labelimg查看txt位置

### 使用 LabelImg 生成 YOLO 格式的 txt 文件 #### 安装与启动 LabelImg 为了使用 LabelImg 创建 YOLO 数据集，需先安装该工具。可以通过 Python 的 pip 工具来安装最新版本的 LabelImg： ```bash pip install labelimg ``` 完成安装之后，在命令行输入 `labelImg` 启动程序。 #### 设置保存路径和标签文件 首次运行时会弹出设置窗口，指定图片目录以及标注文件(.xml 或 .txt)存储位置。对于 YOLO 模型来说，通常会在同一文件夹下创建 labels 子文件夹用于存放对应的 `.txt` 文件[^1]。 #### 配置预设类别 通过菜单栏中的 "Preferences" -> "Open config file" 打开配置文件，编辑其中的 `predefined_classes.txt` 来定义自己的分类列表。每一类占一行文字描述即可。这一步骤不是强制性的，但如果提前设定好可以提高工作效率并保持一致性。 #### 开始标记对象 加载要标注的照片后，点击左侧工具栏上的矩形按钮绘制边界框围绕感兴趣区域(ROI)，随后会出现一个小对话框询问所属类别名称；如果之前已经设置了预定义类别，则可以直接从中选择而不必手动输入。确认无误后按 OK 键提交当前选区的信息。 #### 导出为 YOLO 格式 当所有需要的对象都被成功标记完毕以后，可通过 File 菜单下的 Save 功能保存工作成果，默认情况下是以 Pascal VOC XML 形式存盘。然而为了让其兼容于 Darknet/YOLO 训练框架的要求，应该勾选 “Yolo Format” 复选框再执行保存操作。此时每张图对应一个同名但扩展名为`.txt` 的纯文本文件被写入到先前选定的目标文件夹内。 这些 TXT 文件里记录着各个物体的位置参数（中心坐标X, 中心坐标Y, 宽度W, 高度H），它们都是相对于整幅画布尺寸的比例值而非绝对像素数，并且前面还附有一个表示种类索引的小整数作为开头字段。

### LabelImg 导出的 TXT 文件格式说明 LabelImg工具支持多种标注文件格式导出，对于YOLO格式而言，每个图片对应的标注信息会被保存在一个同名的`.txt`文件中。这些文本文件中的每一行代表一个目标对象及其位置信息。 具体来说，每行的内容由五个数值组成，分别是类别ID以及边界框的位置参数： - 类别ID：表示物体所属类别的索引编号。 - 边界框中心点坐标（X_center, Y_center）：相对于图像宽度和高度的比例值。 - 宽高比例（Width_ratio, Height_ratio）：同样基于图像尺寸计算得出的目标区域宽高占比。 因此，典型的YOLO格式TXT文件内容可能如下所示[^1]： ```plaintext 0 0.47416020671834624 0.4523809523809524 0.5968992248062015 0.683982683982684 1 0.874031007751938 0.4069264069264069 0.1227390180878553 0.2727272727272727 ``` 上述例子展示了两个不同类型的检测框描述，其中第一个数字指代类别标签；后续四个浮点数则依次对应于该矩形框中心坐标的相对位置及大小尺度。 当通过Python脚本实现XML到YOLO格式转换时，可以参照以下简化版代码片段来处理单个XML文件并生成相应的TXT文件[^2]: ```python import xml.etree.ElementTree as ET def convert(size, box): dw = 1./size[0] dh = 1./size[1] x = (box[0] + box[1]) / 2.0 y = (box[2] + box[3]) / 2.0 w = abs(box[1] - box[0]) h = abs(box[3] - box[2]) x = round(x * dw, 6) w = round(w * dw, 6) y = round(y * dh, 6) h = round(h * dh, 6) return (x,y,w,h) tree = ET.parse('annotation.xml') root = tree.getroot() for obj in root.iter('object'): cls_id = classes.index(obj.find('name').text.lower().strip()) bndbox = obj.find('bndbox') bbox = [float(bndbox.find(tag).text) for tag in ('xmin', 'xmax', 'ymin', 'ymax')] converted_bbox = convert((int(root.find('size')[0].text), int(root.find('size')[1].text)), tuple(bbox)) with open('output.txt', 'a') as f: line = " ".join([str(cls_id)] + list(map(str,converted_bbox))) f.write(line + '\n') ``` 此段程序读取了一个标准Pascal VOC XML结构化的标注文档，并将其解析成适合YOLO模型使用的纯文本记录形式。