一种系统画面自动化测试方法及系统技术方案

本发明专利技术提供一种系统画面自动化测试方法及系统，该方法包括：获取待测试新系统目标代码，根据目标代码中的关键字和方法名称，自动生成测试用例和测试脚本；执行所述测试脚本分别对新、旧系统画面功能测试，截取系统画面，将截取图片分别保存至对应的目标文件夹，并标注图片名称；对目标文件夹中的预比对图片进行预处理后，提取图片特征，并匹配图片特征点；将图片比对结果保存至指定文件夹，并生成测试用例报告。通过该方案可以降低系统图片比对时的误判概率，并提高测试效率。并提高测试效率。并提高测试效率。

【技术实现步骤摘要】
一种系统画面自动化测试方法及系统


[0001]本专利技术属于软件测试领域，尤其涉及一种系统画面自动化测试方法及系统。

技术介绍

[0002]软件系统升级后，新旧系统的画面变化较多，单纯依靠人力进行比较，费时费力，而通过计算机进行对比，由于截取出的目标图片会出现抖动、字体粗细不一致、行间距变化等差异，传统基于图片像素点RGB值比较，容易出现误判。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供了一种系统画面自动化测试方法及系统，用于解决现有系统图片比对易出现误判的问题。
[0004]在本专利技术实施例的第一方面，提供了一种系统画面自动化测试方法，包括：
[0005]获取待测试新系统目标代码，根据目标代码中的关键字和方法名称，自动生成测试用例和测试脚本；
[0006]执行所述测试脚本分别对新、旧系统画面功能测试，截取系统画面，将截取图片分别保存至对应的目标文件夹，并标注图片名称；
[0007]对目标文件夹中的预比对图片进行预处理后，提取图片特征，并匹配图片特征点；
[0008]其中，通过SURF算法提取图片特征点，并基于特征点间的欧式距离计算特征点匹配度；
[0009]将图片比对结果保存至指定文件夹，并生成测试用例报告。
[0010]在本专利技术实施例的第二方面，提供了一种用于系统画面自动化测试的系统，包括：
[0011]获取模块，用于获取待测试新系统目标代码，根据目标代码中的关键字和方法名称，自动生成测试用例和测试脚本；
[0012]画面截取模块，用于执行所述测试脚本分别对新、旧系统画面功能测试，截取系统画面，将截取图片分别保存至对应的目标文件夹，并标注图片名称；
[0013]特征匹配模块，用于对目标文件夹中的预比对图片进行预处理后，提取图片特征，并匹配图片特征点；
[0014]其中，通过SURF算法提取图片特征点，并基于特征点间的欧式距离计算特征点匹配度；
[0015]结果生成模块，用于将图片比对结果保存至指定文件夹，并生成测试用例报告。
[0016]在本专利技术实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本专利技术实施例第一方面所述方法的步骤。
[0017]在本专利技术实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术实施例第一方面提供的所述方法的步骤。
[0018]本专利技术实施例中，通过截取新旧软件系统测试画面，并基于SURF算法、特征点匹配度等，进行特征提取比对得到比对结果，从而可以实现系统画面的自动化测试，提高测试效率，并降低误判概率，减少目标图片细微差异带来的影响。
附图说明
[0019]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述的附图仅仅是本专利技术的一些实施例，对本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他附图。
[0020]图1为本专利技术一个实施例提供的一种系统画面自动化测试方法的流程示意图；
[0021]图2为本专利技术一个实施例提供的一种系统画面自动化测试方法的另一流程示意图；
[0022]图3为本专利技术一个实施例提供的一种用于系统画面自动化测试的系统结构示意图；
[0023]图4为本专利技术的一个实施例提供的一种电子设备的结构示意图。
具体实施方式
[0024]为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0025]应当理解，本专利技术的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述，意指覆盖不排他的包含，如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。此外，“第一”“第二”用于区分不同对象，并非用于描述特定顺序。
