完整记录：我用fft npainting lama做的第一次图像修复

这不是一篇冷冰冰的工具说明书，而是一次真实、有温度、带点手忙脚乱的初体验。从双击启动脚本那一刻起，到最终看到那张“被抹去水印却依然呼吸自然”的照片——我想把整个过程里踩过的坑、顿悟的瞬间、甚至浏览器卡住时的抓狂，都原原本本地记下来。

1. 为什么是它？不是别的修复工具

在试过七八个在线图修平台、折腾了三款本地部署的Stable Diffusion插件之后，我停在了这个镜像名有点长的项目前：fft npainting lama重绘修复图片移除图片物品二次开发构建by科哥。

名字里带着“fft”和“lama”，第一反应是——这应该不是又一个套壳的扩散模型。查了下背景：LAMA（LaMa）是2021年俄罗斯Skolkovo团队开源的基于频域建模的图像修复模型，核心思想是把修复任务从像素空间搬到傅里叶频域（FFT），让模型更关注图像的全局结构与纹理连续性，而不是逐像素“猜颜色”。而这个镜像，是科哥在原始LAMA基础上做了工程化重构：去掉PyTorch训练依赖，精简推理流程，封装成开箱即用的WebUI，并且关键——它不生成“新内容”，而是智能“延续原有内容”。

这恰恰是我最需要的：一张老照片上有个突兀的日期戳，我不想要AI编造一朵花来盖住它，我只想让那块区域“本来就没存在过”。

2. 启动：三行命令，一次心跳暂停

按照文档，我SSH进服务器，执行：

cd /root/cv_fft_inpainting_lama bash start_app.sh

终端滚出几行日志，然后——停住了。
没有“✓ WebUI已启动”，没有地址提示。
我盯着光标，等了47秒。

翻看start_app.sh，发现它调用了app.py，而app.py开头有一行注释：“首次运行需预加载FFT权重，耗时约90秒”。原来不是卡死，是它在后台默默加载一个387MB的.pth文件。

我泡了杯茶，回来时终端终于亮起那行绿色文字：

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

那一刻的感觉，像看着火箭点火后第三秒才传来轰鸣——延迟，但真实。

3. 界面初印象：极简，但藏着巧思

打开http://我的服务器IP:7860，页面干净得近乎朴素：

左侧是大块画布区，顶部写着“ 图像编辑区”，右下角小字：“webUI二次开发 by 科哥 | 微信：312088415”
右侧是结果预览窗，下方一行状态栏，实时显示“等待上传图像并标注修复区域...”

没有炫酷的3D预览，没有参数滑块瀑布，只有四个按钮：** 开始修复**、** 清除**、画笔图标、橡皮擦图标。

我拖入一张测试图——公司宣传册扫描件，右下角印着半透明“SAMPLE”水印。
上传成功，画布自动适配尺寸，边缘无拉伸失真。这点很关键：很多WebUI会把高分辨率图强行缩放到固定画布，导致标注失准。而这里，它保持原始比例，仅通过CSS缩放显示，实际运算仍基于原图。

4. 标注：不是画画，是“告诉模型哪里该呼吸”

修复效果的70%取决于这一步。文档说“涂抹白色区域”，但实操中我发现，这不是填色游戏，而是一场与模型的默契对话。

我先用默认画笔（大小15）粗略圈住水印。点击“ 开始修复”，5秒后右侧弹出结果——水印消失了，但周围区域像被PS“内容识别填充”过度拉扯，纹理发虚，颜色偏灰。

回退，重新标注。这次我做了三件事：

缩小画笔到5像素，沿着水印边缘“描边”，确保白色只覆盖水印本体，绝不侵入旁边的文字；
在水印正上方和正下方，各加一条细长的白色横线（约2像素宽），长度略超水印宽度——这是给模型的“上下文锚点”，提示它：“这里上下都是同一段文字，修复时请对齐行高”；
用橡皮擦轻轻擦掉水印中心最浓的几个像素点，只留边缘轮廓——因为LAMA在频域建模时，强边缘信息反而会干扰纹理延续，适度“柔化”标注，效果更自然。

再次点击修复。这一次，结果让我停顿了两秒：水印区域被完全抹去，但周围的文字行距、字体粗细、甚至纸张纤维的走向，都严丝合缝地延续下来。没有生硬的拼接感，像那块区域从来就该是空白。

5. 深度拆解：它到底怎么“想”的？

为了理解为什么第二次标注更成功，我翻出了科哥文档里没明说、但代码里埋着的关键逻辑：

5.1 频域修复的底层逻辑（人话版）

普通修复模型（如SD inpaint）在像素空间工作，相当于让AI“看图说话”：你圈一块，它猜“这里该是什么”。而LAMA的FFT路径是：

把整张图做快速傅里叶变换（FFT）→ 拆成“亮度基底”+“纹理高频”+“结构低频”三组数据；
在频域里，只修改被标注区域对应的频谱分量，其余部分原样保留；
再逆变换（IFFT）回像素空间。

所以，它不是“生成”，而是“修补频谱缺口”。这就解释了为什么我的“描边+锚点”策略有效：边缘线条提供了清晰的结构低频信号，上下横线则强化了文字行的周期性纹理特征——模型拿到的是更可靠的“频域坐标”，而非模糊的“像素坐标”。

