Python labelImg工具安装及使用教程(亲测有效)

最新推荐文章于 2025-03-18 10:39:44 发布

SpongeBob@Hefei

最新推荐文章于 2025-03-18 10:39:44 发布

阅读量1.9w

点赞数 63

分类专栏：工具安装文章标签： python pip pytorch

本文链接：https://blog.csdn.net/bigkaimyc/article/details/105399187

版权

工具安装专栏收录该内容

5 篇文章

订阅专栏

本文详细介绍了labelImg工具的安装步骤，包括源代码下载、依赖库安装（lxml、pyqt5），以及配置和运行过程。此外，还提供了XML转TXT的Python代码示例，帮助用户更好地进行数据标注。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

写在前面：在做数据集的过程中需要使用到labelImg这个工具，找了许多的资料完成了安装和使用，写在这里供大家使用(2020.4.8亲测有用)

1.首先先下载这个工具的源代码(此处贴一个github上面的源代码)

labelImg

地址:https://github.com/tzutalin/labelImg
在这里插入图片描述

2.将获得的源代码的压缩包进行压缩(忽略前面的名字，随便找了个文件夹放位置)

在这里插入图片描述

3.进行补充包的下载，运行该代码需要一些第三方库。

1.lxml

2.pyqt5(这里使用pyqt4也是可以的，题主使用的是较新的)

很多教程里面提到的是需要使用Anocanda进行安装，题主这里使用比较简单的python第三方库下载安装工具 pip

注意：运行此代码需要使用的是python3，所以使用python2的用户需要改用python3，同时可以在cmd里面使用pip -V来查看下自己的pip版本，确保pip下载的库是给python3使用的

注意，在下载的过程中会出现速度过慢的情况，建议更换下载源(题主在使用原本的默认源的时候出现了read time out的问题)，如何更换下载源可以参考题主的另一篇博客

链接在这里

当然不想看的，可以直接采用题主下面的安装代码。

lxml（这里题主已经安装完毕了，）

pip install lxml -i https://pypi.tuna.tsinghua.edu.cn/simple/

在这里插入图片描述

pyqt5

pip install pyqt5 -i https://pypi.tuna.tsinghua.edu.cn/simple/

在这里插入图片描述

4.移动文件夹里的文件

将我们刚刚的labelImg-master文件夹里面的resources.py文件移动到libs里面，不然会出现找不到模板的bug

在这里插入图片描述

5。运行代码

cmd移动到labelImg-master文件夹所在的文件夹，运行labelImg.py 文件(因为题主电脑有py2和py3，所以把python3的启动变成了python3)，如果电脑只有一个python版本的话直接运行python labelImg.py就行了。
在这里插入图片描述

6.工具的使用方法

1.修改默认的XML文件保存位置，使用快捷键Ctrl+R，改为自己想要存储的自定义位置，注意，这里面的路径不能够含有中文，否则无法进行保存工作(代码中的编码不支持中文)

2."Open Dir"打开图片文件夹

在这里插入图片描述

3.打开的时候默认就会打开该文件夹的第一张图片，打开"Create\nRectBox"（题主认为这个地方可能是写这个代码的人写出了纰漏导致出现了\n,但是真的就是这个地方，在Edit里面),或者使用快捷键w，开始画框，点击结束画框，给该画框进行命名(一张图里面可以画很多个框)。完成一张图片后点击"Save"保存，这样生成的XML文件就已经保存到本地了，点击"Next Image"转到下一张图片。

7.想要其它类型的文件

在使用的过程中，不想要XML类型的文件，例如想要txt类型的文件。也是可以通过python代码来实现的，这里贴一个XML转换成为txt文件的代码

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join


sets=['train', 'val']  #替换为自己的数据集
classes = ["person", "hat"]     #修改为自己的类别

def convert(size, box):
    dw = 1./(size[0])
    dh = 1./(size[1])
    x = (box[0] + box[1])/2.0 - 1
    y = (box[2] + box[3])/2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x*dw
    w = w*dw
    y = y*dh
    h = h*dh
    return (x,y,w,h)

def convert_annotation(image_id):
    try:
        in_file = open('label/%06d.xml'%(image_id))
    except:
        return 0
    out_file = open('train2017/%06d.txt'%(image_id), 'w')
    tree=ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)
    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        #如果不是人或者是难以识别的人，跳过
        if cls not in classes or int(difficult)==1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
        bb = convert((w,h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
    return 1
wd = getcwd()

if not os.path.exists('labels'):
    os.makedirs('labels')

list_file = open('train.txt', 'w')
for image_id in range(148,149):
    if (convert_annotation(image_id) == 1):
        list_file.write('../coco/images/train2017/%06d.jpg\n'%(image_id))
    #print('train/%06d.jpg\n'%(i))
list_file.close()
print('运行结束')