LabelImg图像标注工具全攻略：从安装到实战（支持VOC/YOLO/CreateML格式）

LabelImg图像标注实战：从零构建高质量数据集的完整指南

如果你正在踏入计算机视觉领域，无论是做自动驾驶感知、工业质检，还是简单的物体识别项目，第一个绕不开的环节就是数据标注。没有高质量、格式正确的标注数据，再先进的模型也只是空中楼阁。而LabelImg，这个看似界面复古的工具，却是无数CV工程师和研究者迈出第一步的“老朋友”。它没有花哨的界面，但胜在稳定、开源，并且直接支持了业界最主流的几种标注格式。今天，我们就抛开那些简单的功能介绍，深入实战，聊聊如何用LabelImg搭建一套高效、可靠的图像标注工作流，并避开那些新手常踩的坑。

1. 环境部署与高效启动：不止于 pip install

很多教程会告诉你，安装LabelImg只需要一行 pip install labelimg。这没错，但一个稳定的标注环境远不止于此。尤其是在团队协作或长期项目中，环境隔离和工具链的完整性至关重要。

1.1 构建专属的Python虚拟环境

我强烈建议你不要在系统全局Python环境中安装任何数据科学相关的工具包。创建一个独立的虚拟环境，能避免版本冲突，也方便未来迁移或复现。

# 使用 conda 创建环境（如果你使用Anaconda）
conda create -n labelimg_env python=3.8 -y
conda activate labelimg_env

# 或者使用 venv（Python原生）
python -m venv labelimg_venv
# 在Windows上激活
labelimg_venv\Scripts\activate
# 在macOS/Linux上激活
source labelimg_venv/bin/activate

创建好环境后，再进行安装。为了提高下载速度，可以使用国内的镜像源。

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

注意：LabelImg对PyQt的版本有一定要求，如果安装后启动报错，可以尝试指定安装较新版本的PyQt5，例如 pip install pyqt5==5.15.9。

1.2 启动与项目目录规划

安装完成后，直接在命令行输入 labelimg 即可启动。但更高效的做法是，先规划好你的项目目录结构。一个清晰的结构能极大提升后续标注和模型训练的效率。

我常用的目录结构如下：

my_object_detection_project/
├── data/
│   ├── raw_images/       # 存放原始待标注图片
│   ├── annotated/        # 存放标注完成后的图片和标签文件
│   │   ├── VOC/          # 存放VOC格式的XML文件
│   │   ├── YOLO/         # 存放YOLO格式的TXT文件
│   │   └── CreateML/     # 存放CreateML格式的JSON文件
│   └── classes.txt       # 标签类别定义文件
└── scripts/              # 存放格式转换、数据划分等脚本

启动LabelImg时，可以直接导航到你的 raw_images 文件夹：

cd /path/to/my_object_detection_project/data/raw_images
labelimg

这样，工具一打开就直接定位到了你的图片库，省去了在界面里层层点击的麻烦。

2. 核心界面操作与效率倍增的快捷键哲学

打开LabelImg，你会看到一个功能分区明确的界面。左侧是图片显示区，右侧是文件列表，下方是标注框和类别信息。很多新手会依赖鼠标点击菜单，这非常低效。LabelImg的精髓，在于其完整的键盘快捷键操作流。

掌握以下核心快捷键，你的标注速度至少提升300%：

• W - 激活标注模式：这是最常用的键。按下后，鼠标变成十字，即可开始画框。
• A / D - 上一张 / 下一张：在连续标注时，用键盘切换图片比用鼠标点快得多。
• Ctrl + S - 保存当前标注：养成随时保存的习惯，防止意外关闭导致标注丢失。
• Del - 删除选中标注框：画错了框？选中后按删除键即可。
• Ctrl + D - 复制当前图片的标注到下一张：对于视频连续帧或相似图片，这个功能是神器。
• Ctrl + Shift + D - 复制当前标注框：在同一张图片内复制一个相同类别的框，微调位置即可。
• 空格键 - 标记当前图片为已验证：在团队质检流程中非常有用。
• Ctrl + R - 切换到标注文件保存目录：快速更改输出路径。

