本文介绍了开源图形图像注释工具LabelImg，支持多种格式的标注，包括PASCALVOC、YOLO和CreateML。详细讲解了安装步骤、LabelImg的使用方法，以及不同格式文件之间的转换过程。
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（不会使用conda可以看【Python基础000】Anaconda+Pycharm让Python开发直接起飞 ），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：
| 快捷键 | 含义 |
| w | 绘制矩形框 |
| d | 下一张图片 |
| a | 上一张图片 |
| Del | 删除标注框 |
| Ctrl+鼠标滚轮 | 放大/缩小图片 |
| Ctrl + + | 放大图片 |
| Ctrl + - | 缩小图片 |
| Ctrl + s | 保存 |
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))
扫一扫
1586
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
