AI数据标注工具（Labelimg）安装及使用实战教程

在AI目标检测任务中，高质量的标注数据是模型训练的核心前提，而Labelimg作为一款轻量、开源且专注于图像目标检测标注的工具，凭借操作简单、支持PascalVOC等主流标注格式的优势，成为新手入门数据标注的首选。但不少用户在安装时会因环境依赖(如Python、PyQt)配置出错卡壳，使用时也常对标注流程、格式导出等操作存在疑问。本文聚焦“实战”，从Labelimg的安装步骤到标注全流程(创建项目、标注框绘制、标签设置、结果导出)，用清晰步骤+避坑提示，帮你快速上手这款工具，高效完成图像目标检测标注任务。

一、简介

        LabelImg是一个开源的图形图像注释工具，用于创建边界/矩形框（适用于要标注物体的位置和大小）和多边形注释（适用于标注非规则形状的物体）。它是用Python写的，并使用Qt作为其图形界面。LabelImg能够在Windows、Linux和macOS等多个平台上运行，同时支持各种类型的图像文件格式，如JPG、PNG和BMP等（注：图片格式不是这几种的，可以使用格式工厂转一下即可）。

        在LabelImg中，可以选择PASCAL VOC、YOLO和CreateML三种格式进行类别标注，生成的文件类型分别为：

        PASCAL VOC——xx.XML文件（常用）

        YOLO——xx.txt文件（常用）

        CreateML——xx.json文件

        CreateML是Apple提供的一种机器学习工具箱，用于构建和训练各种机器学习模型，包括图像分类、目标检测等任务。

二、Labelimg工具的安装

        Labelimg安装十分方便，不需要去git或者github上下载什么开源代码，使用pip就能直接安装。

1. conda 安装

        建议在conda中创建一个独立的环境来安装图片标注工具），避免忘记安装在哪个环境中，或者与其他环境混淆。

        （1）创建环境

conda create -n labelimg python=3.8

        输入y，继续安装

        出现以上信息，即创建完成

        （2）激活环境，安装工具

        a. 激活环境

 conda activate labelimg

        左边出现你的环境名，即切换成功

        b. 安装工具

pip install labelimg

        这里选择默认版本（最新版）安装，你也可以指定labelimg的版本号进行安装

        在末尾出现successfully就表示安装成功啦~

2. Pip安装

        若没有安装conda，使用python原生IDLE开发的，可以直接打开cmd命令符窗口

        输入pip install labelimg 安装成功后即可

三、Labelimg工具的使用

1. 打开工具

        （1）打开工具

        在刚刚创建的环境中直接输入 labelimg

        （2）基本功能介绍

        （3）快捷键

        在Labelimg中比较常用的快捷键如下：

2. 使用工具

        （1）选择YOLO模式创建标签

        若打完标签未保存，切换图片时，会出现保存提醒

        保存成功后，会在你选择保存标签的文件夹中默认生成两个txt文件：

                1.存放标签信息的文件(XXX.txt)；

                2.存放标签类别的文件(classes.txt)

        存放标签信息的文件的文件名为与图片名相同，内容由N行5列数据组成。

        每一行代表标注的一个目标，通常包括五个数据，从左到右依次为：类别id、x_center、y_center、width、height。

        其中：

                类别id代表标注目标的类别；

                x_center和y_center代表标注框的相对中心坐标；

                width和height代表标注框的相对宽和高。

        请注意，这里的中心点坐标、宽和高都是相对数据！！！

        存放标签类别的文件的文件名为classes.txt (固定不变)，用于存放创建的标签类别。

        （2）选择create ML模式创建标签

        同样会生成两个文件：

                1.存放标签信息的文件(XXX.json)；

                2.存放标签类别的文件(classes.txt)(若之前存在，则不会再生成)

