使用LabelImg工具标注数据(游戏辅助脚本开发)

一、LabelImg 安装（3 种主流方式）

1. 最简单方式：直接下载免安装版（推荐新手）

• 下载地址：LabelImg 官方 Releases

• 选择对应系统版本：

• Windows：下载 labelImg-windows.zip，解压后双击 labelImg.exe 直接运行
• Mac：下载 labelImg-macos.zip，解压后拖拽到应用程序文件夹
• Linux：下载 labelImg-linux.tar.gz，解压后执行 ./labelImg

2. 源码安装（适合需要自定义配置的用户）

• 前提：已安装 Python 3.6+

• 执行命令安装依赖：

  Windows/Mac/Linux通用

  pip install labelImg安装完成后，命令行输入 labelImg 即可启动工具

二、标注前准备（关键配置，适配 YOLOv5）

1. 提前定义标签文件（避免重复输入）

创建 labels.txt 文件，写入游戏目标标签（与 YOLOv5 配置文件 game.yaml 一致），示例：

enemy_head # 敌人头部（标签0）
enemy_body # 敌人身体（标签1）
weapon # 武器（标签2，可选）

• 标签顺序决定 YOLOv5 的类别 ID（第一行 = 0，第二行 = 1，以此类推）

• 将 labels.txt 放在游戏截图所在文件夹，方便后续加载

2. 设置标注格式为 YOLO（核心步骤）

启动 LabelImg 后，按以下操作切换到 YOLO 格式：

1. 点击顶部菜单 Format → 选择 YOLO（默认是 VOC 格式，需手动切换）

1. 点击顶部菜单 View → 勾选以下选项（提升标注效率）：

• • Auto Save（自动保存，标注完一张自动保存并跳转下一张）

• • Display Labels（显示已标注的标签名称）

• • Advanced Mode（高级模式，支持调整标注框坐标）

3. 加载图片文件夹和标签文件

1. 点击左侧工具栏 Open Dir（或快捷键 Ctrl+O），选择游戏截图所在文件夹（如 datasets/游戏名/train/images）

1. 点击左侧工具栏 Change Save Dir（或快捷键 Ctrl+S），选择标注文件保存路径（建议与图片同目录，方便管理）

1. 点击顶部菜单 File → Load Labels，选择提前创建的 labels.txt，加载标签列表（后续标注可直接选择，无需手动输入）

三、游戏目标标注实操步骤（以 FPS 敌人头部 / 身体为例）

1. 标注框绘制（核心操作）

1. 工具启动后，自动加载文件夹第一张图片

1. 点击左侧工具栏 Create RectBox（或快捷键 W），开始绘制标注框：

• • 敌人头部：框选敌人头部区域，尽量紧凑（爆头点识别关键）

• • 敌人身体：框选敌人躯干区域，避免包含过多背景

1. 绘制完成后，弹出标签选择框，选择对应标签（如 enemy_head），点击 OK 完成标注

1. 按快捷键 D 跳转下一张图片，重复上述步骤；按 A 返回上一张

2. 标注优化技巧（提升 YOLOv5 训练精度）

• 框选原则：标注框需完全包含目标，且边缘紧贴目标轮廓（不超出、不遗漏）

• • 错误示例：框选过大包含背景、框选过小只覆盖目标部分区域

• • 正确示例：敌人头部标注框刚好包裹头部，上下左右无多余背景

• 多目标处理：一张图片中有多个敌人时，需分别绘制标注框，分别选择对应标签

• 光影适配：同一敌人在不同光影下（如强光、阴影），标注框需保持一致性，不因光影变化缩小 / 扩大框选范围

• 距离适配：远距离敌人（目标较小）标注时，尽量精准框选核心区域（如头部中心点周围）

3. 快捷键汇总（高效标注必备）

|--------|----------|
| 快捷键 | 功能描述 |
| W | 创建矩形标注框 |
| D | 跳转下一张图片 |
| A | 跳转上一张图片 |
| Ctrl+S | 手动保存标注文件 |
| Del | 删除当前标注框 |
| Ctrl+Z | 撤销上一步操作 |
| 鼠标滚轮 | 缩放图片 |

