Python labelImg 图像标注工具安装及使用教程windows版(亲测有效)

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、安装 QT5 tools

看到如上图,表示安装成功。

3、pyrcc编译资源文件

进入到labelImg解压后的文件,我这里是labelImg-master. 否则会报错

执行命令: pyrcc5 -o resources.py resources.qrc , 如下图

4、运行

5、将生成xml内容转换成txt

原内容:

预期结果

每一行的格式  文件路径  目标个数  左上角坐标  右下角坐标

转换代码如下

"""将labelimg 生成的xml标注文件转换为 opencv所要的txt文件
       
"""
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
lblfilePath='F:/OPenCV/Image' #改为自己的实际路径 
sets=['train', 'val']  #替换为自己的数据集
classes = ["LunTai", "hat"]     #修改为自己的类别
def  convert_annotation(image_id):
    try:
        in_file = open(lblfilePath+'/%03d.xml'%(image_id))  #例001.xml 
    except:
        return 0
    out_file = open(lblfilePath+'/trainlabel2020.txt', 'w')  #我们要生成opencv需要的文件
    tree=ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    filepath=root.find('path').text #文件路径
    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(filepath+" 1 "+" ".join([str(int(a)) for a in b]) + '\n')
    out_file.close()
    return 1
#wd = getcwd() #获取当前的工作路径
'''
if not os.path.exists('labels'):
    os.makedirs('labels')
'''

list_file = open('train.txt', 'w')
for image_id in range(1,50):
    if (convert_annotation(image_id) == 1):
        list_file.write('../images/train2020/%06d.jpg\n'%(image_id))
    #print('train/%06d.jpg\n'%(i))
list_file.close()
print('运行结束')
 

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值