前言
在做 web 自动化的时候,有些场景需要去判断页面上的图片与预期的图片是否一样,或者判断图片有没正确的加载出来,需用到图片对比。
如果你之前接触过airtest,那么你应该知道它是专业搞图片对比的,所以我们应该去那借点代码过来!
借代码
找到Lib\site-packages\airtest\aircv
目录下的 cal_confidence.py 文件,就是我们要借的代码了
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""These functions calculate the similarity of two images of the same size."""
import cv2
from .utils import img_mat_rgb_2_gray
def cal_ccoeff_confidence(im_source, im_search):
"""求取两张图片的可信度,使用TM_CCOEFF_NORMED方法."""
# 扩展置信度计算区域
im_search = cv2.copyMakeBorder(im_search, 10,10,10,10,cv2.BORDER_REPLICATE)
im_source, im_search = img_mat_rgb_2_gray(im_source), img_mat_rgb_2_gray(im_search)
res = cv2.matchTemplate(im_source, im_search, cv2.TM_CCOEFF_NORMED)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
return max_val
def cal_rgb_confidence(img_src_rgb, img_sch_rgb):
"""同大小彩图计算相似度."""
# 扩展置信度计算区域
img_sch_rgb = cv2.copyMakeBorder(img_sch_rgb, 10,10,10,10,cv2.BORDER_REPLICATE)
# 转HSV强化颜色的影响
img_src_rgb = cv2.cvtColor(img_src_rgb, cv2.COLOR_BGR2HSV)
img_sch_rgb = cv2.cvtColor(img_sch_rgb, cv2.COLOR_BGR2HSV)
src_bgr, sch_bgr = cv2.split(img_src_rgb), cv2.split(img_sch_rgb)
# 计算BGR三通道的confidence,存入bgr_confidence:
bgr_confidence = [0, 0, 0]
for i in range(3):
res_temp = cv2.matchTemplate(src_bgr[i], sch_bgr[i], cv2.TM_CCOEFF_NORMED)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res_temp)
bgr_confidence[i] = max_val
return min(bgr_confidence)
对比2张图片
当我们在浏览器上看到如下2个图片
html 部分代码如下
<div class="container">
<div class="row">
<div class="col-xs-6 col-sm-3 col-md-3">
<a href="#" class="thumbnail" id="imag1">
<img src="liu1.png">
</a>
</div>
<div class="col-xs-6 col-sm-3 col-md-3">
<a href="#" class="thumbnail" id="imag2">
<img src="liu2.png">
</a>
</div>
</div>
</div>
先使用playwright保存2张图片
# 上海悠悠 wx:283340479
# blog:https://www.cnblogs.com/yoyoketang/
from playwright.sync_api import sync_playwright
with sync_playwright() as p:
browser = p.chromium.launch(headless=False)
page = browser.new_page()
page.goto("file:///D:/demo/play_web_p/demo/demo.html")
# 截图
page.locator('#imag1').screenshot(path="png/demo1.png")
page.locator('#imag2').screenshot(path="png/demo2.png")
page.close()
browser.close()
保存到png 目录
图片1
图片2
那么我们本地images目录可以放2张图片
图片3
图片4
接下来对比图片1和图片3的相似度,图片2和图片4的相似度
# 上海悠悠 wx:283340479
# blog:https://www.cnblogs.com/yoyoketang/
img1 = cv2.resize(cv2.imread('png/demo1.png'), (100, 100))
img3 = cv2.resize(cv2.imread('images/liu3.png'), (100, 100))
res1 = cal_ccoeff_confidence(img1, img3)
print(res1) # 0.32
img2 = cv2.resize(cv2.imread('png/demo2.png'), (100, 100))
img4 = cv2.resize(cv2.imread('images/liu4.png'), (100, 100))
res2 = cal_ccoeff_confidence(img2, img4)
print(res2) # 0.75
运行结果
从对比的结果可以看出2张图片越相似,得到的结果相似度越高。
cv2.resize() 使用
使用语法:cv2.resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None)
- src 源图像
- dsize 输出图像的大小
- fx width方向的缩放比例
- fy height方向的缩放比例
- interpolation 这个是指定插值的方式
因为对比2张图片先要把图片大小设置为一致,使用cv2.resize()方法处理原始的图片,用于对比。
文章转自:https://www.cnblogs.com/yoyoketang/p/17236145.html