四、标注文件验证与管理（避免训练报错）

1. 标注文件格式检查（YOLO 格式规范）

标注完成后，每张图片会生成对应的 .txt 文件（与图片同名），格式如下（以敌人头部为例）：

0 0.45 0.32 0.08 0.15 # 含义：类别ID 中心点x 中心点y 宽度 高度（均为归一化值）

• 类别 ID：与 labels.txt 顺序一致（enemy_head=0，enemy_body=1）

• 归一化值：坐标范围均在 0-1 之间（LabelImg 自动计算，无需手动修改）

• 若图片无目标：无需生成 .txt 文件，YOLOv5 训练时会自动忽略

2. 常见标注错误排查

• 错误 1：标注框超出图片范围 → 检查标注框是否紧贴图片边缘，调整标注框位置

• 错误 2：标签名称拼写错误 → 确保标注时选择的标签与 labels.txt 完全一致（大小写敏感）

• 错误 3：未切换到 YOLO 格式 → 重新设置 Format→YOLO，重新标注（或用工具批量转换 VOC 格式为 YOLO 格式）

• 错误 4：标注文件缺失 → 检查是否勾选 Auto Save，未保存的标注文件可重新打开图片手动保存

3. 标注文件管理规范

• 文件夹结构：按之前规划的 datasets/游戏名/train/images（图片）和 datasets/游戏名/train/labels（标注文件）分开存放（推荐），或标注文件与图片同目录（简化版）

• 备份机制：标注完成后，备份 labels 文件夹，避免误删导致重新标注

• 批量检查：使用 Python 脚本批量验证标注文件格式（如检查类别 ID 是否在合理范围、归一化值是否在 0-1 之间），示例脚本：

import os

def check_yolo_labels(label_dir, class_num=2):

"""

检查YOLO标注文件是否合法

label_dir: 标注文件目录

class_num: 类别数量（如enemy_head+enemy_body=2）

"""

for label_file in os.listdir(label_dir):

if label_file.endswith('.txt'):

with open(os.path.join(label_dir, label_file), 'r') as f:

lines = f.readlines()

for line in lines:

parts = line.strip().split()

# 检查字段数量（类别ID + 4个坐标值）

if len(parts) != 5:

print(f"错误：{label_file} 字段数量异常")

continue

# 检查类别ID

class_id = int(parts[0])

if class_id or class_id >= class_num:

print(f"错误：{label_file} 类别ID {class_id} 超出范围")

# 检查归一化值

for val in parts[1:]:

if float(val) < 0 or float(val) > 1:

print(f"错误：{label_file} 坐标值 {val} 超出0-1范围")

# 运行检查（替换为你的标注文件目录）

check_yolo_labels("datasets/游戏名/train/labels", class_num=2)

五、批量标注与效率提升技巧

1. 批量处理重复标注

• 若多张图片中目标位置相似（如同一敌人同一姿势），可使用 Ctrl+C 复制当前标注框，Ctrl+V 粘贴到下一张图片，再微调位置

• 利用 Advanced Mode 直接修改标注框坐标值，精准调整位置

2. 视频转图片批量标注

若游戏截图效率低，可录制游戏视频，转成图片后批量标注：

1. 用视频转图片工具（如 ffmpeg）拆分视频：

   ffmpeg -i game_video.mp4 -r 1 datasets/游戏名/train/images/frame_%04d.jpg # 每秒提取1帧

2. 用 LabelImg 批量标注转成的图片，标注效率提升 50%+

3. 标注进度管理

• 按场景分类标注：先标注近距离敌人，再标注中远距离敌人，避免标注混乱

• 每日标注完成后，用 tree 命令查看目录结构，确认图片和标注文件数量一致（Windows 可在文件夹地址栏输入 cmd，执行 dir /b *.jpg | find /c /v "" 统计图片数，dir /b *.txt | find /c /v "" 统计标注文件数）