        在生成JSON文件中，每个目标都表示为一个对象，其中包含以下属性：

                image：图像文件的名称。

                annotation：一个包含所有目标的数组，每个目标都表示为一个对象。包括：

                label：目标的类别名称，例如"汽车"、"人"、"自行车"等。

                x和y：目标的左上角坐标，表示其在图像中的位置。

                width和height：目标的宽度和高度，表示其在图像中的大小。

        （3）选择PascalVOC模式创建标签

        同样会生成两个文件：

                1.存放标签信息的文件(XXX.xml)；

                2.存放标签类别的文件(classes.txt)(若之前存在，则不会再生成)

        每个XML文件对应一个图像文件，文件中包含了对图像的解释。具体来说，XML文件里标记了物体框的坐标和类别等信息。对于用户自定义数据，可根据实际情况对这些字段进行标注。

        在XML文件中，关键信息包括：

                folder：图像所在文件夹名

                filename：图像文件的名称

                path：图像所在路径

                size：图像的尺寸，包括宽度、高度和通道数

                object：标注框的信息，包括：

                        name：物体框对应的类别名称

                        bndbox：物体框的信息，包括左上角和右下角的坐标。

                                xmin：图像左上角x坐标

                                ymin：图像左上角y坐标

                                xmax：图像右下角x坐标

                                ymax：图像右下角y坐标

        此外，XML文件中还可能包含其他相关信息，例如物体框的遮挡情况(pose)、是否被截断（truncated）、是否是难检测（difficult）物体等。这些信息用于辅助标注和评估目标检测任务的性能。

四、YOLO格式文件与VOC格式文件相互转换

        1. txt2xml

def Txt2XML(input_txt_dir, output_xml_dir, image_dir, class_txt):
    # 获取txt文件的目录列表
    txt_files = os.listdir(input_txt_dir)
    # 获取图像的目录列表
    image_files = os.listdir(image_dir)
    image_infos = []
    for txt_file in txt_files:
        file_name, file_ext = os.path.splitext(txt_file)
        for image_file in image_files:
            images = []
            image_name, image_ext = os.path.splitext(image_file)
            if image_ext == '.jpg':
                # 判断图像名是否与txt文件名相同
                if image_name == file_name:
                    images.append(image_file)
                    # 读取txt文件中的标注信息
                    with open(os.path.join(input_txt_dir, txt_file), 'r') as f:
                        bboxes = []
                        for line in f.readlines():
                            bbox_id, x_center, y_center, width, height = line.strip().split()
                            x_center = float(x_center)    # 相对坐标
                            y_center = float(y_center)    # 相对坐标
                            width = float(width)          # 相对坐标
                            height = float(height)        # 相对坐标
                            bbox = (bbox_id, x_center, y_center, width, height)
                            bboxes.append(bbox)
                        images.append(bboxes)
                    image_infos.append(images)
    # 获取标注框的类别列表
    class_names = []
    with open(class_txt, 'r') as classes:
        for class_name in classes.readlines():
            class_names.append(class_name.strip())
    # 遍历每个图像文件，获取图像的高度和宽度，并将标注信息写入XML文件
    for image_info in image_infos:
        image_file = image_info[0]
        image_name, image_ext = os.path.splitext(image_file)
        image_path = os.path.join(image_dir, image_file)
        img = cv2.imread(image_path)
        image_height, image_width, num_channels = img.shape[:3]   # 获取图片的高度、宽度和通道数
        # 创建XML文件并写入标注信息
        with open(os.path.join(output_xml_dir, image_name+'.xml'), 'a') as f:
            f.write('<annotation>\n')
            # 图像位置信息
            f.write('\t<filename>{}</filename>\n'.format(image_file))
            f.write('\t<path>{}</path>\n'.format(image_path))
            # 图像尺寸信息
            f.write('\t<size>\n')
            f.write('\t\t<width>{}</width>\n\t\t<height>{}</height>\n\t\t<depth>{}</depth>\n'.format(image_width, image_height, num_channels))
            f.write('\t</size>\n')
            # 图像类别、坐标信息
            bboxes = image_info[1]
            for bbox in bboxes:
                bbox_id, x_center, y_center, width, height = bbox
                xmin = (x_center * image_width) - (width * image_width)/2      # 计算标注框左上角x坐标值
                ymin = (y_center * image_height) - (height * image_height)/2   # 计算标注框左上角y坐标值
                xmax = (x_center * image_width) + (width * image_width)/2      # 计算标注框右下角x坐标值
                ymax = (y_center * image_height) + (height * image_height)/2   # 计算标注框右下角y坐标值
                f.write('\t<object>\n')
                f.write('\t\t<name>{}</name>\n'.format(class_names[int(bbox_id)].strip()))
                f.write('\t\t<pose>Unspecified</pose>\n')
                f.write('\t\t<truncated>0</truncated>\n')
                f.write('\t\t<difficult>0</difficult>\n')
                f.write('\t\t<bndbox>\n')
                f.write('\t\t\t<xmin>{}</xmin>\n\t\t\t<ymin>{}</ymin>\n\t\t\t<xmax>{}</xmax>\n\t\t\t<ymax>{}</ymax>\n'.format(int(xmin), int(ymin), int(xmax), int(ymax)))
                f.write('\t\t</bndbox>\n')
                f.write('\t</object>\n')
            f.write('</annotation>')

