背景

之前做了一个视觉识别的检测算法，有粉丝留言说Labelimg这个工具怎么用，从哪儿弄的，今天就把这个工具做个总结，过程中遇到的问题和注意点一并说一下。

一、什么是labelimg

labelimg是一款开源的图像标注工具，标签可用于分类和目标检测，它是用python写的，并使用Qt作为其图形界面，简单好用（虽然是英文版的）。其注释以 PASCAL VOC格式保存为XML文件，这是ImageNet使用的格式。此外，它还支持 COCO数据集格式。

1.安装

这是一个免费开源的图形化标注软件，像 Photoshop 一样简单！

安装方法（Windows 最简单）：

方法1：直接下载免安装版（推荐新手）

👉 下载地址：https://tzutalin.github.io/labelimg/

点击 “Download” → 选 Windows & Python 3 + Qt5 → 下载 zip 包解压后双击运行 labelImg.exe

方法2：命令行安装（稍专业）

 在cmd输入以下命令

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

然后等待其自动帮你安装labelimg以及lxml和pyqt5

2.使用

结束后，在cmd中输入labelimg，启动命令

labelimg

等一会会就会出现labelimg页面

注意：如果上面输入labelimg后，cmd中提示

不是内部或外部命令，也不是可运行的程序或批处理文件。

你可以试试使用everything搜索labelimg.exe。该软件一般在你python目录下的scripts目录中

3.开始标注

打开 LabelImg 后界面如下：

1. 点击左上角 Open Dir → 选择你存放所有图片的文件夹（比如叫 images/train）
2. 点击 PascalVOC 或 YOLO 格式按钮（先选 PascalVOC 更直观）
3. 按快捷键 W 开始画框

步骤	操作
1️⃣	打开一张图，看到连接器位置
2️⃣	按 W 键 → 鼠标拖动 → 把整个连接器外露部分框起来（尽量紧贴边缘）
3️⃣	弹出对话框输入类别名：<br>✅ 输入 hege 表示“合格”<br>❌ 输入 buhege 表示“不合格”
4️⃣	点击 Save → 自动生成一个 .xml 文件

使用说明：

  1) 打开LabelImg后，为了让操作更加方便，先设：
            Auto Save mode：切换到下一张图片的时候，会自动保存标签；

2) 点击Change Save Dir，设置存储位置

 3) 点击切换标注格式的按钮，转换成YOLO格式，也可以用PascalVOC

4) 点击Open Dir打开图片文件夹，之后开始标注。

常用操作快捷键：

一般使用W和D ，这里大家可以去试试，用上快捷键后，标注速度肯定会得到提升

• A：切换到上一张图片
• D：切换到下一张图片
• W：调出标注十字架
• del ：删除标注框框
• Ctrl+u：选择标注的图片文件夹
• Ctrl+r：选择标注好的label标签存在的文件夹
• Ctrl+s：保存

标注结果展示

1.VOC

       

这种的要转换，转换请看第4步

2. YOLO

生成文件如下

4.转换

转换为 YOLO 要的格式（.txt 文件）

得到了一堆 .xml 文件（来自 LabelImg），但 YOLO 模型需要的是 .txt 文件，内容是这种：

<class_id> <x_center> <y_center> <width> <height>

这五个数字到底是什么意思？

假设你的图片大小是 640×480 像素，你画了一个框：

• 左上角坐标：(100, 200)
• 右下角坐标：(200, 300)

那么这个框的信息是：

参数	计算方式	数值
中心点 x	(100 + 200)/2 = 150	150
中心点 y	(200 + 300)/2 = 250	250
宽度 w	200 - 100 = 100	100
高度 h	300 - 200 = 100	100

再做“归一化”（除以图片宽高）：

参数	归一化公式	结果（保留4位小数）
x_center	150 / 640 ≈ 0.2344	0.2344
y_center	250 / 480 ≈ 0.5208	0.5208
width	100 / 640 ≈ 0.1562	0.1562
height	100 / 480 ≈ 0.2083	0.2083

最后加上类别 ID：

• 假设 hege → class_id = 0
• buhege → class_id = 1

所以最终的一行就是：

0 0.2344 0.5208 0.1562 0.2083

这就是一条标准的 YOLO 标注！

https://blog.csdn.net/r502818330/article/details/146043528

完成后可进行后续的yolo训练方面的操作。

labelimg.exe的存放位置
使用everything软件查找labelimg，在目标检测上面，在标注图片上面，了解一些labelimg及其使用还是很有必要的

https://www.cnblogs.com/Dongmy/p/18741639

https://blog.csdn.net/knighthood2001/article/details/125883343

yolov8/yolo11的视觉识别算法使用和详解可以参考博主的这篇文章：

基于yolov8/yolo11的视觉识别算法使用和详解

二、遇到的问题和解决方法

1.TypeError: arguments did not match any overloaded call:

我一开始下载labeling后，每次画框都会闪退，控制台报错类似这种错误：

TypeError: arguments did not match any overloaded call:
  drawLine(self, l: QLineF): argument 1 has unexpected type 'float'
  drawLine(self, line: QLine): argument 1 has unexpected type 'float'
  drawLine(self, x1: int, y1: int, x2: int, y2: int): argument 1 has unexpected type 'float'
  drawLine(self, p1: QPoint, p2: QPoint): argument 1 has unexpected type 'float'
  drawLine(self, p1: Union[QPointF, QPoint], p2: Union[QPointF, QPoint]): argument 1 has unexpected type 'float'

后来经过网上搜索发现，这个版本可能有问题，问题的具体是在 paintEvent 方法中调用 drawLine 函数时传入了浮点数参数，而 drawLine 函数期望的是整数类型

这表明 drawLine 方法的所有重载版本都期望整数类型的坐标值，但实际传入的是浮点数。通常情况下，这是由于坐标值没有被正确地转换为整数导致的。

解决方案

要解决这个问题，你需要修改 canvas.py 文件中的相关代码，确保在调用 drawLine 方法之前将所有浮点数坐标值转换为整数。以下是具体的步骤：

修改 canvas.py 文件

找到 canvas.py 文件中的第 530 行，该行代码是这样的：

if self.drawing() and not self.prev_point.isNull() and not self.out_of_pixmap(self.prev_point):
	p.setPen(QColor(0, 0, 0))
	p.drawLine(self.prev_point.x(), 0, self.prev_point.x(), self.pixmap.height())
	p.drawLine(0, self.prev_point.y(), self.pixmap.width(), self.prev_point.y())

修改为：

p.drawLine(int(self.prev_point.x()), 0, int(self.prev_point.x()), int(self.pixmap.height()))
p.drawLine(0, int(self.prev_point.y()), int(self.pixmap.width()), int(self.prev_point.y()))

完成上述修改后，保存 canvas.py 文件，并重新启动 LabelImg。如果一切正常，你应该不会再遇到之前的错误。

注：这里面类似的报错挺多的，但是改法都大同小异参考这个int() 改法处理即可

今天的分享就到这里了，等遇到其他问题接着收集，有相关问题可以和博主交流，竭尽所能去处理