在框架位于python的地方,我有一个自动化的测试用例,因为我们需要验证进度条是否已从其先前位置增加。
让我们说我们正在观看应用程序上的视频,我们需要测试进度条/清理条是否真的增加了?
测试自动化步骤:
在使用 openCV,numpy 模块时,能否在python中提出建议。
答案 0 :(得分:0)
您可以轻松地使用opencv和numpy实现相同的功能。 首先使用opencv从视频中读取帧,然后每经过15分钟的视频,我们就可以使用一些相似算法(例如compare_ssim(可在scipy.measure中使用))比较当前帧和上一帧。 如果图像相似,则compare_ssim给出接近1的数字,如果图像相似,则接近0。您可以轻松地将用例的阈值设置为0.7,因为您要检查精确匹配。
您可以使用以下方法开始阅读视频:
cap = cv2.VideoCapture('path to your video')
然后使用while循环遍历笔帽,您可以使用
_, frame = cap.read()
还必须从scipy导入ssim
from skimage.measure import compare_ssim as ssim
然后当您有两个要比较的帧时使用:
simlarityIndex = ssim(imageCurrentReshape, imageLoadedReshape)
相似度指数表示您的图片有多少相似度,数值越大则相似度越高。
希望这会有所帮助。