告别繁琐标注：LabelImg让图像标注效率提升300%的实用指南
项目地址: https://gitcode.com/gh_mirrors/la/labelImg 你是否还在为图像标注效率低下而烦恼？标注过程中频繁切换工具、格式不兼容、操作流程复杂等问题是否让你倍感疲惫？本文将详细介绍LabelImg这款图像标注神器的使用方法，帮助你轻松掌握高效标注技巧，从安装到高级操作一站式解决，让你的标注工作事半功倍。读完本文，你将能够独立完成从环境搭建到批量标注的全流程，并了解如何根据需求选择合适的标注格式。
LabelImg简介
LabelImg是一款图形化图像标注工具，采用Python编写并使用Qt框架构建图形界面。该工具支持将标注结果保存为PASCAL VOC（XML格式）、YOLO和CreateML等多种格式，适用于ImageNet等计算机视觉项目。作为Label Studio社区的一部分，LabelImg提供了简单直观的操作界面，即使是非专业用户也能快速上手。
LabelImg的核心功能模块包括：
- libs/canvas.py：提供图像显示和标注区域绘制功能
- libs/labelFile.py：支持多种格式的标注文件读写
- libs/pascal_voc_io.py、libs/yolo_io.py、libs/create_ml_io.py：分别处理不同标注格式的转换与存储
安装步骤
通过PyPI安装（推荐）
对于Python 3.0及以上版本，可通过以下命令快速安装：
pip3 install labelImg
labelImg
# 或指定图像路径和预定义类别文件
labelImg [IMAGE_PATH] [PRE-DEFINED CLASS FILE]
从源码构建
Ubuntu Linux
sudo apt-get install pyqt5-dev-tools
sudo pip3 install -r requirements/requirements-linux-python3.txt
make qt5py3
python3 labelImg.py
macOS
# 使用Homebrew安装依赖
brew install qt libxml2
# 或使用pip安装
pip3 install pyqt5 lxml
make qt5py3
python3 labelImg.py
Windows
- 安装Python、PyQt5和lxml
- 打开命令提示符并进入项目目录
- 执行以下命令：
pyrcc5 -o libs/resources.py resources.qrc
python labelImg.py
界面介绍与基础操作
LabelImg的主要界面由菜单栏、工具栏、图像显示区和标签列表组成。以下是PASCAL VOC格式标注的基本步骤：
- 点击"File"菜单中的"Change default saved annotation folder"设置标注文件保存路径
- 点击"Open Dir"按钮选择图像所在目录
- 点击工具栏中的"Create RectBox"按钮或按快捷键
w开始绘制矩形框 - 在图像上点击并拖动鼠标创建标注区域
- 释放鼠标后会弹出标签输入对话框，输入目标类别名称
- 完成一个图像的标注后，按
d键切换到下一张图像，按s键保存标注结果
高级功能
自定义类别
通过编辑数据预定义类别文件，可以加载常用目标类别列表，避免重复输入。每行输入一个类别名称，例如：
person
car
bike
dog
cat
标注格式切换
LabelImg支持三种标注格式，可通过工具栏按钮切换：
- PASCAL VOC：默认格式，生成XML文件，包含图像路径、尺寸、目标类别和边界框坐标等信息
- YOLO：生成TXT文件，每行代表一个目标，包含类别ID和归一化的边界框坐标
- CreateML：生成JSON格式，适用于Apple的CreateML工具
切换到YOLO格式时，程序会在图像目录下生成"classes.txt"文件，记录类别名称与ID的对应关系。
快捷键一览
| 快捷键 | 功能描述 |
|---|---|
| Ctrl + u | 加载目录中的所有图像 |
| Ctrl + r | 更改标注文件保存目录 |
| Ctrl + s | 保存当前标注 |
| Ctrl + d | 复制当前标注框 |
| Ctrl + Shift + d | 删除当前图像 |
| Space | 将图像标记为已验证 |
| w | 创建矩形标注框 |
| d | 下一张图像 |
| a | 上一张图像 |
| del | 删除选中的标注框 |
| Ctrl++ | 放大图像 |
| Ctrl-- | 缩小图像 |
| ↑→↓← | 移动选中的标注框 |
实际应用场景
LabelImg广泛应用于计算机视觉领域的数据集构建，如目标检测、图像分类等任务。以下是一些典型应用场景：
- 学术研究：为论文实验构建自定义数据集
- 工业质检：标注产品缺陷样本，用于训练缺陷检测模型
- 自动驾驶：标注道路场景中的车辆、行人、交通标志等目标
- 农业监测：标注农作物病虫害图像，辅助智能识别系统开发
常见问题解决
标注文件无法保存
检查是否正确设置了标注文件保存目录，确保有写入权限。可通过"File > Reset All"重置设置，或手动删除主目录下的.labelImgSettings.pkl文件。
中文显示乱码
确保系统已安装中文字体，或在字符串资源文件中正确配置字符编码。
类别列表不显示
检查预定义类别文件的路径和格式是否正确，确保文件编码为UTF-8且无BOM。
总结与扩展
LabelImg作为一款轻量级图像标注工具，以其简单易用、支持多格式等特点，成为计算机视觉领域数据准备阶段的重要工具。虽然目前LabelImg已加入Label Studio社区不再单独维护，但对于需要快速构建中小型数据集的场景仍然非常实用。
对于大规模标注任务，可考虑迁移到功能更全面的Label Studio，支持图像、文本、音频、视频等多模态数据标注。通过本文介绍的方法，你可以快速掌握图像标注的基本流程和高级技巧，为后续的模型训练奠定良好的数据基础。
如需进一步扩展LabelImg功能，可参考贡献指南参与项目开发，或使用标签转换工具将标注结果转换为其他格式进行数据分析。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