[0026]请参阅图1，本专利技术实施例提供的一种系统画面自动化测试方法的流程示意图，包括：
[0027]S101、获取待测试新系统目标代码，根据目标代码中的关键字和方法名称，自动生成测试用例和测试脚本；
[0028]软件系统更新后，需要对更新部分代码进行测试。具体根据待测试软件中代码的关键字和方法，自动生成相应的测试用例和脚本，通过用例和脚本，对新、旧系统画面功能进行测试。
[0029]S102、执行所述测试脚本分别对新、旧系统画面功能测试，截取系统画面，将截取图片分别保存至对应的目标文件夹，并标注图片名称；
[0030]所述测试脚本为根据新系统目标代码中关键字和方法名，自动生成的测试脚本。
[0031]先执行旧系统的测试脚本，画面功能自动测试，自动抓拍系统画面，将图片保存到指定文件夹(old)下标注图片名称；再执行新系统测试脚本，画面功能自动测试，自动抓拍系统画面，将图片保存到指定文件夹(new)下标注图片名称。其中，新旧系统相同功能界面，
图片名称一致。
[0032]目标文件夹为新旧系统测试对应的两个文件夹，两个文件夹在同一路径下，文件夹中截取的图片名称相同。
[0033]S103、对目标文件夹中的预比对图片进行预处理后，提取图片特征，并匹配图片特征点；
[0034]所述预比对图片为新旧系统截取的图片，图片名称相同，存放于不同文件夹中。所述预处理用于对图片进行灰度转换、滤波等，以便于图片特征提取，并减少干扰因素对特征匹配产生影响。
[0035]具体的，将两张图片转换为灰度图，并对转换后的图片进行方形滤波，通过Harris角点检测算法去除图片边缘。
[0036]所述Harris角点检测算法是通过一个固定窗口在图像上滑动，根据滑动前后像素灰度变化程度，检测窗口中的角点。基于角点检测可以快速进行特征点提取。
[0037]其中，通过SURF算法提取图片特征点，并基于特征点间的欧式距离计算特征点匹配度；
[0038]所述SURF(Speeded Up Robust Feature)算法采用Hessian矩阵(海森矩阵)实现。具体的，基于海森矩阵计算图片中每个像素点在XY方向上的二阶偏导数，计算图片XY方向的导数；当海森矩阵判别式取得局部极值，则判定当前点为局部区域内的最亮点或最暗点，并将当前点作为局部特征点。
[0039]优选的，通过Lowe＇s算法检测筛选不同阈值范围内的特征匹配点。所述Lowe＇s算法用于筛选特征点中的优秀匹配点，进行特征匹配。
[0040]通过计算两个特征点间的欧式距离可以确定特征点匹配度，当欧氏距离越短，表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种系统画面自动化测试方法，其特征在于，包括：获取待测试新系统目标代码，根据目标代码中的关键字和方法名称，自动生成测试用例和测试脚本；执行所述测试脚本分别对新、旧系统画面功能测试，截取系统画面，将截取图片分别保存至对应的目标文件夹，并标注图片名称；对目标文件夹中的预比对图片进行预处理后，提取图片特征，并匹配图片特征点；其中，通过SURF算法提取图片特征点，并基于特征点间的欧式距离计算特征点匹配度；将图片比对结果保存至指定文件夹，并生成测试用例报告。2.根据权利要求1所述的方法，其特征在于，所述对目标文件夹中的预比对图片进行预处理包括：将两张预比对图片转换为灰度图，并对转换后的图片进行方型滤波，通过Harris角点检测算法去除图片边缘。3.根据权利要求1所述的方法，其特征在于，所述提取图片特征包括：基于海森矩阵计算图片中每个像素点在XY方向上的二阶偏导数，计算图片XY方向的导数；当海森矩阵判别式取得局部极值，则判定当前点为局部区域内的最亮点或最暗点，并将当前点作为局部特征点。4.根据权利要求1所述的方法，其特征在于，所述提取图片特征，并匹配图片特征点包括：通过Lowe＇s算法检测筛选不同阈值范围内的特征匹配点。5.根据权利要求1所述的方法，其特征在于，所述将图片比对结果保存至指定文件夹，并生成测试用例报告包括：在比对图片中存在差异的位置标注红框，并根据测试日志，进行数据收集整理，生成测试用例报告。6.一种用于系统画...

【专利技术属性】
技术研发人员：吴伟奇，
申请(专利权)人：方正株式武汉科技开发有限公司，
类型：发明
国别省市：