5.2 为什么PNG比JPG好？

文档提了一句“上传PNG获得最佳质量”，我验证了：同一张图，JPG上传后修复区域出现轻微色块（尤其在渐变背景上）。原因在于JPG的离散余弦变换（DCT）压缩，会破坏原始图像的频谱连续性，而LAMA的FFT修复高度依赖频谱保真度。PNG无损，频谱完整，模型“听”得更清楚。

6. 实战复盘：四类典型场景的真实表现

我用同一张1920×1080的风景照（含天空、山体、树木、小径），测试了四种常见需求：

6.1 去除水印（半透明文字）

操作：小画笔沿文字边缘描边，标注略宽于文字本身。
效果：天空区域修复完美，云层纹理无缝延续；山体阴影处有微弱接缝（因纹理复杂），但放大200%才可见。
耗时：12秒（中图档位）。

6.2 移除前景人物（背影）

操作：大画笔（大小30）快速覆盖人物全身，边缘用橡皮擦精细修正。
效果：小径自然延伸，两侧草丛密度、朝向一致；人物原站位处无“空洞感”，地面反光过渡柔和。
注意：若人物紧贴树干，需手动擦除树干被遮挡部分再修复，否则模型会误判为“树干缺失”。

6.3 修复老照片划痕

操作：最小画笔（大小1）单点点击划痕起点，拖拽至终点，形成细线标注。
效果：划痕消失，纸张肌理（包括泛黄程度、细微折痕）100%保留；未出现“过度平滑”导致的老照片失真。
优势：相比传统算法（如OpenCV inpaint），对方向性划痕（如垂直刮擦）修复更精准。

6.4 去除电线（细长高对比）

操作：画笔大小设为8，沿电线轨迹单次拖拽；两端超出电线1-2像素。
效果：电线消失，背景天空无色差；但电线穿过树枝时，部分树叶边缘略显模糊（因模型优先保证天空连续性）。
技巧：对穿枝类电线，分段标注（避开树枝交叉点），效果提升显著。

7. 那些没写在文档里的“暗知识”

7.1 关于“清除”按钮的真相

我以为“ 清除”只是清空画布，实测发现：它还会重置内部缓存的频域特征图。如果修复失败后直接重传新图，旧图的频谱残留可能导致新图修复异常（表现为局部色偏）。务必先点清除，再上传。

7.2 输出路径的隐藏逻辑

文档说文件保存在/root/cv_fft_inpainting_lama/outputs/，但实际命名规则是：
outputs_YYYYMMDDHHMMSS_<width>x<height>.png
例如outputs_20240520143022_1920x1080.png。
这意味着：同一天多次修复，文件不会覆盖，且分辨率信息直接嵌入文件名——对批量处理管理极其友好。

7.3 为什么不用“撤销”？

界面有Undo按钮，但我在多次操作中从未启用。原因：LAMA的修复是端到端推理，每次“开始修复”都基于当前标注+原始图重新计算。所谓“撤销”，只是回退到上一次标注状态，而非回退修复结果。与其依赖Undo，不如养成“小步快跑”习惯：每标一小块，立刻修复验证。

8. 性能实测：速度与精度的平衡点

我在不同配置服务器上测试了同一张1200×800人像图（需修复耳环）：

服务器配置	处理时间	效果评价
4核CPU + 16GB内存	28秒	耳垂皮肤纹理略平，但无明显瑕疵
RTX 3060 + 12GB显存	6.2秒	皮肤毛孔、光影过渡完全自然
RTX 4090 + 24GB显存	3.8秒	与3060无肉眼差异，提速边际递减

结论：GPU加速收益巨大，但3060已是甜点卡；继续升级显卡，对单图修复体验提升有限，更适合批量处理。

9. 我的第一次修复，到底值不值得推荐？

值。但必须说清它的边界：

它擅长的：

结构清晰、纹理可预测的区域（文字、天空、墙面、织物）；
中小面积修复（<图像面积30%）；
对“真实性”要求高于“创意性”的场景（证件照修复、档案数字化）。

❌它不擅长的：

极度复杂的多层遮挡（如：电线+树叶+人脸重叠）；
需要“生成新内容”的任务（如：把单人照变成合影）；
超高分辨率图（>3000px）的实时交互（标注会卡顿，建议先缩放）。

它不是一个万能画笔，而是一把精准的手术刀——当你明确知道“要切掉什么”，它就能让你几乎感觉不到刀锋的存在。

10. 给后来者的三条具体建议

标注宁窄勿宽，但边缘要“带钩”：
不必追求全覆盖，重点是在关键结构点（如文字起笔、物体轮廓转折处）加1-2像素的“钩状”延伸，给模型提供方向锚点。
修复前，先用橡皮擦“松土”：
对于老照片划痕或JPEG压缩噪点，先用橡皮擦在标注区边缘轻擦一圈（力度30%），相当于告诉模型：“这里纹理可能失真，请以邻近区域为准”。
接受“不完美”的第一次：
我的第一张修复图，水印去掉了，但右下角有0.5%区域颜色稍暖。没重来，直接下载。因为我知道：真正的价值不在像素级完美，而在于——我花了7分钟，做了一件过去需要专业修图师2小时才能完成的事，且结果足够交付。