4、标注工具LabelImg：安装、界面与格式切换
做目标检测，数据标注是绕不开的一步。我见过不少新手，模型选得挺新，代码也跑得溜，结果卡在标注上——要么格式不对，要么效率太低。说白了，标注工具就是你和数据之间的桥梁。今天咱们就聊聊最常用的那个：LabelImg。
本章核心：学会安装LabelImg、熟悉界面布局、掌握PascalVOC与YOLO格式的切换、熟练使用快捷键。学完你就能独立完成一个数据集的标注工作了。
4.1 LabelImg是什么？为什么选它？
LabelImg是一个开源的图像标注工具，用Python + Qt写的。它支持两种主流格式：PascalVOC（XML文件）和YOLO（TXT文件）。我个人习惯用它，原因很简单：轻量、免费、跨平台，而且社区活跃，遇到问题基本都能搜到答案。
你可能会问：「现在不是有LabelStudio、CVAT这些更炫的工具吗？」没错，那些工具功能确实多，但LabelImg的优势在于——开箱即用，没有学习曲线。我刚开始做项目时，团队里有人推荐CVAT，结果部署就花了两天。后来换回LabelImg，十分钟搞定。嗯，有时候简单就是最好的。
4.2 安装LabelImg
安装方式分三种，我按推荐程度排个序：
| 方式 | 命令/步骤 | 适用场景 |
|---|---|---|
| pip安装（推荐） | pip install labelimg |
Windows / Linux / macOS通用 |
| 源码安装 | git clone + python labelImg.py |
需要自定义功能时 |
| Windows exe | 下载打包好的exe文件 | 不想装Python环境 |
我的建议：直接用pip安装。我在项目里试过源码安装，虽然能改界面，但日常标注完全用不上那些定制功能。别给自己找麻烦。
安装完成后，终端输入 labelimg 就能启动。如果报错，多半是Python版本问题——LabelImg要求Python 3.6以上。我曾经在Python 3.5的环境下折腾了半天，最后发现是版本不兼容。你想想看，这种坑踩一次就够了。
4.3 界面介绍
启动后你会看到一个简洁的界面。别被它「简陋」的外表骗了，该有的功能一个不少。我把它分成五个区域：
- 菜单栏（顶部）：文件操作、格式切换、视图设置都在这里。
- 工具栏（左侧）：打开目录、保存、创建矩形框、编辑标签等核心操作。
- 图像显示区（中央）：你标注的图片会显示在这里，支持缩放和平移。
- 标签列表（右侧）：显示当前图片的所有标注框和对应的标签名。
- 文件列表（右下）：当前目录下的所有图片，点击即可切换。
我第一次用的时候，找了半天「保存」按钮——其实它就在左侧工具栏第二个图标。说白了，LabelImg的界面设计遵循「少即是多」的原则，每个按钮都有明确的用途，没有多余的装饰。
注意：启动后默认是PascalVOC格式。如果你要做YOLO训练，记得先切换格式，否则生成的XML文件YOLO读不了。我见过有人标注了500张图，最后发现格式不对……那感觉，别提了。
4.4 PascalVOC与YOLO格式切换
这是本章的重点。两种格式的区别，我用一张表说清楚：
| 对比项 | PascalVOC | YOLO |
|---|---|---|
| 文件格式 | XML | TXT |
| 坐标表示 | 左上角(xmin,ymin) + 右下角(xmax,ymax) | 中心点(x_center,y_center) + 宽高(width,height) |
| 坐标归一化 | 像素值 | 相对值（0~1之间） |
| 每张图片文件数 | 1个XML文件 | 1个TXT文件 |
| 标签存储 | 标签名直接写在XML里 | 用类别ID（数字）表示 |
切换方法很简单：点击菜单栏 View → Change Save Dir，然后选择YOLO格式。或者直接用快捷键 Ctrl+Y。切换后，保存的文件就会从XML变成TXT。
为什么会这样设计？PascalVOC格式更「人类可读」，你打开XML能看到标签名、坐标、甚至图片尺寸。而YOLO格式是为模型设计的——数字计算更快，文件更小。说白了，一个给人看，一个给机器看。
关键点：YOLO格式的坐标是归一化的。公式是：