除了快捷键，界面上的几个设置项也决定了你的工作流是否顺畅：

• “View”菜单中，勾选“Auto Save mode”：这样每切换到下一张图片（按D）时，会自动保存当前图片的标注，无需手动按Ctrl+S，安全感十足。
• “View”菜单中，勾选“Display Labels”：在图片上显示类别标签，方便复查。
• 首次使用时，务必通过“Change Save Dir” 将保存目录指向我们之前规划好的 annotated/VOC 之类的文件夹，避免标注文件散落各处。

3. 三大标注格式深度解析与实战选择

LabelImg支持输出VOC、YOLO、CreateML三种格式。这不仅仅是文件后缀的不同，其背后的坐标体系、数据结构差异巨大，直接关联到你后续使用的训练框架。

3.1 VOC格式：XML结构的“标准答案”

PASCAL VOC挑战赛推出的格式，是一种绝对坐标的、描述性极强的XML文件。

特点：

• 坐标：存储的是边界框左上角 (xmin, ymin) 和右下角 (xmax, ymax) 的绝对像素坐标。
• 可读性：XML格式，人类可直接阅读，包含图片尺寸、对象名称、坐标等完整信息。
• 应用场景：早期很多框架（如TensorFlow Object Detection API的原生支持）和数据集都采用此格式。适合需要详细元数据信息的场景。

一个典型的VOC格式XML片段如下：

<annotation>
  <size>
    <width>1920</width>
    <height>1080</height>
    <depth>3</depth>
  </size>
  <object>
    <name>person</name>
    <bndbox>
      <xmin>500</xmin>
      <ymin>200</ymin>
      <xmax>600</xmax>
      <ymax>400</ymax>
    </bndbox>
  </object>
</annotation>

选择建议：如果你的项目对可解释性要求高，或者需要与其他基于VOC的工具链对接，可以选择此格式。但要注意，它的存储空间相对较大。

3.2 YOLO格式：归一化坐标的“效率之王”

Darknet YOLO系列模型使用的格式，是目前工业界最流行的格式之一。

特点：

• 坐标：存储的是边界框中心点 (x_center, y_center) 和宽高 (width, height) 的归一化坐标（值在0-1之间）。
• 紧凑性：每个对象一行，格式为 [class_id x_center y_center width height]，文件体积非常小。
• 应用场景：所有版本的YOLO（v3-v8, v10等）、以及许多其他支持该格式的检测框架（如PyTorch下的某些实现）。

YOLO标签文件（.txt）内容示例：

0 0.5 0.6 0.1 0.2

这表示：类别ID为0的对象，其中心点位于图片（50%宽度， 60%高度）处，宽度占图片宽的10%，高度占图片高的20%。

在LabelImg中使用YOLO格式：

1. 在界面中，点击菜单栏 File -> Change default saved Annotation format，从 PascalVOC 切换为 YOLO。
2. 关键一步：你必须提前准备一个 classes.txt 文件，放在图片目录或指定位置，其中按行列出所有类别名称（如 person, car, dog）。LabelImg会根据这个文件来分配 class_id（从0开始索引）。

提示：归一化坐标使得标注与图片原始尺寸解耦，数据增强（如缩放）时处理标签更简单，这是YOLO格式的一大优势。

3.3 CreateML格式：苹果生态的“原生语言”

专为苹果的Core ML和Create ML框架设计的JSON格式。

特点：

• 坐标：存储的是边界框的相对坐标和尺寸（类似于YOLO，但表示方式不同），且整个标注文件汇总在一个JSON里。
• 集成性：与苹果的开发工具链（Xcode, Create ML App）无缝集成。
• 应用场景：开发需要在iOS、macOS等苹果设备上运行的本地化机器学习应用。

