Airtest源码分析--图像识别整体流程

上期回顾：Airtest-API精讲之Template

---

以下基于
python3.8；airtest1.2.2；pocoui1.0.83

之前讲了图像识别的基础——Template类：======Template类
这次我们看下Airtest图像识别的整体流程。

我们以touch()接口为例，AirtestIDE中touch怎么用可以看：AirtestIDE基本功能(一)

进入查看touch源码

# 源码路径 your_python_path/site-packages/airtest/core/api.py
def touch(v, times=1, **kwargs):
    """
    Perform the touch action on the device screen

    :param v: target to touch, either a ``Template`` instance or absolute coordinates (x, y)
    :param times: how many touches to be performed
    :param kwargs: platform specific `kwargs`, please refer to corresponding docs
    :return: finial position to be clicked, e.g. (100, 100)
    """
    if isinstance(v, Template):
        pos = loop_find(v, timeout=ST.FIND_TIMEOUT)
    else:
        try_log_screen()
        pos = v
    for _ in range(times):
        G.DEVICE.touch(pos, **kwargs)
        time.sleep(0.05)
    delay_after_operation()
    return pos

touch是兼容传入图片或座标的，我们只看图片的逻辑。

pos = loop_find(v, timeout=ST.FIND_TIMEOUT)

可以看到是通过loop_find去循环找图，超时时间ST.FIND_TIMEOUT默认是20S，这里找到图片的话会返回座标，后面的代码会去点击这个座标，就完成了touch操作。

继续进入loop_find源码：

# 源码路径 your_python_path/site-packages/airtest/core/cv.py
def loop_find(query, timeout=ST.FIND_TIMEOUT, threshold=None, interval=0.5, intervalfunc=None):
    G.LOGGING.info("Try finding: %s", query)
    start_time = time.time()
    while True:
        screen = G.DEVICE.snapshot(filename=None, quality=ST.SNAPSHOT_QUALITY)

        if screen is None:
            G.LOGGING.warning("Screen is None, may be locked")
        else:
            if threshold:
                query.threshold = threshold
            match_pos = query.match_in(screen)
            if match_pos:
                try_log_screen(screen)
                return match_pos

        if intervalfunc is not None:
            intervalfunc()

        # 超时则raise，未超时则进行下次循环:
        if (time.time() - start_time) > timeout:
            try_log_screen(screen)
            raise TargetNotFoundError('Picture %s not found in screen' % query)
        else:
            time.sleep(interval)

loop_find整体逻辑就是循环去屏幕截图上找图，找到返回其座标，超时未找到报错。第1个参数query就是我们前面传入的Template类实例(我们截的图)

其中关键是match_pos = query.match_in(screen)，前一步给手机截图赋值给screen，然后在截图中查找给定图片，用的方法是Template类中的match_in方法。

继续看match_in源码：

# 源码路径 your_python_path/site-packages/airtest/core/cv.py
def match_in(self, screen):
    match_result = self._cv_match(screen)
    G.LOGGING.debug("match result: %s", match_result)
    if not match_result:
        return None
    focus_pos = TargetPos().getXY(match_result, self.target_pos)
    return focus_pos

其中核心代码是match_result = self._cv_match(screen)图像匹配

如果找到后面代码会返回9宫点中我们要求的座标:

focus_pos = TargetPos().getXY(match_result, self.target_pos)

还得记得9宫点吗？就是Template实例化时我们指定的target_pos，忘了可以看这篇=========中的第X点

 

继续看_cv_match源码：

# 源码路径 your_python_path/site-packages/airtest/core/cv.py
    def _cv_match(self, screen):
        # in case image file not exist in current directory:
        ori_image = self._imread()
        image = self._resize_image(ori_image, screen, ST.RESIZE_METHOD)
        ret = None
        for method in ST.CVSTRATEGY:
            # get function definition and execute:
            func = MATCHING_METHODS.get(method, None)
            if func is None:
                raise InvalidMatchingMethodError("Undefined method in CVSTRATEGY: '%s', try 'kaze'/'brisk'/'akaze'/'orb'/'surf'/'sift'/'brief' instead." % method)
            else:
                if method in ["mstpl", "gmstpl"]:
                    ret = self._try_match(func, ori_image, screen, threshold=self.threshold, rgb=self.rgb, record_pos=self.record_pos,resolution=self.resolution, scale_max=self.scale_max, scale_step=self.scale_step)
                else:
                    ret = self._try_match(func, image, screen, threshold=self.threshold, rgb=self.rgb)
            if ret:
                break
        return ret

其中ori_image = self._imread()读取图像

image = self._resize_image(ori_image, screen, ST.RESIZE_METHOD)

根据分辨率，将输入的截图适配成 等待模板匹配的截图

之后会循环各种算法去匹配图片，默认算法为ST.CVSTRATEGY = ["mstpl", "tpl", "surf", "brisk"]

循环中用到的匹配方法为_try_match

继续看_try_match源码：

# 源码路径 your_python_path/site-packages/airtest/core/cv.py
    def _try_match(func, *args, **kwargs):
        G.LOGGING.debug("try match with %s" % func.__name__)
        try:
            ret = func(*args, **kwargs).find_best_result()
        except aircv.NoModuleError as err:
            G.LOGGING.warning("'surf'/'sift'/'brief' is in opencv-contrib module. You can use 'tpl'/'kaze'/'brisk'/'akaze'/'orb' in CVSTRATEGY, or reinstall opencv with the contrib module.")
            return None
        except aircv.BaseError as err:
            G.LOGGING.debug(repr(err))
            return None
        else:
            return ret

其核心代码为ret = func(*args, **kwargs).find_best_result()

不同的算法对应不同的find_best_result()方法，目前一共有4种，我们以TemplateMatching类中的为例看一下

# 源码路径 your_python_path/site-packages/airtest/aircv/template_matching.py
def find_best_result(self):
    """基于kaze进行图像识别，只筛选出最优区域."""
    """函数功能：找到最优结果."""
    # 第一步：校验图像输入
    check_source_larger_than_search(self.im_source, self.im_search)
    # 第二步：计算模板匹配的结果矩阵res
    res = self._get_template_result_matrix()
    # 第三步：依次获取匹配结果
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    h, w = self.im_search.shape[:2]
    # 求取可信度:
    confidence = self._get_confidence_from_matrix(max_loc, max_val, w, h)
    # 求取识别位置: 目标中心 + 目标区域:
    middle_point, rectangle = self._get_target_rectangle(max_loc, w, h)
    best_match = generate_result(middle_point, rectangle, confidence)
    LOGGING.debug("[%s] threshold=%s, result=%s" % (self.METHOD_NAME, self.threshold, best_match))

    return best_match if confidence >= self.threshold else None

到这里就是基于cv2库去找图了，步骤注释写的很清楚了。对opencv感兴趣的同学，可以到这里学一学http://www.woshicver.com/