新手必看：fft npainting lama图像重绘修复快速入门

新手必看：FFT NPainting LAMA图像重绘修复快速入门

你是不是也遇到过这些情况？
一张精心拍摄的风景照，却被路人闯入画面；
电商主图上碍眼的水印怎么都去不干净；
老照片边缘破损、有划痕，想修复却不会PS；
设计稿里某个元素放错了位置，又不想重做整张图……

别折腾了。今天这篇教程，就是为你准备的——零基础也能10分钟上手的图像重绘修复方案。不用安装复杂环境，不用写一行代码，更不需要懂什么“扩散模型”“隐空间编码”，只要会点鼠标，就能把图片里不想留的东西，干净利落地“抹掉”，让AI自动补全背景，自然得像从来没存在过一样。

这背后用到的，正是当前图像修复领域效果稳定、部署轻量、对新手极友好的经典组合：FFT加速 + LaMa模型 + NPainting交互界面。而我们用的这个镜像，是开发者“科哥”基于开源LaMa二次优化构建的WebUI版本，已预装所有依赖、自动配置路径、一键启动即用，真正做到了“拿来就能修”。

下面，咱们就从打开浏览器开始，一步步走完从上传图片到下载成品的全过程。

1. 三步启动：服务跑起来，界面亮出来

整个流程不需要你编译、不涉及命令行深度操作，但为了确保后续使用顺畅，我们先花2分钟把服务跑起来。

1.1 启动WebUI服务

登录你的服务器（或本地Docker环境），在终端中依次执行以下两条命令：

cd /root/cv_fft_inpainting_lama bash start_app.sh

注意：这两条命令必须严格按顺序执行，且路径不能写错。/root/cv_fft_inpainting_lama是该镜像默认的工作目录，所有模型、代码、输出都集中在这里。

执行后，你会看到类似这样的提示：

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

看到这个“✓ WebUI已启动”，就说明服务已成功运行。此时模型已加载进显存，推理引擎就绪，只等你传图开工。

1.2 打开浏览器访问界面

在你的电脑浏览器中，输入以下任一地址（根据你的访问方式选择）：

• 如果你在同一台机器上操作（比如本地Ubuntu桌面）：
  http://127.0.0.1:7860

• 如果你通过远程服务器（如云主机）使用：
  http://你的服务器公网IP:7860
  （例如：http://47.98.123.45:7860）

注意：确保服务器防火墙已放行7860端口。若打不开，请检查是否遗漏启动步骤，或执行ps aux | grep app.py确认进程是否存在。

页面加载完成后，你会看到一个清爽的中文界面，顶部写着“ 图像修复系统”，右下角还有一行小字：“webUI二次开发 by 科哥 | 微信：312088415”。这就是我们今天的“修图工作室”。

2. 四步操作：上传→标注→修复→保存，全程可视化

界面采用左右分栏设计，左边是“画布区”，右边是“结果预览+状态栏”。所有操作都在图形界面完成，无需记忆快捷键（当然，后面也会告诉你几个提升效率的小技巧）。

2.1 第一步：上传原图（3种方式，总有一种顺手）

支持以下任意一种上传方式，选你最习惯的：

• 点击上传：直接点击左侧大块虚线框区域，弹出系统文件选择窗口，选中PNG/JPG/JPEG/WEBP格式图片即可；
• 拖拽上传：打开文件管理器，把图片文件直接拖进虚线框内，松手即上传；
• 粘贴上传：截图或复制一张图片（Ctrl+C），回到网页界面，按Ctrl+V—— 图片瞬间出现。

小贴士：

• 优先使用PNG格式，无损压缩，修复后细节更保真；
• 单图分辨率建议控制在2000×2000像素以内，太大虽能处理，但等待时间明显拉长（大图约需30–60秒）；
• 上传成功后，左侧画布会自动显示原图，尺寸自适应，可滚动查看全貌。

