图像标注器

为计算机视觉应用标注图像

全页展开

说明

图像标注器可用于在一组图像中标注真实值数据。使用该 App，您可以：

定义轴对齐或旋转的矩形感兴趣区域 (ROI) 标签、线 ROI 标签、像素 ROI 标签、多边形 ROI 标签、点 ROI 标签、投影长方体 ROI 标签和场景标签。使用这些标签以交互方式标注真实值数据。
使用内置的检测或跟踪算法来标注真实值数据。
编写、导入并使用您自己的自定义自动化算法来自动标注真实值。请参阅Create Automation Algorithm for Labeling。
使用可视化摘要评估标注自动化算法的性能。请参阅View Summary of Ground Truth Labels。
将标注的真实值导出为一个 groundTruth 对象。您可以使用此对象进行系统验证，或用于训练目标检测器或语义分割网络。请参阅Training Data for Object Detection and Semantic Segmentation。

图像标注器还可用于创建个人或团队标注工程。要启动图像标注器，请参阅打开图像标注器 App。

Labeler option selection for either new individual project, new team project, or open an existing project.

在启动图像标注器后，选择以下选项之一创建一个新标注工程。

新建个人工程 - 为您自己创建一个标注工程。要开始使用个人标注工程，请参阅Get Started with the Image Labeler。
新建团队工程 - 为有多个用户的团队创建标注工程。要开始使用基于团队的工程，请参阅Get Started with Team-Based Labeling。

图像标注器支持 imread 函数支持的所有图像文件格式，此外还支持医学数字成像和通信 (DICOM) 格式，包括加载超声视频等多帧数据的能力。要读取图像标注器支持的其他文件格式，您可以创建一个 imageDatastore 并使用 ReadFcn 属性。要标注以 DICOM、神经图像信息学技术倡议 (NIfTI) 或近似原始光栅数据 (NRRD) 文件格式存储的二维或三维医学图像数据，请使用医学图像标注器 (Medical Imaging Toolbox)。

在加载图像时，如果图像大小大于 8000 像素或者是多分辨率图像，则图像标注器会为您提供将图像转换为分块图像的选项。分块图像由一个大图像组成，该大图像已划分为可放入内存的若干更小图块。一旦图像标注器将大图像转换为分块图像，您就可以像处理任何其他图像一样在 App 中处理它。虽然使用分块图像使您能够以其他途径无法处理的方式在 App 中处理图像，但也存在一些限制。有关详细信息，请参阅Label Large Images in the Image Labeler。

打开图像标注器 App

MATLAB^® 工具条：在 App 选项卡上的图像处理和计算机视觉下，点击 App 图标。
MATLAB 命令提示符：输入 imageLabeler。

编程用途

全部展开

`imageLabeler`

imageLabeler 打开 App 的新会话，使您能够在图像中标注真实值数据。

`imageLabeler(imageFolder)`

imageLabeler(imageFolder) 打开 App，从名为 imageFolder 的文件夹中加载所有图像。

该文件夹中的图像可以是无序的，大小也可以不同。要标注视频或一组类似视频的有序图像，请改用视频标注器。

`imageLabeler(imageDatastore)`

imageLabeler(imageDatastore) 打开 App，并从 imageDatastore 对象中读取所有图像。imageDatastore 对象的 ReadFcn 属性指定如何读取数据。

例如，要打开 App 并读取一组停车标志图像：

   stopSignsFolder = fullfile(toolboxdir("vision"),"visiondata","stopSignImages");
   imds = imageDatastore(stopSignsFolder)
   imageLabeler(imds)

`groundTruthLabeler(projectFile)`

groundTruthLabeler(projectFile) 打开 App，并从工程文件 projectFile 加载保存的 App 会话。projectFile 输入包含对应于已保存工程的 .prj 文件的路径和名称。

要从旧版 App 导出的 MAT 文件（相对于工程文件）加载标注会话，请使用以下语法指定 MAT 文件的路径和名称。

`imageLabeler(gTruth)`

imageLabeler(gTruth) 打开 App 并加载 groundTruth 对象。真实值目标数据源必须为图像集合或 imageDatastore。

详细信息

全部展开

ROI 标签、子标签和属性

在 App 的左侧， ROI 标签窗格包含您可以在帧上标注的感兴趣区域 (ROI) 标签定义。您可以直接从此窗格创建标签定义。您也可以使用 labelDefinitionCreator 对象以编程方式创建标签定义，然后将这些标签定义导入 App 会话中。

