怎么使用Java+Selenium+OpenCV解決自動化測試中的滑塊驗證問題

這篇文章主要介紹“怎么使用Java+Selenium+OpenCV解決自動化測試中的滑塊驗證問題”，在日常操作中，相信很多人在怎么使用Java+Selenium+OpenCV解決自動化測試中的滑塊驗證問題問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么使用Java+Selenium+OpenCV解決自動化測試中的滑塊驗證問題”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

1、滑塊驗證思路

被測對象的滑塊對象長這個樣子。相對而言是比較簡單的一種形式，需要將左側的拼圖通過下方的滑塊進行拖動，嵌入到右側空槽中，即完成驗證。

要自動化完成這個驗證過程，關鍵點就在于確定滑塊滑動的距離。

根據上面的分析，驗證的關鍵點在于確定滑塊滑動的距離。但是看似簡單的一個需求，完成起來卻并不簡單。

如果使用自然邏輯來分析這個過程，可以拆解如下：

1. 定位到左側拼圖所在的位置，由于拼圖的形狀和大小固定，那么其實只需要定位其左邊邊界離背景圖片的左側距離。（實際在本例中，拼圖的起始位置也是固定的，節省了不少工夫）

2. 定位到右側凹槽所在位置，同樣其形狀和大小是固定的，那么只需要定位其左邊邊界離背景圖片的左側距離。

3. 用2中探測到的距離減去1中的距離，既是滑塊需要被拖動的距離。

要完成上述的探測計算，首先我們想到的是使用元素定位的方法定位到拼圖和凹槽的位置。

然而這一想法是不可行的，原因在于這個驗證模塊是使用兩個canvas即畫布元素實現的：

拼圖和凹槽都是“畫”在畫布上的，其本身并不是一個頁面元素，不能使用元素定位的方法。

因此我們考慮使用圖片解析的方法，分析畫布圖像本身，來確定相應圖形的位置。

2、使用OpenCV進行圖片解析

這里我們將引入OpenCV庫，來幫我完成圖片解析過程：

OpenCV是一個基于Apache2.0許可（開源）發行的跨平臺計算機視覺和機器學習軟件庫，可以運行在Linux、Windows、Android和Mac OS操作系統上。 

它輕量級而且高效——由一系列 C 函數和少量 C++ 類構成，同時提供了Python、Ruby、MATLAB等語言的接口，實現了圖像處理和計算機視覺方面的很多通用算法。
OpenCV用C++語言編寫，它具有C ++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，OpenCV主要傾向于實時視覺應用，并在可用時利用MMX和SSE指令， 如今也提供對于C#、Ch、Ruby，GO的支持。

2.1 OpenCV引入項目

1：下載 OpenCV

進入到官網 https://opencv.org/releases/ 下載對應系統的 openCV 軟件包后，解壓放置到本地。

使用Maven依賴并不能引入正確的OpenCV外部依賴，這里需使用外部

2：工程中添加 jar 包

Intellij 中選擇 File -> Project Structure -> Modules -> Dependencies

點擊 add -> JARS or directories... 選擇

3. 新建滑塊驗證工具類，引入OpenCV動態鏈接庫文件：opencv_java450.dll

public class slideUtil {
 
    public static String dllPath = "D:\\AutoTest\\src\\main\\resources\\lib\\opencv\\opencv_java450.dll";
 
    public static void main(String[] args) {
 
        //getDistance();//調試用的main方法，調用一個getDistance方法，獲取拼圖和凹槽之間的距離，返回double類型數值。
    }

2.2 實現圖片解析，計算所需距離

由于本項目的特點，拼圖的形狀和位置是固定的，首先我們將拼圖和凹槽圖片下載到本地，方便后續處理。（其它項目可能出現圖片形狀不固定的情況，可以直接用selenium實時下載圖片，這過程比較簡單，因此不贅述）。

