LabelImg: 开源图像标注工具指南

1. 简介

LabelImg 是一个图形化的图像标注工具，使用 Python 和 Qt 开发。它是目标检测任务中最常用的标注工具之一，支持 PASCAL VOC 和 YOLO 格式的标注输出。该工具开源、免费，并且跨平台支持 Windows、Linux 和 macOS。

1.1 主要特性

• 支持多种标注格式：PASCAL VOC、YOLO
• 快捷键操作，提高标注效率
• 跨平台支持
• 支持中文界面
• 支持验证 XML 格式
• 自动保存功能

2. 安装指南

2.1 使用 pip 安装（推荐）

pip install labelImg

2.2 从源码安装

git clone https://github.com/tzutalin/labelImg
cd labelImg
pip install -r requirements.txt
python labelImg.py

3. 使用教程

3.1 启动程序

labelImg
# 或者指定图片目录和标注文件保存目录
labelImg [图片目录] [标注文件保存目录]

3.2 快捷键

快捷键	功能描述
W	创建矩形框
D	下一张图片
A	上一张图片
Del	删除选中的矩形框
Ctrl+S	保存
Ctrl+Shift+S	另存为
Space	标记当前矩形框
↑→↓←	键盘移动选中的矩形框

3.3 标注步骤

1. 打开图片目录

   • 点击 Open Dir 打开包含图片的文件夹
   • 或使用 File > Open Dir 菜单选项

2. 设置标注保存目录

   • 点击 Change Save Dir 设置标注文件的保存位置
   • 建议将标注文件和图片放在不同目录

3. 选择标注格式

   • 在 View > Label Format 中选择 YOLO 或 PascalVOC
   • YOLO 格式更适合 YOLOv5 训练

4. 开始标注

   • 按 W 创建新的矩形框
   • 拖动鼠标画出目标区域
   • 选择或输入类别标签
   • 按 Ctrl+S 保存标注

5. 标注技巧

   • 使用快捷键提高效率
   • 保持标注框的准确性
   • 定期保存标注结果
   • 保持类别名称的一致性

4. 标注格式说明

4.1 YOLO 格式

<class> <x_center> <y_center> <width> <height>

• 所有值都相对于图片宽高的比例
• 类别序号从 0 开始
• 每行表示一个目标

4.2 PASCAL VOC 格式

<annotation>
    <folder>folder</folder>
    <filename>image.jpg</filename>
    <object>
        <name>class_name</name>
        <bndbox>
            <xmin>100</xmin>
            <ymin>100</ymin>
            <xmax>200</xmax>
            <ymax>200</ymax>
        </bndbox>
    </object>
</annotation>

5. 最佳实践

1. 数据组织

   • 图片和标注文件分开存放
   • 使用清晰的目录结构
   • 保持文件命名规范

2. 标注规范

   • 制定统一的类别名称
   • 保持标注框的一致性
   • 处理边界情况的标准

3. 效率提升

   • 熟练使用快捷键
   • 批量处理相似图片
   • 定期备份标注数据

4. 质量控制

   • 定期检查标注质量
   • 使用脚本验证标注格式
   • 多人标注时保持一致性

6. 常见问题

1. 程序无法启动

   • 检查 Python 环境
   • 确认依赖库安装完整
   • 查看错误日志

2. 标注文件格式错误

   • 确认选择了正确的保存格式
   • 检查类别名称是否规范
   • 验证标注文件的完整性

3. 图片显示问题

   • 检查图片格式是否支持
   • 确认图片路径正确
   • 排查图片文件损坏

7. 进阶使用

1. 自定义配置

   • 修改预定义类别
   • 自定义快捷键
   • 调整界面布局

2. 批量处理

   • 使用脚本批量转换格式
   • 自动化标注验证
   • 数据集统计分析

8. 相关资源

• LabelImg GitHub
• 标注数据集示例
• PASCAL VOC 数据集

9. 总结

LabelImg 是一个功能强大且易用的图像标注工具，特别适合目标检测任务的数据标注。通过熟练使用快捷键和遵循最佳实践，可以显著提高标注效率和质量。在开始大规模数据标注之前，建议先制定好标注规范和工作流程，这样可以保证数据的一致性和可用性。