当前位置：首页 > news >正文

【Appium 系列】第15节-视觉测试 — 截图、对比、视觉回归

news 2026/6/11 2:09:53

对应代码：`配套代码/test/utils/visual_comparison.py`

说明：本节讲解如何通过截图对比来验证 UI 的视觉一致性，包括视觉回归测试的实现。

这节讲什么

UI 测试通常验证两件事：

功能对不对：按钮能不能点、页面能不能跳转、数据显不显示
长得好不好：颜色对不对、布局对不对、元素有没有错位

功能测试好做——用断言检查元素状态就行。但视觉测试难做——"长得好不好"是主观判断，代码怎么验证？

视觉测试就是解决第二个问题：通过截图对比，自动发现 UI 的视觉变化。

核心思路

视觉测试的基本流程：

截图 → 与设计稿对比 → 计算相似度 → 生成差异图 → 判断是否通过

对比方法

方法	原理	优点	缺点
像素对比	逐像素比较	精确	对微小变化敏感（抗锯齿、字体渲染）
SSIM	结构相似性	更符合人眼感知	计算量大
特征点匹配	匹配 SIFT/ORB 特征	对缩放、旋转鲁棒	复杂场景误匹配

我选择像素对比 + SSIM组合：

像素对比用于快速判断"有没有变化"
SSIM 用于判断"变化大不大"（更符合人眼感知）

阈值设定

# 相似度阈值 SIMILARITY_THRESHOLD = 0.95 # SSIM 相似度 >= 0.95 认为通过 # 像素差异阈值 PIXEL_DIFF_THRESHOLD = 0.01 # 差异像素比例 <= 1% 认为通过

为什么设 0.95？因为：

0.99 太严格：抗锯齿、字体渲染的微小差异都会导致失败
0.8 太宽松：明显的视觉变化可能漏掉
0.95 是经验值：能发现真正的视觉问题，又不会因为微小差异误报

实战案例

案例 1：登录页视觉回归

# 1. 截图 screenshot = driver.get_screenshot_as_png() # 返回 bytes，不是布尔值 import io import numpy as np arr = np.frombuffer(screenshot, np.uint8) screenshot_img = cv2.imdecode(arr, cv2.IMREAD_COLOR) # 2. 加载设计稿 design = cv2.imread("designs/login_page.png") # 3. 对比 similarity = calculate_ssim(screenshot_img, design) # 4. 判断 if similarity < 0.95: # 生成差异图 diff = generate_diff_image(screenshot_img, design) diff.save("diffs/login_page_diff.png") raise AssertionError(f"视觉回归失败，相似度: {similarity}")

案例 2：多页面批量对比

# 定义需要对比的页面 pages = ["login", "home", "profile", "settings"] for page in pages: # 截图 screenshot = capture_page(page) # 对比 similarity = compare_with_design(screenshot, page) # 记录结果 results[page] = { "similarity": similarity, "passed": similarity >= 0.95 }

代码实现

核心代码在utils/visual_comparison.py：

class VisualComparison: def __init__(self, design_dir="testcases/ui_designs/figma_exports"): self.design_dir = Path(design_dir) self.design_images = {} self._load_design_images() # 加载所有设计稿 def compare(self, screenshot_path, design_name): """对比截图与设计稿""" # 1. 加载图片 screenshot = cv2.imread(screenshot_path) design = self._find_design(design_name) # 2. 调整尺寸一致 screenshot = self._resize_to_match(screenshot, design) # 3. 计算 SSIM similarity = ssim(screenshot, design, multichannel=True) # 4. 判断 if similarity < 0.95: # 生成差异图 diff = self._generate_diff(screenshot, design) diff_path = f"diffs/{design_name}_diff.png" cv2.imwrite(diff_path, diff) raise AssertionError(f"视觉回归失败，相似度: {similarity:.4f}") return similarity