新手友好！基于lama的图像修复系统5分钟部署指南

1. 快速部署与服务启动

1.1 环境准备与一键启动

你不需要懂代码，也不用配置复杂的环境。这个基于LaMa的图像修复系统已经打包成一个完整的镜像，名字叫：fft npainting lama重绘修复图片移除图片物品 二次开发构建by科哥。

只要你的服务器或本地机器支持 Docker 或类似容器运行环境，就可以在5分钟内完成部署。

首先，确保你已经登录到目标服务器，并具备基本的终端操作能力。然后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

看到如下提示就说明启动成功了：

===================================== ✓ 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 =====================================

整个过程不需要安装 Python 包、下载模型权重或者手动编译任何组件——所有依赖都已经预装好了。

1.2 访问Web界面

打开浏览器，在地址栏输入：

http://你的服务器IP:7860

比如你的服务器公网IP是47.98.123.45，那就访问：

http://47.98.123.45:7860

如果无法访问，请检查：

• 防火墙是否放行了7860端口
• 安全组规则（云服务器需配置入站规则）
• 是否正确执行了启动脚本

一旦页面加载出来，你会看到一个简洁直观的中文界面，标题写着“🎨 图像修复系统”，右下角还标注了开发者信息：“webUI二次开发 by 科哥”。

这说明你已经成功迈出了第一步！

2. 界面功能详解：从上传到修复

2.1 主界面布局一览

整个WebUI采用左右分栏设计，清晰明了：

┌──────────────────────┬──────────────────────────────┐ │ 🎨 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] │ └──────────────────────┴──────────────────────────────┘

左边是你操作的地方，右边实时展示结果和状态。

2.2 左侧编辑区功能说明

图像上传区域

• 支持点击选择文件
• 可直接拖拽图片进来
• 还能复制一张图，然后在界面上按Ctrl+V粘贴

非常方便，就像你在微信里发图一样自然。

画笔工具

• 默认选中画笔，用来标记你想“去掉”的部分
• 涂上白色的地方，就是告诉AI：“这里要修复”

橡皮擦工具

• 如果画错了，可以用它擦掉多余的部分
• 调整边界更精准

按钮功能

• 🚀 开始修复：点一下就开始处理
• 🔄 清除：清空当前图像和所有标注，重新开始

2.3 右侧结果区反馈信息

修复过程中，右侧会显示进度状态，例如：

• “初始化...”
• “执行推理...”
• 最终变成：“完成！已保存至: /root/.../outputs_20250405123456.png”