x_center = (xmin + xmax) / 2 / image_width
y_center = (ymin + ymax) / 2 / image_height
width = (xmax - xmin) / image_width
height = (ymax - ymin) / image_height
所有值都在0~1之间。这也是为什么YOLO训练时不关心图片原始尺寸——它只看相对位置。
4.5 快捷键操作
标注是个重复性工作，效率全靠快捷键。我刚开始用手动点按钮，一天标200张就累得不行。后来把快捷键背熟了，一天能标600张。你想想看，差距就在这里。
下面是我最常用的快捷键，按使用频率排序：
| 快捷键 | 功能 | 我的使用场景 |
|---|---|---|
| W | 创建矩形框 | 标注新目标时，按W然后拖拽 |
| A / D | 上一张 / 下一张图片 | 切换图片，比鼠标点快3倍 |
| Ctrl+S | 保存 | 每标完一张图就按一次，养成习惯 |
| Ctrl+Z | 撤销 | 画错了？一键撤销，不用删框重画 |
| Delete | 删除选中框 | 框选错了目标，直接删 |
| Ctrl+Y | 切换YOLO格式 | 开始标注前先切好格式 |
| Ctrl+R | 重置缩放 | 放大后想回到原始视图 |
| 空格 | 标记为已检查 | 确认当前图片标注无误 |
我的习惯：左手放在键盘左侧（W、A、D、Ctrl区域），右手握鼠标。这样左手负责快捷键，右手负责画框，效率最高。你可以试试看，一开始可能不习惯，但用半小时后就回不去了。
4.6 标注流程实战
说了这么多，咱们走一遍完整的标注流程。假设你要标注一个「行人检测」数据集：
- 准备图片：把所有图片放在一个文件夹里，比如
images/。 - 启动LabelImg：终端输入
labelimg。 - 打开图片目录：点击 Open Dir，选择
images/文件夹。 - 设置保存目录：点击 Change Save Dir，选择另一个文件夹（比如
labels/）。 - 切换格式：按 Ctrl+Y 切换到YOLO格式。
- 创建标签列表：点击菜单 Edit → Create RectBox，输入标签名（比如
person）。 - 开始标注：按 W，在图片上拖拽框出行人，松开后选择标签。
- 保存：按 Ctrl+S，生成对应的TXT文件。
- 下一张：按 D 切换到下一张图片，重复步骤7-8。
嗯，就这么简单。但有几个细节要注意：
- 框要贴边：矩形框尽量紧贴目标边缘，不要留太多背景。我见过有人框得松松垮垮，模型学到的特征里一半是背景，精度直接掉10个点。
- 遮挡目标也要标：如果行人被汽车挡住了一半，照样要框出来。模型需要学会识别遮挡情况。
- 小目标要放大标：图片里远处的小人，用滚轮放大后再框。我曾经因为偷懒，小目标框得不准，结果模型对小目标的召回率惨不忍睹。
避坑指南：我曾经犯过一个低级错误——标注完一批数据后，发现TXT文件里全是0 0 0 0 0。查了半天，原来是忘记切换YOLO格式了，保存的还是XML。后来LabelImg自动把XML转成了TXT，但坐标全是0。所以，开始标注前一定要确认格式。
4.7 知识结构总览
下面这张图帮你梳理本章的知识体系：
4.8 常见问题与避坑
最后，我把这些年遇到的高频问题列出来，你遇到了直接对照着查：
| 问题 | 原因 | 解决方法 |
|---|---|---|
启动报错 No module named 'PyQt5' |
缺少Qt依赖 | pip install PyQt5 |
| 保存后找不到TXT文件 | 没有切换YOLO格式 | 按Ctrl+Y切换，重新保存 |
| 标签列表为空，无法选择 | 没有创建标签 | 点击 Edit → Create RectBox 添加标签 |
| 图片显示不全 | 图片太大或缩放异常 | 按Ctrl+R重置缩放 |
| 标注框无法拖动调整 | 鼠标模式不对 | 点击工具栏的「Edit」模式，再拖动框边缘 |
嗯，以上就是LabelImg的全部核心内容。工具本身不复杂，但用好它需要养成习惯——先切格式、再标注、勤保存。我刚开始也嫌麻烦，后来吃过亏才老实了。你记住这三个词，能省掉80%的麻烦。