为您的应用选择 ROI 标签和绘图工具

您可以使用标注数据来训练或验证算法，如图像分类器、目标检测器以及语义和实例分割网络。在选择标注绘制工具来创建 ROI 标签时，请考虑您的应用。下表显示四种不同应用的标注方法。

应用	标签类型	示例
图像分类	不适用	船舶、飞机
目标检测	线条矩形旋转矩形投影长方体
语义分割	像素标签多边形
实例分割	多边形

ROI 标签

ROI 标签是对应于信号帧中感兴趣区域 (ROI) 的标签。下表描述支持的标签类型。

ROI 标签	描述	场景
矩形	使用手动选择或分割一切模型 (SAM) 工具围绕对象绘制矩形 ROI 标签（边界框）
旋转矩形	围绕对象绘制旋转矩形 ROI 标签（边界框）
投影长方体	绘制长方体 ROI 标签（三维边界框）。
线条	绘制线性 ROI 标签来表示线条。要绘制线 ROI，请使用两个或更多点。
像素标签	为像素分配标签以用于语义分割：使用 SAM 自动标注像素。有关示例，请参阅Automatically Label Ground Truth Using Segment Anything Model。使用多边形、画笔或泛洪填充手动标注像素。有关详细信息，请参阅Label Pixels for Semantic Segmentation。
多边形	使用手动选择或自动 SAM 工具绘制多边形 ROI 标签并标注同一类的不同实例。有关详细信息，请参阅Label Objects Using Polygons。
点	为目标中的关键点检绘图制点 ROI 标签。

ROI 子标签

ROI 子标签是属于父标签的 ROI 标签。使用 ROI 子标签可在标注的真实值数据中提供有关 ROI 的更详细信息。例如，vehicle 标签可能包含 headlight、licensePlate 和 wheel 子标签。您可以为矩形、多边形、线和投影长方体标签创建子标签。有关子标签的更多详细信息，请参阅Use Sublabels and Attributes to Label Ground Truth Data。

ROI 属性

ROI 属性指定有关 ROI 标签或子标签的附加信息。例如，在海洋场景中，属性可能包括船舶的类型或颜色。下表描述支持的属性类型。

属性类型	示例属性定义	示例默认值
数值
字符串
逻辑
列表

有关属性的更多详细信息，请参阅Use Sublabels and Attributes to Label Ground Truth Data。

算法

全部展开

您可以使用标注自动化算法来加快在 App 中的标注速度。要创建您自己的标注自动化算法以在 App 中使用，请参阅Create Automation Algorithm for Labeling。您也可以按照以下步骤使用内置算法之一：

导入要标注的数据，并创建至少一个标签定义。
在 App 工具条上，点击选择算法，并选择内置自动化算法之一。
点击自动化，然后按照自动化窗口的右窗格中的自动化说明进行操作。

ACF 人检测器

使用聚合通道特征 (ACF) 检测和标注人。此算法基于 peopleDetectorACF 函数。要使用此算法，您必须定义至少一个矩形 ROI 标签。您不需要绘制任何 ROI 标签。

为了帮助改进算法结果，首先点击设置。您可以更改以下任一设置。

算法使用的预训练的人检测器模型 - 'inria-100x41' 模型是使用 INRIA 人数据集训练的。'caltech-50x21' 模型是使用加州理工学院行人数据集训练的。
用于检测人的重叠率阈值（从 0 到 1）- 当矩形 ROI 重叠超出此阈值时，算法会丢弃其中一个 ROI。
用于检测人的分类分数阈值 - 增大分数可提升算法的预测置信度。分数低于此阈值的矩形将被丢弃。

ACF 车辆检测器（需要 Automated Driving Toolbox）

使用聚合通道特征 (ACF) 检测和标注车辆。此算法基于 vehicleDetectorACF (Automated Driving Toolbox) 函数。要使用此算法，您必须定义至少一个矩形 ROI 标签。您不需要绘制任何 ROI 标签。

