airtest自动化测试教程 airtest图片识别原理 _生活百科

1. Airtest进阶

1.1 提升脚本成功率

我们使用了图像识别的技术在当前游戏画面中查找对应的图片，然而图像识别并不能达到人眼识别的准确度，它只能尽可能地去寻找一个最符合预期的结果。这就经常导致了我们认为不存在的图片，它认为存在，或者我们认为在画面上一眼就能找到的内容，Airtest认为不存在。

也就是说，图像识别不是万能的！！！它是有成功率的，假设一个脚本里有10张图片，每张图片的识别成功率都能达到95%之高，10张图片全部都正确识别的概率也不过60%而已。更何况，有许多图片因为种种原因，识别成功率远远低于95%这个值，要想脚本运行100%正确就更难了

改进点：

1. 截图时尽量保证截取的图像辨识度高、独立清晰，例如截取一个按钮图像时，尽量不要带上太多的嘈杂
背景图案，避免在背景变化后难以成功识别的问题
【airtest自动化测试教程 airtest图片识别原理】

2. 图像识别使用的算法更适合用来识别按钮类（带边框）、图标类的图像，仅仅单独截取几个文字的识别成功率很低，请尽量调整图片截取内容来达到较好的识别效果，避免截取识别效果较差的内容

文章插图

3. Airtest会尽可能地尝试适配不同分辨率的手机，但是在某些游戏上可能有自定义的分辨率适配规则，可以
根据自己游戏的分辨率适配情况来自定义，参考：
https://airtest.doc.io ease.com/IDEdocs/airtest_framework/1_script_settings/

4. 若有大量重复的、非常相似的图标堆叠在一起时，有可能识别效果不佳，在我们眼中也许每一个图标上面的文字是不一样的，然而在Airtest的眼中它们实在是太相似了。我们可以尝试修改截图，借助一些其他的背景样式，修改成辨识度更高的图片

5. 尽管AirtestIDE提供了便捷的自动录制功能，能够直接将当前所有操作一步一步转换成代码，但是这种情况下自动截取的图片往往不太理想，需要手工再对截图进行调整

1.2 脚本相关设置

1.2.1 脚本代码修改属性

假如直接使用文本编辑器打开我们所编辑的Airtest脚本目录里的同名py文件，可以看到，每张图片都由类似这样的语句组成：
Template(r"tpl1532588127987.png", record_pos=(0.779, 0.382), resolution=(407, 264))

直接在里面加入需要修改的值即可
Template(r"tpl1532588127987.png", record_pos=(0.779, 0.382), resolution=(407, 264), threshold=0.6, target_pos=5, rgb=False)

图像识别阈值threshold（浮点类型）：
threshold是用来判定一张图片识别是否成功的阈值，例如一张图片识别到的匹配度是0.65，
而我们设置的threshold为0.7的话，Airtest会认为匹配失败，从而进行下一次匹配。
通常来说，threshold设置得越高，图像识别的精度越高，但成功率也会有所降低，请根据自己的实际情况酌情设置。
取值范围为0~1之间，[0, 1]，默认值是0.7 。

图像点击位置target_pos（整型）：
当识别出一张图像后，Airtest将会默认去点击图像的正中心位置，

有时我们希望它识别出图片后点击其他位置，可以通过修改target_pos属性来实现