Java + Selenium + OpenCV解決自動化測試中的滾軸驗證

最近工作過程中，一個常用的被測網站突然增加了滾軸驗證環節，導致整個自動化專案失效了。

為了解決這個滾軸驗證問題，在網上查閱了一些資料後，總結並實現瞭解決方案，現記錄如下。

1、滾軸驗證思路

被測物件的滾軸物件長這個樣子。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滾軸進行拖動，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，關鍵點就在於確定滾軸滑動的距離。

根據上面的分析，驗證的關鍵點在於確定滾軸滑動的距離。但是看似簡單的一個需求，完成起來卻並不簡單。

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，由於拼圖的形狀和大小固定，那麼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，那麼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，既是滾軸需要被拖動的距離。

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，原因在於這個驗證模組是使用兩個canvas即畫布元素實現的：

拼圖和凹槽都是「畫」在畫布上的，其本身並不是一個頁面元素，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，分析畫布影象本身，來確定相應圖形的位置。

2、使用OpenCV進行圖片解析

這裡我們將引入OpenCV庫，來幫我完成圖片解析過程：

OpenCV是一個基於Apache2.0許可（開源）發行的跨平臺計算機視覺和機器學習軟體庫，可以執行在Linux、Windows、Android和Mac OS作業系統上。 
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等語言的介面，實現了影象處理和計算機視覺方面的很多通用演演算法。
OpenCV用C++語言編寫，它具有C ++，Python，Java和MATLAB介面，並支援Windows，Linux，Android和Mac OS，OpenCV主要傾向於實時視覺應用，並在可用時利用MMX和SSE指令， 如今也提供對於C#、Ch、Ruby，GO的支援。

2.1 OpenCV引入專案

1：下載 OpenCV

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

使用Maven依賴並不能引入正確的OpenCV外部依賴，這裡需使用外部

2：工程中新增 jar 包

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

點選 add -> JARS or directories... 選擇

3. 新建滾軸驗證工具類，引入OpenCV動態連結庫檔案：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();//偵錯用的main方法，呼叫一個getDistance方法，獲取拼圖和凹槽之間的距離，返回double型別數值。
    }

2.2 實現圖片解析，計算所需距離

由於本專案的特點，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，方便後續處理。（其它專案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：

下面直接上程式碼再做說明：

    public static double getDistance(){

        // 載入OpenCV本地庫
        System.load(dllPath);

        //System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

//對拼圖圖形進行處理，儲存為Mat型別①

        Mat slideBlockMat=Imgcodecs.imread("slide_blk.png");//由於本專案的特點，拼圖的形狀和位置是固定的，因此直接將拼圖圖片儲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);


//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 演演算法解析說明

①什麼是Mat型別：

Mat 是 OpenCV 中用來儲存影象資訊的記憶體物件。Mat 物件中除了儲存影象的畫素資料外，還包括影象的其它屬性：寬、高、型別、維度、大小、深度等。

可以認為在OpenCV中，一個Mat物件就定義了一個影象。

②對於slide_blk.png的處理經過了以下過程：

灰度化：

去黑邊：

二值化：

最終的目的在於將圖形轉化為黑白分明的圖形，便於後續匹配。

③本專案中，由於背景凹槽圖片，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把字串裝換成圖片

④對於slide_bg.png的處理經過了以下過程：

灰度化：二值化：

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

⑤matchTemplate：在模板和輸入影象之間尋找匹配,獲得匹配結果影象

esult：儲存匹配的結果矩陣

TM_CCOEFF_NORMED標準相關匹配演演算法

minMaxLoc：在給定的結果矩陣中尋找最大和最小值，並給出它們的位置

3、Selenium處理滾軸滑動

Selenium的滾軸處理是庫裡的標準玩法，使用actions類或者javaScript的方式都可以實現，本例採用的是actions類方法：

    public void slide_verify(WebDriver driver) throws InterruptedException {

        double  slideDistance = getDistance();//此處就是呼叫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);//定位到滾軸

        Actions actions = new Actions(driver);

        actions.clickAndHold(dragElement);//模擬滑鼠動作，按住滾軸
        Thread.sleep(300);

//滑動，分兩次進行①
        actions.moveByOffset(((int)slideDistance - 11)/2,0);
        Thread.sleep(1000);
        actions.moveByOffset(((int)slideDistance - 11)/2,0);
        Thread.sleep(500);

        actions.release();
        actions.perform();

    }

①這裡進行滑動時，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.

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

其它文章中有提到使用比較複雜的拖動軌跡演演算法，本專案中實踐得知，滑動軌跡並沒有太重要，分兩次拖動就可以了，沒必要複雜化。

4、最終效果

最終的滑動效果，因為被測網站的敏感性就不放上來了，最終實現成果是較為理想的。

希望這篇文章能夠幫助到有需要的人。