为了帮助改进算法结果，首先点击设置。您可以更改以下任一设置。

算法使用的预训练车辆检测器模型 - 'full-view' 模型是使用车辆前、后、左、右侧的未遮挡图像训练的。'front-rear-view' 模型是仅使用车辆前侧和后侧的图像训练的。
用于检测车辆的重叠率阈值（从 0 到 1）- 当矩形 ROI 重叠超出此阈值时，算法会丢弃其中一个 ROI。
用于检测车辆的分类分数阈值 - 增大分数可提升算法的预测置信度。分数低于此阈值的矩形将被丢弃。

您还可以通过将 monoCamera (Automated Driving Toolbox) 对象导入 MATLAB 工作区来配置具有已标定单目相机的检测器。以世界单位（例如米）指定车辆的长度和宽度范围。

版本历史记录

在 R2018a 中推出

全部展开

R2025a: 使用分割一切模型 (SAM) 创建矩形和多边形 ROI 标签，以及基于 ROI 的像素标签

使用图像标注器中的分割一切模型 (SAM)，您现在可以通过交互方式执行以下操作：

为目标检测创建矩形 ROI 标签。要将 SAM 用于矩形 ROI 标注，请在 App 工具条的标注矩形选项卡上选择分割一切工具选项。
创建多边形 ROI 标签以用于实例分割。要将 SAM 用于多边形 ROI 标注，请在 App 工具条的标注选项卡上选择分割一切工具选项。要了解详细信息，请参阅Label Objects Using Polygons。
通过在要分割的区域周围绘制 ROI 来创建像素标签。要将 SAM 用于像素标注，请在图像标注器工具条的标注像素选项卡上选择分割一切工具。有关示例，请参阅Label Pixels for Semantic Segmentation。

此功能需要 Image Processing Toolbox™ Model for Segment Anything Model 支持包。您可以从附加功能资源管理器安装该支持包。有关安装附加功能的详细信息，请参阅获取和管理附加功能。该支持包还需要 Deep Learning Toolbox™。

R2024b: 使用分割一切模型 (SAM) 对用于语义分割的真实值进行分割和标注

借助图像标注器中的分割一切像素标注工具，使用分割一切模型 (SAM) 自动分割图像并创建像素标签。此功能需要 Image Processing Toolbox Model for Segment Anything Model 支持包。您可以从附加功能资源管理器安装该支持包。有关安装附加功能的详细信息，请参阅获取和管理附加功能。该支持包还需要 Deep Learning Toolbox。

只需点击几下鼠标，即可分割图像中的目标，从而为目标分配像素标签。或者，使用分割一切工具的分割整图选项，将整个图像分割成若干区域，然后点击目标以轻松为场景中的所有目标创建像素标签。有关示例，请参阅Automatically Label Ground Truth Using Segment Anything Model。要了解有关 SAM 的更多信息，请参阅Get Started with Segment Anything Model for Image Segmentation。

另请参阅

App

视频标注器 | 真实值标注器 (Automated Driving Toolbox) | 激光雷达标注器 (Lidar Toolbox) | 医学图像标注器 (Medical Imaging Toolbox)

函数

pixelLabelTrainingData | objectDetectorTrainingData | polyToBlockedImage | groundTruthToOpenLabel

对象

groundTruth | groundTruthDataSource | labelDefinitionCreator

图像标注器

说明

打开 图像标注器 App

编程用途

imageLabeler

imageLabeler(imageFolder)

imageLabeler(imageDatastore)

groundTruthLabeler(projectFile)

imageLabeler(gTruth)

详细信息

ROI 标签、子标签和属性

算法

ACF 人检测器

ACF 车辆检测器（需要 Automated Driving Toolbox）

版本历史记录

R2025a: 使用分割一切模型 (SAM) 创建矩形和多边形 ROI 标签，以及基于 ROI 的像素标签

R2024b: 使用分割一切模型 (SAM) 对用于语义分割的真实值进行分割和标注

另请参阅

App

函数

对象

主题

打开图像标注器 App

`imageLabeler`

`imageLabeler(imageFolder)`

`imageLabeler(imageDatastore)`

`groundTruthLabeler(projectFile)`

`imageLabeler(gTruth)`