图像标注工具labelImg使用

用于深度网络训练的数据集做标注的方法和工具有好多，像Labelme、labelImg、yolo_mark、Vatic、Sloth等等，此处暂时只介绍其中的一种标注工具：labelImg。等到后期熟悉其他的标注工具会一一介绍。

1、 安装labelImg

推荐在anaconda下安装，需要具备python3以上的环境+lxml，没有的话使用pip安装即可。

1.1下载labelImg

github地址: https://github.com/tzutalin/labelImg.

1.2 解压

下载下来之后，解压。打开Anaconda Prompt 切换至解压缩后的LabelImg目录

1.3 安装pyqt5

查看一下有没有安装lxml，没有安装的话：pip install lxml

pip install pyqt5
pyrcc5 -o libs/resources.py resources.qrc

1.4 打开labelImg工具

python labelImg.py

得到如下界面

二、labelImg工具使用方法

1、在任意目录下创建两个文件夹，一个JPEGImages文件夹存储需要标注的图片，另外一个Annotations文件夹存储与voc数据集格式一样的xml文件；

2、 在labelImg界面ctrl+R选择标注图片时生成的xml文件保存的路径，即选择Annotations文件夹（或者点击界面上的Change save dir）；

3、 点击labelImg界面的open dir选择创建的文件夹JPEGImages，就可以导入需要标注的图片，图片列表显示在标注界面的右下角，如下图所示：

4、 点击界面左下角，选中create\nRectBox就可以在图片上进行标注，标注好的区域及标签会显示在右边中间位置，图片标注完成之后，点击按钮save即可保存生成和图片名命名相同的xml文件到Annotations文件夹下。标注后如下：

其中，xml的格式如下：

注意
1、当需要打开一个别人标注好的数据时，先点击Change save dir打开存放xml的文件夹，然后在点击open dir打开图像所在问价夹。可直接对已有标注数据进行调整，保存后对应的xml文件也会更改。
2、更改预定义类别：labelimg问价夹下data目录下的predefined_classes.txt文件为预先定义好的label值，可以根据实际数据集修改label值。

常用的快捷键

项目	Value
w	创建一个标注框
d	下一张图片
a	上一张图片
Ctrl + s	保存
Ctrl + R	更改xml目录（Change Save Dir）
Ctrl + U	打开图片目录（open Dirr）
Ctrl + E	编辑标签
Ctrl + Q	退出软件
ctrl + L	标注框颜色
del	删除选定的矩形框
Ctrl + d	复制当前标签和矩形框
空格	前图像标记为已验证
Ctrl ++	放大
Ctrl - -	缩小
↑→↓←	键盘箭头移动选定的矩形框