fft npainting lama保姆级教程：从环境部署到图片去文字完整流程

1. 快速开始与环境部署

1.1 环境准备与服务启动

本系统基于fft npainting lama图像修复模型构建，支持通过WebUI界面实现图像重绘、物品移除、文字清除等操作。系统已封装为可一键启动的服务，适用于Linux服务器环境。

在终端中执行以下命令进入项目目录并启动服务：

cd /root/cv_fft_inpainting_lama bash start_app.sh

成功启动后，终端将显示如下提示信息：

===================================== ✓ WebUI已启动 访问地址: http://0.0.0.0:7860 本地访问: http://127.0.0.1:7860 按 Ctrl+C 停止服务 =====================================

该服务由科哥二次开发，集成了画笔标注、自动推理、结果保存等功能，极大简化了图像修复的使用门槛。

1.2 访问WebUI界面

服务启动后，在浏览器中输入以下地址进行访问：

http://<服务器IP>:7860

例如，若服务器IP为192.168.1.100，则访问：

http://192.168.1.100:7860

页面加载完成后即可进入图像修复主界面。

2. 界面功能详解

2.1 主界面布局说明

系统采用双栏式设计，左侧为编辑区，右侧为结果展示区，整体结构清晰直观。

┌─────────────────────────────────────────────────────┐ │ 🎨 图像修复系统 │ │ webUI二次开发 by 科哥 | 微信：312088415 │ ├──────────────────────┬──────────────────────────────┤ │ │ │ │ 🎨 图像编辑区 │ 📷 修复结果 │ │ │ │ │ [图像上传/编辑] │ [修复后图像显示] │ │ │ │ │ [🚀 开始修复] │ 📊 处理状态 │ │ [🔄 清除] │ [状态信息显示] │ └──────────────────────┴──────────────────────────────┘

• 左侧区域：负责图像上传、修复区域标注（mask绘制）
• 右侧区域：实时显示修复结果及处理状态
• 底部状态栏：提示当前操作步骤或错误信息

2.2 工具功能解析

画笔工具（Brush）

用于标记需要修复的区域。涂抹区域将以白色显示，表示该部分将被模型重建。

• 支持调整画笔大小（1px ~ 100px）
• 推荐根据目标物体尺寸选择合适笔触
• 白色覆盖越完整，修复效果越自然

橡皮擦工具（Eraser）

用于修正误标区域。点击橡皮擦图标后可在画布上擦除已标注的mask区域。

• 可切换回画笔继续补充标注
• 支持多次撤销操作（Ctrl+Z）

控制按钮

• 🚀 开始修复：触发图像修复流程，调用lama模型进行推理
• 🔄 清除：清空当前图像和所有标注，重新开始
• 图层管理：支持多图层操作（高级用户使用）

3. 完整使用流程

3.1 第一步：上传原始图像

系统支持三种上传方式：

• 点击上传：点击上传区域选择文件
• 拖拽上传：直接将图像文件拖入编辑区
• 粘贴上传：复制图像后使用Ctrl+V粘贴

支持格式包括：PNG、JPG、JPEG、WEBP。

建议优先使用PNG格式，避免因JPG压缩导致颜色失真影响修复质量。

3.2 第二步：标注待修复区域

1. 确保画笔工具已激活
2. 调整画笔大小至合适范围
3. 在需要去除的文字、水印或物体上均匀涂抹白色
4. 若标注超出范围，使用橡皮擦工具进行修正

标注时建议略微扩大边缘范围，便于模型更好地融合周围纹理。

3.3 第三步：执行图像修复

点击"🚀 开始修复"按钮，系统将执行以下流程：

1. 将原始图像与mask传入lama模型
2. 模型基于FFT频域变换与扩散机制进行内容重建
3. 输出修复后的图像并自动保存

处理时间参考：

• 小图（<500px）：约5秒
• 中图（500~1500px）：10~20秒
• 大图（>1500px）：20~60秒

3.4 第四步：查看与下载结果

修复完成后，右侧将显示修复后的图像预览。

输出文件自动保存路径为：

/root/cv_fft_inpainting_lama/outputs/

文件命名规则：outputs_YYYYMMDDHHMMSS.png

可通过FTP工具或服务器文件管理器下载结果。

4. 典型应用场景实践

4.1 场景一：去除图片水印

适用情况：版权标识、LOGO、半透明浮水印

操作要点：

• 使用中等画笔完整覆盖水印区域
• 对于模糊水印，适当扩大标注范围
• 如一次修复不彻底，可重复操作

# 示例代码片段：手动调用修复函数（供二次开发者参考） from inpainting_pipeline import InpaintingPipeline pipeline = InpaintingPipeline() result = pipeline(image_path="input.jpg", mask_path="mask.png") result.save("output.png")

