4、标注工具入门：LabelImg、CVAT等工具的安装与界面介绍
好，我们正式开始动手了。前面三章讲了缺陷分类、标注规范和格式标准，都是理论。从这一章开始，我们要真刀真枪地干活——装工具、开界面、点鼠标。
材料缺陷标注，说白了就是在一张图上一块一块地框出缺陷区域，再告诉电脑“这是裂纹”、“这是气孔”。你想想看，没有趁手的工具，光靠画图软件一个个像素抠，那得累死。我当年刚入行的时候，就干过这种傻事，用Photoshop手动画矩形框，画完还得自己算坐标……嗯，不提了。
4.1 主流标注工具概览
目前工业界和学术界用得最多的，就是下面这三类。我按自己的使用经验排了个序：
| 工具 | 适用场景 | 我的评价 |
|---|---|---|
| LabelImg | 单机小批量、快速标注 | 轻量、免费、上手最快，适合个人或小团队 |
| CVAT | 团队协作、大规模标注 | 功能全面、支持多人协同，但部署稍麻烦 |
| Label Studio | 多模态、复杂标注需求 | 灵活度高，但学习曲线陡一些 |
咱们这门课主要讲材料缺陷标注，所以我会重点带你把 LabelImg 和 CVAT 这两个吃透。前者帮你快速上手，后者帮你应对真实项目中的团队协作场景。
核心观点： 工具只是手段，标注规范才是灵魂。但工具用不顺，规范也执行不下去。所以这一章，咱们先把工具磨利。
4.2 LabelImg：最轻量的入门之选
4.2.1 安装方法
LabelImg 是个 Python 写的桌面应用，安装方式有两种。我个人推荐用 pip 安装，干净利落。
方式一：pip 安装（推荐）
pip install labelImg
labelImg就这么两行，搞定。如果你用的是 Anaconda，建议先建个虚拟环境：
conda create -n labelimg python=3.8
conda activate labelimg
pip install labelImg
labelImg方式二：源码安装
如果你需要二次开发或者定制功能，可以拉源码：
git clone https://github.com/tzutalin/labelImg.git
cd labelImg
pip install -r requirements/requirements-linux-python3.txt
make qt5py3
python labelImg.py小提示： 我在项目中遇到过一个问题——Windows 下用 pip 安装后，有时候会报 No module named 'PyQt5'。别慌，手动装一下 PyQt5 就行：pip install PyQt5。
4.2.2 界面速览
装好之后，在终端敲 labelImg，界面就弹出来了。我带你快速过一遍核心区域：
- 左侧工具栏： 打开文件夹、保存、下一张、上一张、画框、删除框等核心操作都在这里。
- 中央画布区： 显示图片，你就在这里画矩形框。
- 右侧标签列表： 显示当前图片的所有标注框和对应的标签名。
- 底部状态栏： 显示当前图片路径、标注文件保存状态。
嗯，这里要注意：LabelImg 默认只支持 矩形框（Bounding Box），不支持多边形、关键点等复杂形状。对于材料缺陷标注来说，矩形框其实够用了——裂纹、气孔、夹杂物，大部分都能用矩形框框住。
4.2.3 标注流程
我个人习惯的标注流程是这样的：
- 设置标签文件： 点击左侧
Change Save Dir选择标注文件保存路径，点击Open Dir打开图片文件夹。 - 创建标签列表： 点击
PascalVOC切换到YOLO格式（看你的需求），然后点击Edit→Create RectBox开始画框。 - 画框并标注： 在缺陷区域按住鼠标左键拖动，松开后弹出标签选择框，选对应的缺陷类型。
- 保存： 按
Ctrl+S保存，按D切换到下一张。
避坑指南： 我曾经因为忘记设置 Change Save Dir，标注了100多张图，结果发现标注文件全部存到了默认路径，跟图片混在一起，整理起来简直噩梦。所以，开工前一定先设好保存路径。
4.3 CVAT：团队协作的利器
4.3.1 安装方法
CVAT 是个 Web 应用，需要部署在服务器上。官方推荐用 Docker 部署。我第一次部署的时候也折腾了一会儿，但用顺了之后真香。
Docker 部署（推荐）
# 克隆 CVAT 仓库
git clone https://github.com/opencv/cvat
cd cvat
# 启动 Docker 容器
docker compose up -d
# 创建超级用户
docker exec -it cvat_server bash -c "python manage.py createsuperuser"等几分钟，打开浏览器访问 http://localhost:8080，用刚才创建的账号登录，就搞定了。
小提示： 如果你的机器没有 GPU，可以在 docker-compose.yml 里把 GPU 相关的配置注释掉，不然启动会报错。我踩过这个坑。
4.3.2 界面速览
CVAT 的界面比 LabelImg 复杂不少，但功能也更强大。核心区域有：
- 项目面板： 创建项目、管理任务、分配标注员。
- 任务列表： 每个任务包含一批图片，可以指定标签类型和标注规范。
- 标注工作区： 画布区支持矩形、多边形、关键点、线条等多种标注形状。
- 标签面板： 显示当前任务的标签列表，支持颜色区分。
- 作业管理： 可以查看每个标注员的进度、审核标注结果。
说白了，CVAT 就是一个完整的标注管理系统。项目经理创建任务，标注员领任务干活，审核员检查质量，全流程都在一个平台上。
4.3.3 核心功能对比
| 功能 | LabelImg | CVAT |
|---|---|---|
| 标注形状 | 仅矩形 | 矩形、多边形、关键点、线条、椭圆 |
| 多人协作 | 不支持 | 支持，有角色权限管理 |
| 自动标注 | 不支持 | 支持（集成深度学习模型） |
| 数据格式 | Pascal VOC、YOLO | COCO、Pascal VOC、YOLO、TFRecord 等 |
| 部署方式 | 单机桌面应用 | Web 服务，需服务器 |
4.4 工具选择建议
你可能会问：那我到底该用哪个？我的建议很简单：
- 个人学习、小批量验证（几十到几百张图）： 用 LabelImg，装得快、学得快、用得也快。
- 团队项目、大规模标注（上千张图、多人协作）： 上 CVAT，管理功能能帮你省下大量沟通成本。
我自己做项目的时候，通常是先用 LabelImg 快速验证标注方案是否合理，确认没问题之后，再迁移到 CVAT 上大规模铺开。这样既灵活又规范。
一句话总结： LabelImg 是“单兵作战”的利器，CVAT 是“集团军作战”的平台。两个都学会，你就能应对从个人实验到工业级项目的所有场景。
4.5 本章知识体系
下面这张图帮你梳理了本章的核心逻辑：