uiobject对象。根据各所述匹配点确定匹配中心点，将所述匹配中心点在屏幕的坐标作为所述页面元素在所述待识别页面中的位置。

步骤s208：uiautomator调用返回uiobject对象的方法，继续执行测试脚本，测试脚本执行完毕后生成测试报告。

通过本发明实施例的用于页面元素定位方法可以看出，通过图像识别算法来辅助自动化测试框架以精确定位待识别页面的页面元素，该方式提高了对页面元素的识别、定位精度，提高了测试效率；基于surf算法获取待识别页面的特征点，不仅具有对尺度和旋转的鲁棒性，而且运算速度较快，基于少量特征点就能定位待识别页面的页面元素；将surf算法和ransac算法相结合，应用到自动化测试中，提高了页面元素的识别精度。

图3是根据本发明实施例的页面元素定位装置的主要模块的示意图。如图3所示，本发明实施例的页面元素定位装置300，主要包括：

获取模块301，用于通过图像识别算法获取待识别页面的所有特征点。其中，所述待识别页面为待进行测试的应用程序在当前页面的屏幕的截图。所述图像识别算法可以是surf算法、sift算法等。

匹配模块302，用于将每个所述特征点分别与所述页面元素对应的标准图像进行匹配，以获取多个匹配点。其中，页面元素对应的标准图像为待进行测试的应用程序中每个页面中包含的页面元素所对应的标准图像。所述页面元素包括控件(比如按钮、文本框)和图像元素。通过图像匹配算法，比如最近邻次近邻比值法、特征点匹配算法，将待识别页面的所有特征点分别与标准图像进行匹配，得到多个匹配点。

确定模块303，用于根据各所述匹配点确定所述页面元素在所述待识别页面中的位置。根据各所述匹配点确定匹配中心点，将所述匹配中心点在屏幕的坐标作为所述页面元素在所述待识别页面中的位置。

从以上描述可以看出，通过图像识别算法来辅助自动化测试框架以精确定位待识别页面的页面元素，该方式提高了对页面元素的识别、定位精度，提高了测试效率；基于surf算法获取待识别页面的特征点，不仅具有对尺度和旋转的鲁棒性，而且运算速度较快，基于少量特征点就能定位待识别页面的页面元素；将surf算法和ransac算法相结合，应用到自动化测试中，提高了页面元素的识别精度。

图4示出了可以应用本发明实施例的页面元素定位方法或页面元素定位装置的示例性系统架构400。

如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所产生的点击事件提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的点击数据、文本内容等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本申请实施例所提供的页面元素定位方法一般由服务器405执行，相应地，页面元素定位装置一般设置于服务器405中。

应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

根据本发明的实施例，本发明还提供了一种电子设备和一种计算机可读介质。

本发明的电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例的一种页面元素定位方法。

本发明的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例的一种页面元素定位方法。

下面参考图5，其示出了适用于来实现本发明实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(cpu)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储部分508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram503中，还存储有计算机系统500操作所需的各种程序和数据。cpu501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。

以下部件连接至i/o接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至i/o接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本发明公开的实施例，上文主要步骤图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行主要步骤图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(cpu)501执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、匹配模块和确定模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“通过图像识别算法获取待识别页面的所有特征点的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：通过图像识别算法获取待识别页面的所有特征点；将每个所述特征点分别与页面元素对应的标准图像进行匹配，以获取多个匹配点；根据各所述匹配点确定所述页面元素在所述待识别页面中的位置。

从以上描述可以看出，通过图像识别算法来辅助自动化测试框架以精确定位待识别页面的页面元素，该方式提高了对页面元素的识别、定位精度，提高了测试效率；基于surf算法获取待识别页面的特征点，不仅具有对尺度和旋转的鲁棒性，而且运算速度较快，基于少量特征点就能定位待识别页面的页面元素；将surf算法和ransac算法相结合，应用到自动化测试中，提高了页面元素的识别精度。

上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。