1、滑块验证思路
被测对象的滑块对象长这个样子。相对而言是比较简单的一种形式，需要将左侧的拼图通过下方的滑块进行拖动，嵌入到右侧空槽中，即完成验证。
要自动化完成这个验证过程，关键点就在于确定滑块滑动的距离。
根据上面的分析，验证的关键点在于确定滑块滑动的距离。但是看似简单的一个需求，完成起来却并不简单。
如果使用自然逻辑来分析这个过程，可以拆解如下：
1. 定位到左侧拼图所在的位置，由于拼图的形状和大小固定，那么其实只需要定位其左边边界离背景图片的左侧距离。（实际在本例中，拼图的起始位置也是固定的，节省了不少工夫）
2. 定位到右侧凹槽所在位置，同样其形状和大小是固定的，那么只需要定位其左边边界离背景图片的左侧距离。
3. 用2中探测到的距离减去1中的距离，既是滑块需要被拖动的距离。
要完成上述的探测计算，首先我们想到的是使用元素定位的方法定位到拼图和凹槽的位置。
然而这一想法是不可行的，原因在于这个验证模块是使用两个canvas即画布元素实现的：
拼图和凹槽都是“画”在画布上的，其本身并不是一个页面元素，不能使用元素定位的方法。
因此我们考虑使用图片解析的方法，分析画布图像本身，来确定相应图形的位置。
2、使用opencv进行图片解析这里我们将引入opencv库，来帮我完成图片解析过程：
opencv是一个基于apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在linux、windows、android和mac os操作系统上。 
它轻量级而且高效——由一系列 c 函数和少量 c++ 类构成，同时提供了python、ruby、matlab等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
opencv用c++语言编写，它具有c ++，python，java和matlab接口，并支持windows，linux，android和mac os，opencv主要倾向于实时视觉应用，并在可用时利用mmx和sse指令， 如今也提供对于c#、ch、ruby，go的支持。
2.1 opencv引入项目1：下载 opencv
进入到官网 https://opencv.org/releases/ 下载对应系统的 opencv 软件包后，解压放置到本地。
使用maven依赖并不能引入正确的opencv外部依赖，这里需使用外部
2：工程中添加 jar 包
intellij 中选择 file -> project structure -> modules -> dependencies
点击 add -> jars or directories... 选择
3. 新建滑块验证工具类，引入opencv动态链接库文件：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();//调试用的main方法，调用一个getdistance方法，获取拼图和凹槽之间的距离，返回double类型数值。 }
2.2 实现图片解析，计算所需距离由于本项目的特点，拼图的形状和位置是固定的，首先我们将拼图和凹槽图片下载到本地，方便后续处理。（其它项目可能出现图片形状不固定的情况，可以直接用selenium实时下载图片，这过程比较简单，因此不赘述）。
下载完的图片如下：
凹槽图片：
拼图图片：
下面直接上代码再做说明：
public static double getdistance(){ // 加载opencv本地库 system.load(dllpath); //system.loadlibrary(core.native_library_name);//对拼图图形进行处理，存储为mat类型① mat slideblockmat=imgcodecs.imread("slide_blk.png");//由于本项目的特点，拼图的形状和位置是固定的，因此直接将拼图图片保存到本地进行使用了//step1、灰度化图片② imgproc.cvtcolor(slideblockmat,slideblockmat,imgproc.color_bgr2gray); imwrite("cvt_blk.png",slideblockmat);//step2、去除周围黑边 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、转黑白图 core.inrange(slideblockmat, scalar.all(96), scalar.all(96), slideblockmat); imwrite("ezh_blk.png",slideblockmat);<br>//对滑动背景图进行处理③ mat slidebgmat = imgcodecs.imread("slide_bg.png");//背景凹槽图片需要动态获取，见下面的解析//step1、灰度化图片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(); /* * 将凹槽背景和拼图图形进行匹配⑤ */ imgproc.matchtemplate(slidebgmat,slideblockmat,g_result, imgproc.tm_ccoeff_normed); point matchlocation= core.minmaxloc(g_result).maxloc;//返回匹配点的横向距离 system.out.println(matchlocation.x); return matchlocation.x; }
2.3 算法解析说明①什么是mat类型：
mat 是 opencv 中用来存储图像信息的内存对象。mat 对象中除了存储图像的像素数据外，还包括图像的其它属性：宽、高、类型、维度、大小、深度等。可以认为在opencv中，一个mat对象就定义了一个图像。②对于slide_blk.png的处理经过了以下过程：灰度化：
去黑边：
二值化：
最终的目的在于将图形转化为黑白分明的图形，便于后续匹配。
③本项目中，由于背景凹槽图片，凹槽的位置是动态的，所以需要实时动态获取：（如果遇到拼图也需要动态获取，可以同样处理）
webelement bg_canvas = driver.findelement(slide_ver_bg_by);//元素定位，定位到背景图片 object base64 = ((javascriptexecutor) driver) .executescript("return arguments[0].todataurl('image/png').substring(21);", bg_canvas);//页面元素转base64 string base64str = base64.tostring(); generateimage(base64str , "slide_bg.png");// 将base64把字符串装换成图片
④对于slide_bg.png的处理经过了以下过程：
灰度化：
二值化：
这里省略了去黑边这一过程，因为实践发现，经过上述两部后，我们已经能够进行较为准确的图片匹配了。
⑤matchtemplate：在模板和输入图像之间寻找匹配,获得匹配结果图像
esult：保存匹配的结果矩阵
tm_ccoeff_normed标准相关匹配算法
minmaxloc：在给定的结果矩阵中寻找最大和最小值，并给出它们的位置
3、selenium处理滑块滑动selenium的滑块处理是库里的标准玩法，使用actions类或者javascript的方式都可以实现，本例采用的是actions类方法：
public void slide_verify(webdriver driver) throws interruptedexception { double slidedistance = getdistance();//此处就是调用2中的opencv计算拼图和凹槽距离 system.out.println("滑动距离是" + slidedistance); webelement dragelement = driver.findelement(slide_obj_by);//定位到滑块 actions actions = new actions(driver); actions.clickandhold(dragelement);//模拟鼠标动作，按住滑块 thread.sleep(300);<br>//滑动，分两次进行① actions.movebyoffset(((int)slidedistance - 11)/2,0); thread.sleep(1000); thread.sleep(500); actions.release(); actions.perform(); }
①这里进行滑动时，首先滑动距离之所以要减去11，是因为本例中拼图的初始位置固定离整体图形的左边距是11.
分两次滑行并且中间sleep了一个时间，是为了防止全匀速拖动而被识别为机器人。
以上就是利用java、selenium和opencv结合的方法，解决自动化测试中滑块验证问题。的详细内容。