labelimg（目标检测标注工具）的安装、使用教程和问题解决
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：
- 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） - 点击
PascalVOC或YOLO格式按钮（先选PascalVOC更直观） - 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