---

LabelImg介绍

LabelImg是目标检测数据标注工具，可以标注两种格式：

• VOC标签格式，标注的标签存储在xml文件
• YOLO标签格式，标注的标签存储在txt文件中

LabelImg官网：

labelImg的GitHub链接：https://github.com/HumanSignal/labelImg

---

LabelImg安装

在Anaconda创建的虚拟环境中使用pip安装LabelImg。
1、打开 Anaconda Prompt
2、创建一个虚拟环境

conda create -n use_labelimg python=3.6

3、激活虚拟环境

conda activate use_labelimg

4、使用pip安装LabelImg（有挂代理/梯子记得关掉）

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

5、执行以下命令打开LabelImg

labelimg

---

LabelImg界面

---

标注常用的快捷键

• W：调出标注的十字架，开始标注
• A：切换到上一张图片
• D：切换到下一张图片
• Ctrl+S：保存标注好的标签
• del：删除标注的矩形框
• Ctrl+鼠标滚轮：按住Ctrl，然后滚动鼠标滚轮，可以调整标注图片的显示大小
• Ctrl+u：选择要标注图片的文件夹
• Ctrl+r：选择标注好的label标签存放的文件夹
• ↑→↓←：移动标注的矩形框的位置

---

标注前的一些设置

点击View显示如下图，然后把如下的几个选项勾上：

• Auto Save mode：当你切换到下一张图片时，就会自动把上一张标注的图片标签自动保存下来，这样就不用每标注一样图片都按Ctrl+S保存一下了
• Display Labels：标注好图片之后，会把框和标签都显示出来
• Advanced Mode：这样标注的十字架就会一直悬浮在窗口，不用每次标完一个目标，再按一次W快捷键，调出标注的十字架。

---

案例演示

1、假设在我的 green_plate文件夹 中已经存放了所要进行标注的车牌图片

2、在 LabelImg界面 通过 Open Dir 导入 green_plate文件夹

3、在 LabelImg界面 通过 Change Save Dir 选择 存放标注好图片的文件夹路径

4、在 LabelImg界面 点击 View 进行标注前的一些设置
5、设置标注的文件格式为YOLO

6、按W键调出标注的十字架，开始标注

可通过Ctrl+鼠标滚轮调整标注图片的显示大小，方便对目标进行标注

7、对一张图片标注完成后，按D键切换到下一张图片继续标注
8、如果需要对一个标注好的矩形框进行删除，可以按以下图片中的操作进行

9、重复以上步骤直至所有的图片标注完成
10、在存放标注好图片的文件夹中查看标注好的文件

---

检查YOLO标签中的标注信息是否正确

通过读取图像文件和相应的标签文件来绘制边界框，并在窗口中显示带有边界框的图像。
如果边界框的位置和大小与预期相符，那么可以认为YOLO格式的标签是正确的。

"""
文件名: CheckYOLOLabels.py
功能描述: 检查YOLO标签中的标注信息是否正确
"""import os
import cv2
import matplotlib.pyplot as plt
import numpy as npdef listPathAllfiles(dirname):"""遍历指定目录下的所有文件并返回一个包含这些文件路径的列表。"""result = []for maindir, subdir, file_name_list in os.walk(dirname):for filename in file_name_list:apath = os.path.join(maindir, filename)result.append(apath)return resultif __name__ == '__main__':# YOLO图片文件的保存路径imagespath = "DeepLearningProjects\\green_plate"# YOLO标签文件的保存路径labelspath = "DeepLearningProjects\\process_green_plate"# 获取所有标签文件的路径labelsFiles = listPathAllfiles(labelspath)# 逆序遍历标签文件，因为通常最新的文件在最后for lbf in labelsFiles[::-1]:# 读取标签文件的每一行，并将其分割成一个列表labels = open(lbf, "r").readlines()labels = list(map(lambda x: x.strip().split(" "), labels))# 构造对应的图片文件名imgfileName = os.path.join(imagespath, os.path.basename(lbf)[:-4] + ".jpg") # .jpg# 从文件中读取图片，cv2.imdecode函数可以将字节流解码为图像img = cv2.imdecode(np.fromfile(imgfileName, dtype=np.uint8), 1)# 遍历每个标签for lbs in labels:# 将标签字符串转换为浮点数，并去掉类别索引lb = list(map(float, lbs))[1:]# 根据标签计算边界框的左上角和右下角坐标x1 = int((lb[0] - lb[2] / 2) * img.shape[1])y1 = int((lb[1] - lb[3] / 2) * img.shape[0])x2 = int((lb[0] + lb[2] / 2) * img.shape[1])y2 = int((lb[1] + lb[3] / 2) * img.shape[0])# 在图像上绘制边界框cv2.rectangle(img, (x1, y1), (x2, y2), (0, 0, 255), 5)# 调整图像大小，使其最大边长为600像素ratio = 600 / min(img.shape[0:2])img = cv2.resize(img, dsize=(int(img.shape[1] * ratio), int(img.shape[0] * ratio)))# 显示带有边界框的图像cv2.imshow("Image", img)# 等待用户按键，按任意键继续cv2.waitKey()# 关闭所有OpenCV创建的窗口cv2.destroyAllWindows()

---

参考文章

目标检测使用LabelImg标注VOC数据格式和YOLO数据格式——LabelImg使用详细教程