同时你会看到修复后的完整图像预览，背景已经被智能填充，原来被涂白的部分“消失”得无影无踪。

3. 四步搞定图像修复

3.1 第一步：上传你要修复的图片

支持格式包括：

• .png（推荐，无损）
• .jpg/.jpeg
• .webp

建议优先使用 PNG 格式，避免因压缩导致细节丢失。

你可以通过三种方式上传：

1. 点击上传区域选择文件
2. 把图片从电脑拖进浏览器窗口
3. 复制图片后在页面中粘贴（Ctrl+V）

上传成功后，画面中央会出现原图。

3.2 第二步：用画笔标出需要修复的区域

这是最关键的一步。

假设你想去掉照片里的水印、路人甲、电线杆，甚至是不想露脸的人脸……

做法很简单：

1. 使用画笔工具
2. 调整合适的笔刷大小（滑动条控制）
3. 在目标物体上涂抹白色

✅ 小技巧：稍微涂宽一点，留出边缘缓冲区，AI更容易融合自然。

如果你不小心涂多了，就切换到橡皮擦工具，轻轻擦掉错误区域。

3.3 第三步：点击“开始修复”按钮

一切准备就绪后，点击绿色的🚀 开始修复按钮。

系统会自动执行以下流程：

1. 读取原始图像
2. 识别你画出的“mask”（即白色区域）
3. 调用 LaMa 模型进行上下文感知修复
4. 输出一张无缝拼接的新图

处理时间根据图像大小而定：

• 小图（<500px）：约5秒
• 中等图（500~1500px）：10~20秒
• 大图（>1500px）：可能需要30秒以上

耐心等待几秒钟，别急着刷新页面。

3.4 第四步：查看并下载修复结果

修复完成后，右侧将显示最终效果图。

同时下方的状态栏会告诉你文件保存路径：

完成！已保存至: /root/cv_fft_inpainting_lama/outputs/outputs_20250405123456.png

这个路径下的文件名是按时间戳命名的，防止覆盖。

你可以通过以下方式获取结果：

• 登录服务器，进入该目录下载
• 使用 FTP/SFTP 工具导出
• 或者直接在浏览器中右键保存预览图（注意：预览图可能不是最高清版本）

4. 实战应用场景演示

4.1 场景一：轻松去除图片水印

很多素材图都有平台水印，影响使用？

试试这样做：

1. 上传带水印的截图
2. 用大号画笔把水印整个涂白
3. 点击修复

你会发现水印不见了，而且背景纹理也被合理补全，看不出破绽。

📌 提示：对于半透明水印，建议扩大涂抹范围，让AI有更多参考信息。

4.2 场景二：移除照片中的不想要物体

旅游拍照时总有路人乱入？广告牌太显眼？

都可以用这个方法解决：

• 精确涂抹目标物体
• 让AI自动重建背后场景

比如草地上的垃圾袋、天空中的无人机、街边的小广告……统统可以“一键消失”。

效果特别适合用于：

• 房产摄影后期
• 电商产品图去干扰元素
• 社交媒体配图美化

4.3 场景三：修复老照片瑕疵

老照片常有划痕、霉点、折痕等问题。

操作方式：

• 放大图像
• 用小画笔逐个点选瑕疵处
• 分批修复，逐步优化

尤其是人像面部的小斑点、皱纹局部修复，效果非常自然，不会破坏整体结构。

4.4 场景四：清除图片中的文字内容

文档截图、海报上有不想保留的文字？

只需：

1. 标注文字区域
2. 启动修复

系统会根据周围颜色和图案智能填补空白。

如果是大面积文字块，建议分段涂抹，避免一次性处理过多区域导致失真。

5. 使用技巧与避坑指南

5.1 如何获得最佳修复效果？

虽然系统自动化程度高，但掌握几个小技巧能让结果更惊艳：

5.2 常见问题及解决方案

5.3 快捷操作汇总

为了提高效率，记住这几个快捷方式：

• Ctrl + V：粘贴剪贴板中的图片（超实用！）
• Ctrl + Z：部分浏览器支持撤销操作
• 鼠标滚轮：缩放画布（便于精细编辑）
• 右键单击：取消当前绘制动作

这些虽不是全部功能，但在日常使用中足够高效。

6. 高级玩法：进阶修复策略

6.1 分层修复法

面对复杂图像，不要指望一次搞定。

推荐做法：

1. 先修复最明显的干扰物（如大块水印）
2. 下载中间结果
3. 重新上传，继续修复其他小瑕疵

这样既能保证每步质量可控，又能避免模型过载。

6.2 保存中间成果

当你修复完一个区域后，立即下载当前结果。

好处是：

• 防止误操作丢失进度
• 可作为后续修复的起点
• 方便对比不同阶段的效果差异

6.3 利用参考图保持风格一致

如果你要批量处理同类型图片（如一组商品图），建议：

1. 先挑一张典型图做测试修复
2. 观察填充风格、色调匹配度
3. 以此为基准调整后续操作

这样能确保整批图像视觉风格统一，更适合商业用途。

7. 总结：为什么这套系统适合新手？

7.1 零门槛部署体验

• 不需要安装Python、PyTorch等框架
• 所有模型和依赖已内置
• 一条命令即可启动服务
• 中文界面友好，无需英文基础

真正做到了“开箱即用”。

7.2 功能强大且稳定

基于LaMa（Large Mask Inpainting）模型，专为大区域修复优化，擅长处理：

• 大面积遮挡
• 复杂纹理重建
• 自然场景补全

相比传统Photoshop内容识别填充，AI驱动的方式更加智能、自动化程度更高。

7.3 适合多种实际需求

无论是个人用户想清理照片，还是设计师做素材预处理，亦或是运营人员制作宣传图，这套系统都能派上用场。

而且整个过程完全可视化，所见即所得，没有任何黑盒操作。

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。