4.2 场景二：移除干扰物体

典型应用：路人、电线杆、垃圾桶等背景杂物

技巧建议：

• 复杂边缘使用小画笔精细描绘
• 保持标注连续性，避免断点
• 周围背景越规律，修复效果越好

4.3 场景三：清除图像文字

常见需求：广告牌文字、文档敏感信息、界面UI元素

分步策略：

1. 大段文字建议分块标注
2. 每次处理一行或一个区块
3. 修复后重新上传继续处理其他部分

避免一次性标注过多区域，可能导致上下文理解偏差。

4.4 场景四：人像瑕疵修复

适用对象：面部痘印、皱纹、划痕等

注意事项：

• 使用最小画笔精确点选瑕疵
• 避免大面积涂抹面部特征区域
• 可结合“分层修复”策略提升细节还原度

5. 高级使用技巧

5.1 分区域多次修复

对于含多个需处理区域的图像，推荐采用分步修复策略：

1. 修复第一个目标区域
2. 下载中间结果
3. 重新上传该图像
4. 标注下一个区域并再次修复

此方法可有效避免模型混淆上下文，提升整体修复质量。

5.2 边缘羽化优化

若发现修复边界存在明显接缝：

• 重新标注时让mask超出目标区域3~5像素
• 系统会自动进行边缘渐变融合
• 结合背景纹理实现自然过渡

5.3 批量处理建议

目前WebUI暂不支持批量处理，但可通过脚本方式实现自动化：

#!/bin/bash for img in ./inputs/*.png; do python run_inpaint.py --image $img --mask ./masks/$(basename $img) done

适合有二次开发能力的用户扩展使用。

6. 常见问题与解决方案

6.1 修复后颜色异常

可能原因：

• 输入图像为BGR格式（OpenCV读取）
• JPG压缩引入噪声

解决办法：

• 系统已内置BGR转RGB转换模块
• 建议使用PNG格式上传
• 若仍存在问题，请联系开发者获取更新补丁

6.2 未检测到有效标注

错误提示：⚠️ 未检测到有效的mask标注

检查项：

• 是否使用画笔进行了涂抹
• 是否仅上传图像但未标注
• 浏览器是否正常加载JavaScript功能

应对措施：

• 刷新页面重试
• 更换Chrome/Firefox浏览器
• 确认网络连接稳定

6.3 服务无法访问

排查步骤：

1. 检查服务是否运行：

   ps aux | grep app.py

2. 查看端口占用情况：

   lsof -ti:7860

3. 检查防火墙设置：

   ufw status

确保7860端口对外开放。

6.4 输出文件找不到

默认保存路径：

/root/cv_fft_inpainting_lama/outputs/

可通过以下命令查看最新生成文件：

ls -lt /root/cv_fft_inpainting_lama/outputs/ | head -5

7. 状态码与提示信息对照表

8. 服务管理与维护

8.1 正常停止服务

在启动终端按下Ctrl+C即可安全退出服务。

8.2 强制终止进程

当服务无响应时，可使用以下命令强制关闭：

# 查找进程ID ps aux | grep app.py # 终止指定进程（替换实际PID） kill -9 <PID>

8.3 日志查看

系统日志输出在控制台，包含模型加载、推理耗时、异常捕获等信息，可用于故障诊断。

9. 总结

本文详细介绍了fft npainting lama图像修复系统的完整使用流程，涵盖环境部署、界面操作、典型场景应用及问题排查。

该系统由科哥基于lama模型二次开发，具备以下优势：

• 操作简便：图形化界面，无需编程基础
• 修复精准：结合FFT频域分析与深度学习重建
• 扩展性强：支持本地部署与二次开发集成
• 永久开源：承诺免费使用，保留原作者版权

无论是去除水印、删除文字，还是修复图像瑕疵，均可通过本系统高效完成。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。