格式对比与选择决策表

为了更直观地帮你做出选择，可以参考下表：

从当前社区活跃度和框架支持度来看，YOLO格式是大多数新项目的首选。除非你有明确的苹果平台部署需求，否则建议从YOLO格式开始。

4. 实战工作流：从原始图片到训练就绪的数据集

现在，让我们把前面的知识点串联起来，走通一个完整的标注流水线。

4.1 步骤一：数据准备与预处理

在把图片扔给LabelImg之前，做一些预处理能事半功倍。

• 统一尺寸：虽然模型训练时通常会resize，但提前将图片批量缩放到相近尺寸（如1024x768），可以提高标注时的视觉一致性。可以用Python的PIL库或 imagemagick 命令行工具批量处理。
• 重命名：使用有规律的命名（如 project_001.jpg, project_002.jpg），便于管理和后续脚本处理。
• 划分目录：严格按照第一节的目录结构放置图片。

4.2 步骤二：高效标注循环

1. 加载类别：在LabelImg中，使用 Open Dir 打开 raw_images，使用 Change Save Dir 指定 annotated/YOLO。在 annotated/YOLO 文件夹下创建好 classes.txt。
2. 进入“心流”状态：使用 W 画框，输入类别（或从右侧列表选），按 D 下一张（自动保存）。眼睛主要关注图片区域，手不离键盘，形成一个 画框 -> 输入/选择类别 -> 下一张 的肌肉记忆循环。
3. 质检与修正：标注完一批后，用 A 键往回翻看，检查是否有漏标、错标或框不准的情况。利用 Display Labels 功能快速视觉检查。

4.3 步骤三：格式验证与转换

标注完成后，不要直接用于训练。写一个简单的验证脚本检查格式是否正确，这能避免训练到一半才发现数据问题的尴尬。

以下是一个用于验证YOLO格式标签的Python脚本示例：

import os
import glob

def validate_yolo_annotation(img_path, label_path, classes):
    """
    验证YOLO标注文件是否有效
    """
    try:
        with open(label_path, 'r') as f:
            lines = f.readlines()
        for line in lines:
            parts = line.strip().split()
            if len(parts) != 5:
                print(f"错误：{label_path} 行格式不正确 -> {line}")
                return False
            cls_id, xc, yc, w, h = map(float, parts)
            if not (0 <= cls_id < len(classes)):
                print(f"错误：{label_path} 类别ID {int(cls_id)} 超出范围")
                return False
            if not (0.0 <= xc <= 1.0 and 0.0 <= yc <= 1.0):
                print(f"警告：{label_path} 中心坐标({xc}, {yc})超出[0,1]范围")
            if not (0.0 < w <= 1.0 and 0.0 < h <= 1.0):
                print(f"警告：{label_path} 宽高({w}, {h})异常")
    except FileNotFoundError:
        print(f"错误：标签文件未找到 {label_path}")
        return False
    return True

# 假设你的类别列表
classes = ["person", "car", "bicycle"]
# 遍历所有标签文件进行验证
label_files = glob.glob("annotated/YOLO/*.txt")
for lf in label_files:
    img_f = lf.replace('.txt', '.jpg').replace('YOLO', 'raw_images')
    if not validate_yolo_annotation(img_f, lf, classes):
        print(f"验证失败于: {lf}")

4.4 步骤四：数据集划分

最后，将标注好的数据划分为训练集、验证集和测试集。一个常见的比例是 70% : 20% : 10%。你可以手动操作，也可以使用脚本自动随机划分，并生成YOLO训练所需的 train.txt, val.txt，里面记录对应图片的绝对或相对路径。

完成以上四步，你得到的就是一个结构清晰、格式正确、可直接喂给目标检测模型训练的高质量数据集了。整个流程的核心在于规划前置和工具善用，把重复劳动交给快捷键和脚本，把精力集中在需要人类判断的标注质量本身上。