YOLO视觉检测应用标注篇（一）

标注 Label

本篇将简要介绍几个用于Yolo标注的工具：
Labelme、Labelimg、Label Studio。
后续将介绍基于SAM2的半自动标注以及全自动标注的实现。

Labelme

labelme的Github主页

安装Labelme

可以参考官方Guide
最简单使用pip安装(使用了PyQT5)

pip install labelme

或者下载单独exe文件
下载地址

使用Labelme

以pip安装的为例，在命令行中输入

labelme

就可以打开labelme，显示如下图

选择打开目录，导入需要进行标注的图片所在文件夹。
根据需要，选择编辑-创建图形
以矩形为例，在图片上框选点选矩形的第一个点，然后在对顶角再点一下，就确定了一个矩形

在弹窗的框中给目标起一个名称（比如package）

然后对下一张图片进行标注。
此时会询问是否对标注进行保存，选择是-选择路径-保存为json文件。

NOTE
文件名请勿修改，保持和图片名称一致

将所有图片标注后，将得到全部的标注文件（JSON格式）
然后将所有json文件转为Yolo使用的txt格式标注文件（本文稍后介绍）
更详细的教程请参见：官方教程

Labelimg

labelimg的Github主页

NOTE
LabelImg is now part of the Label Studio community.

安装Labelimg

同样使用了PyQT5

pip install labelimg

更多安装请参考Github主页

使用Labelimg

首先需要建立classes.txt文件，存储需要标注的类别（比如package）
其余与Labelme类似。

Label Studio

Label Studio官网
Label StudioGithub项目页

安装Label Studio

使用pip进行安装，或在Github项目页查找其他方式安装

pip install label-studio

使用Label Studio

在命令行中输入：

label-studio start

即可以打开label studio
sign up进行注册或者在有账号的情况下直接登陆

登陆后可以新建项目

输入项目名称，导入数据以及labeling setup

在labeling setup中，选择合适的标注方法
比如第一行第三个是物体框型检测，我们以此为例：

将labels中的airplane和car删除，新add一个package，然后save，我们就可以去导入的图片中进行框选了。

将图中所有物体进行框选后，标注就算完成了。

标注完成后可以选择export

NOTE
在项目的Setting-Danger Zone里面可以删除项目

Remark

这几个Labeling的项目都差不多，而且也已经开始支持各种AI。
但是相比较而已，我个人觉得对YOLO而言不是最好用的。
因为生成的JSON文件还需要转为txt。
后面将介绍我个人觉得更好用的工具。

JSON转TXT代码

下面是用于将JSON的标注文件转为TXT的python代码，供参考

import os
import json

def convert_labelme_to_yolo(root_dir, classes):
    for dirpath, _, filenames in os.walk(root_dir):
        for filename in filenames:
            if not filename.lower().endswith('.json'):
                continue
            
            json_path = os.path.join(dirpath, filename)
            try:
                with open(json_path, 'r') as f:
                    data = json.load(f)
            except json.JSONDecodeError as e:
                print(f"JSON解析失败 {json_path}: {str(e)}")
                continue

            try:
                img_w = data['imageWidth']
                img_h = data['imageHeight']
                shapes = data['shapes']
            except KeyError:
                print(f"缺少必要字段 {json_path}")
                continue

            yolo_lines = []
            for shape in shapes:
                label = shape.get('label', '')
                if label not in classes:
                    continue
                
                points = shape.get('points', [])
                shape_type = shape.get('shape_type', '')
                
                if shape_type == 'rectangle' and len(points) == 2:
                    (x1, y1), (x2, y2) = points
                elif shape_type == 'polygon' and len(points) >= 2:
                    xs = [point[0] for point in points]
                    ys = [point[1] for point in points]
                    x1, x2 = min(xs), max(xs)
                    y1, y2 = min(ys), max(ys)
                else:
                    continue
                
                try:
                    x_center = ((x1 + x2) / 2) / img_w
                    y_center = ((y1 + y2) / 2) / img_h
                    width = abs(x2 - x1) / img_w
                    height = abs(y2 - y1) / img_h

                    if not (0 <= x_center <= 1 and 0 <= y_center <= 1 and width > 0 and height > 0):
                        continue
                    
                    yolo_lines.append(f"{classes.index(label)} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}")
                except (IndexError, ValueError) as e:
                    print(f"坐标计算错误 {json_path}: {str(e)}")
                    continue

            if yolo_lines:
                txt_path = os.path.join(dirpath, filename.replace('.json', '.txt'))
                with open(txt_path, 'w') as f:
                    f.write('\n'.join(yolo_lines))
            else:
                print(f"无有效标注 {json_path}")

if __name__ == '__main__':
    ROOT_DIR = r"path\to\json" # modify your path to json files
    CLASSES = ["yourclass"] # Your class as ["a","b","c"]
    
    convert_labelme_to_yolo(ROOT_DIR, CLASSES)