        2. xml2txt

def XML2txt(input_dir, output_dir, class_txt):
    # 获取所有XML文件列表
    xml_files = os.listdir(input_dir)
    # 获取标注框的类别列表
    class_names = []
    with open(class_txt, 'r') as classes:
        for class_name in classes.readlines():
            class_names.append(class_name.split())
    # 遍历每个XML文件
    for xml_file in xml_files:
        # 获取文件名和扩展名
        file_name, file_ext = os.path.splitext(xml_file)
        # 确保是XML文件
        if file_ext == '.xml':
            # 解析XML文件并获取标注信息
            tree = ET.parse(os.path.join(input_dir, xml_file))
            root = tree.getroot()
            # 获取图像的最大宽度和高度
            max_width = float(root.find('size').find('width').text)
            max_height = float(root.find('size').find('height').text)
            # 获取标注框的坐标信息
            bndbox_coords = []
            for obj in root.findall('object'):
                bbox_type = obj.find('name').text
                type_id = class_name.index(bbox_type)
                bndbox = obj.find('bndbox')
                xmin = float(bndbox.find('xmin').text)
                ymin = float(bndbox.find('ymin').text)
                xmax = float(bndbox.find('xmax').text)
                ymax = float(bndbox.find('ymax').text)
                bndbox_coords.append((type_id, xmin, ymin, xmax, ymax))
            # 计算YOLO所需的格式并写入输出文件
            with open(os.path.join(output_dir, file_name + '.txt'), 'w') as f:
                for coords in bndbox_coords:
                    type_id, xmin, ymin, xmax, ymax = coords
                    x_center = (xmin + xmax) / 2 / max_width    # x_center字段计算，相对坐标
                    y_center = (ymin + ymax) / 2 / max_height   # y_center字段计算，相对坐标
                    width = (xmax - xmin) / max_width           # width字段（相对宽）计算
                    height = (ymax - ymin) / max_height         # height字段（相对高）计算
                    f.write('{} {:.6f} {:.6f} {:.6f} {:.6f}\n'.format(type_id, x_center, y_center, width, height))

总结

本文围绕 Labelimg 的 “安装 + 实战使用” 展开，为用户提供了落地性极强的指南：安装环节详细拆解了 Windows 系统通过 Python pip 安装、macOS 通过 Homebrew 配置环境的步骤，重点标注了 PyQt 版本兼容、环境变量配置等易踩坑点，确保工具顺利部署;使用实战部分以 “目标检测标注” 为例，完整演示了从导入图像、绘制标注框、设置标签，到导出 PascalVOC 格式文件的全流程，还补充了快捷键使用技巧(如 Ctrl+S 保存、Ctrl+D 复制标注框)以提升效率。掌握这些内容，即可用 Labelimg 完成基础的图像目标检测标注，为后续 AI 模型训练提供合规数据。若需进阶，可进一步探索工具的批量标注、自定义标签模板等功能，满足更复杂的标注需求。