phoenixframework自动化测试平台图片识别示例

本文介绍了一种使用Phoenix Framework自动保存网页图片至本地并利用OCR技术读取图片中文字的方法。适用于无具体地址的验证码图片场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本例演示了如何使用 phoenixframework 将web页面上的图片自动保存到本地且读取上面文字的方法:

package org.phoenix.cases.lianmeng;

import java.util.LinkedList;
import java.util.concurrent.TimeUnit;

import org.openqa.selenium.interactions.Actions;
import org.phoenix.cases.plugin.SaveImgToLocal;
import org.phoenix.enums.LocatorType;
import org.phoenix.model.CaseLogBean;
import org.phoenix.model.UnitLogBean;
import org.phoenix.plugins.IImageReader;
import org.phoenix.proxy.ActionProxy;

import com.codeborne.selenide.SelenideElement;
import com.google.common.io.Files;

/**
 * 将页面上定位到的图片保存到本地,并使用ocr读取图片上的文字
 * 特别适用于无具体地址的验证码图片
 * @author mengfeiyang
 */
public class SaveImg extends ActionProxy {
	private String localFile = "E:\\testcode.jpg";
	@Override
	public LinkedList<UnitLogBean> run(CaseLogBean caseLogBean) {
		init(caseLogBean);
		try {
			phoenix.webAPI().setFirefoxExePath("D:\\Program Files (x86)\\Mozilla Firefox\\firefox.exe");
			phoenix.webAPI().openNewWindowByFirefox("https://xxx.net/account/fpwd?action=forgotpassword&service=http%3A%2F%2Fmy.youkuaiyun.com%2Fmy%2Fmycsdn");
			// phoenix.webAPI().openNewWindowByIE("http://www.oschina.net/home/reset-pwd");
			// phoenix.webAPI().openNewWindowByChrome("http://www.oschina.net/home/reset-pwd");
			phoenix.webAPI().getCurrentDriver().manage().timeouts().pageLoadTimeout(2, TimeUnit.SECONDS);
			phoenix.webAPI().getCurrentDriver().manage().window().maximize();
			phoenix.webAPI().sleep(2000);			
			String engine = phoenix.webAPI().getCaseLogBean().getEngineType();
			phoenix.webAPI().webElement(".user-name", null).setText("11111");
			for(int i=0;i<10;i++){
			SelenideElement element = phoenix.webAPI().webElementLinkFinder(
					"#yanzheng", null);
			phoenix.webAPI().sleep(1000);
			SaveImgToLocal.doSave(element, engine, localFile);
			IImageReader imageReader = phoenix.imageReader().configImageReader("D://Program Files (x86)//Tesseract-OCR");
			String oos = imageReader.readLocalImage(localFile, Files.getFileExtension(localFile));
			System.out.println("-----"+oos+"------");
			phoenix.webAPI().webElement(".code", null).setText(oos);
			phoenix.webAPI().webElement("//input[@type='submit']", LocatorType.XPATH).click();
				if(!phoenix.webAPI().webElement(".email-address", null).exists()){
					new Actions(phoenix.webAPI().getCurrentDriver()).doubleClick(element).perform();
				}else break;
			}
			phoenix.webAPI().sleep(2000);
		} catch (Exception e) {
			e.printStackTrace();
		}
		phoenix.webAPI().closeWindow();
		return getUnitLog();
	}
	public static void main(String[] args) {
		SaveImg saveImg = new SaveImg();
		LinkedList<UnitLogBean> us = saveImg.run(new CaseLogBean());
		for (UnitLogBean u : us) {
			System.out.println(u.getContent());
		}
	}
}							

 

转载于:https://my.oschina.net/u/2391658/blog/713173

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值