下載完的圖片如下：

凹槽圖片：

拼圖圖片：

下面直接上代碼再做說明：

 public static double getDistance(){
 
        // 加載OpenCV本地庫
        System.load(dllPath);
        //System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
//對拼圖圖形進行處理，存儲為Mat類型①
        Mat slideBlockMat=Imgcodecs.imread("slide_blk.png");//由于本項目的特點，拼圖的形狀和位置是固定的，因此直接將拼圖圖片保存到本地進行使用了
//Step1、灰度化圖片②
        Imgproc.cvtColor(slideBlockMat,slideBlockMat,Imgproc.COLOR_BGR2GRAY);
        imwrite("cvt_blk.png",slideBlockMat);
//Step2、去除周圍黑邊
        for (int row = 0; row < slideBlockMat.height(); row++) {
            for (int col = 0; col < slideBlockMat.width(); col++) {
                if (slideBlockMat.get(row, col)[0] == 0) {
                    slideBlockMat.put(row, col, 96);
                }
            }
        }
        imwrite("nsr_blk.png",slideBlockMat);
//Step3、轉黑白圖
        Core.inRange(slideBlockMat, Scalar.all(96), Scalar.all(96), slideBlockMat);
        imwrite("ezh_blk.png",slideBlockMat);<br>
//對滑動背景圖進行處理③
        Mat slideBgMat = Imgcodecs.imread("slide_bg.png");//背景凹槽圖片需要動態獲取，見下面的解析
//Step1、灰度化圖片④
        Imgproc.cvtColor(slideBgMat,slideBgMat,Imgproc.COLOR_BGR2GRAY);
        imwrite("hdh_bg.png",slideBgMat);
//Step2、二值化
        //Core.inRange(slideBgMat, Scalar.all(96), Scalar.all(96), slideBgMat);
        Imgproc.threshold(slideBgMat,slideBgMat,127,255, Imgproc.THRESH_BINARY);
        imwrite("ezh_bg.png",slideBgMat);
        Mat g_result = new Mat();
        /*
         * 將凹槽背景和拼圖圖形進行匹配⑤
         */
        Imgproc.matchTemplate(slideBgMat,slideBlockMat,g_result, Imgproc.TM_CCOEFF_NORMED);
        Point matchLocation= Core.minMaxLoc(g_result).maxLoc;
//返回匹配點的橫向距離
        System.out.println(matchLocation.x);
        return matchLocation.x;
    }

2.3 算法解析說明

①什么是Mat類型：

Mat 是 OpenCV 中用來存儲圖像信息的內存對象。Mat 對象中除了存儲圖像的像素數據外，還包括圖像的其它屬性：寬、高、類型、維度、大小、深度等。可以認為在OpenCV中，一個Mat對象就定義了一個圖像。②對于slide_blk.png的處理經過了以下過程：灰度化：

去黑邊：

二值化：

最終的目的在于將圖形轉化為黑白分明的圖形，便于后續匹配。

③本項目中，由于背景凹槽圖片，凹槽的位置是動態的，所以需要實時動態獲取：（如果遇到拼圖也需要動態獲取，可以同樣處理）

WebElement bg_canvas = driver.findElement(slide_ver_bg_by);//元素定位，定位到背景圖片
 
        Object base64 = ((JavascriptExecutor) driver)
                .executeScript("return arguments[0].toDataURL('image/png').substring(21);", bg_canvas);//頁面元素轉Base64
        String base64Str = base64.toString();
        generateImage(base64Str , "slide_bg.png");// 將base64把字符串裝換成圖片

④對于slide_bg.png的處理經過了以下過程：

灰度化：

二值化：

這里省略了去黑邊這一過程，因為實踐發現，經過上述兩部后，我們已經能夠進行較為準確的圖片匹配了。

⑤matchTemplate：在模板和輸入圖像之間尋找匹配,獲得匹配結果圖像

esult：保存匹配的結果矩陣

TM_CCOEFF_NORMED標準相關匹配算法

minMaxLoc：在給定的結果矩陣中尋找最大和最小值，并給出它們的位置

3、Selenium處理滑塊滑動

Selenium的滑塊處理是庫里的標準玩法，使用actions類或者javaScript的方式都可以實現，本例采用的是actions類方法：

public void slide_verify(WebDriver driver) throws InterruptedException {
 
        double  slideDistance = getDistance();//此處就是調用2中的OpenCV計算拼圖和凹槽距離
        System.out.println("滑動距離是" + slideDistance);
        WebElement dragElement = driver.findElement(slide_obj_by);//定位到滑塊
        Actions actions = new Actions(driver);
        actions.clickAndHold(dragElement);//模擬鼠標動作，按住滑塊
        Thread.sleep(300);
<br>//滑動，分兩次進行①
        actions.moveByOffset(((int)slideDistance - 11)/2,0);
        Thread.sleep(1000);
        Thread.sleep(500);
        actions.release();
        actions.perform();
    }

①這里進行滑動時，首先滑動距離之所以要減去11，是因為本例中拼圖的初始位置固定離整體圖形的左邊距是11.

分兩次滑行并且中間sleep了一個時間，是為了防止全勻速拖動而被識別為機器人。

到此，關于“怎么使用Java+Selenium+OpenCV解決自動化測試中的滑塊驗證問題”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！