2.2 第二步：用画笔“圈出要删的部分”（核心动作，决定效果上限）

这是整个流程中最关键的一步。不是“擦除”，而是“告诉AI：这里需要重画”。系统靠你画的白色区域（mask）来定位修复范围。

界面左上角工具栏提供两个核心工具：

• 🖌画笔（Brush）：默认激活，用于涂抹需要修复的区域；
• 橡皮擦（Eraser）：用于擦掉画错、画多的部分。

操作流程如下：

1. 确认画笔已选中（图标高亮）；
2. 拖动“画笔大小”滑块：
   • 小尺寸（10–30px）：适合勾勒文字、电线、细小水印、人像瑕疵；
   • 中尺寸（50–100px）：适合移除路标、小物件、LOGO；
   • 大尺寸（150px+）：适合快速覆盖大面积广告牌、横幅、多余人物；
3. 在图像上直接涂抹：
   • 涂抹区域会实时显示为半透明白色；
   • 白色越实、覆盖越完整，AI越清楚“这里必须重画”；
   • 不必追求像素级精准，宁可略大，不可遗漏——AI会智能羽化边缘，过渡更自然；
4. 微调用橡皮擦：
   • 若不小心涂到不该修的地方（比如把人脸涂进去了），立即切换橡皮擦，轻轻擦除即可；
   • 支持多次来回调整，直到白色区域刚好包裹目标对象。

正确示范：

• 修水印 → 白色完全覆盖水印本体，边缘稍溢出；
• 移人物 → 白色包住全身轮廓，鞋底、发梢不漏；
• 修划痕 → 沿划痕走向拉一条细白线，宽度略宽于划痕本身。

常见失误：

• 只涂水印中间，边缘留黑边 → 修复后残留明显；
• 涂得太细，AI误判为噪点 → 直接忽略不处理；
• 涂成马赛克状、断断续续 → AI无法理解连续语义，补全混乱。

2.3 第三步：点击“ 开始修复”，静待几秒

确认白色标注无误后，点击左下角醒目的蓝色按钮：** 开始修复**。

此时，右侧“处理状态”栏会实时更新：

• “初始化…” → 加载模型参数与图像数据；
• “执行推理…” → AI正在分析上下文并生成新像素；
• “完成！已保存至: /root/cv_fft_inpainting_lama/outputs/outputs_20250405142236.png” → 修复成功，文件已落盘。

⏱ 时间参考（实测）：

• 手机截图（720×1280）：约5秒；
• 产品主图（1200×1200）：约12秒；
• 高清风景（1800×1800）：约25秒。

技术小知识：这里的“FFT”并非指传统信号处理中的快速傅里叶变换，而是指该版本对LaMa模型推理过程做了频域加速优化（Fast Fourier Transform-based feature enhancement），在保持高保真度的同时显著缩短了单次推理耗时，特别适合WebUI这种强调响应感的场景。

2.4 第四步：查看、对比、下载（结果就在眼前）

修复完成后，右侧“📷 修复结果”区域会立刻显示完整图像。此时你可以：

• 横向对比：眼睛在左右两栏之间快速扫视，看修复区域是否自然、纹理是否连贯、光影是否匹配；
• 放大检查：用鼠标滚轮缩放右侧图像（部分浏览器支持），重点查看边缘融合处；
• 下载成品：结果已自动保存，路径显示在状态栏下方，形如：
  /root/cv_fft_inpainting_lama/outputs/outputs_20250405142236.png
  你可通过FTP工具（如FileZilla）、宝塔面板文件管理器，或直接在服务器执行：

  ls -lt /root/cv_fft_inpainting_lama/outputs/

  找到最新生成的PNG文件，下载到本地。

小贴士：

• 所有输出均为PNG格式，支持透明通道（如需保留Alpha）；
• 文件名含精确时间戳，避免覆盖，方便回溯；
• 若对效果不满意，点“ 清除”按钮，一切归零，重新上传、重标、重修——零成本试错。

3. 五类高频场景：照着做，效果立现

光会操作还不够，得知道“什么情况该怎么标”。下面这5个真实高频需求，我们都配了操作要点和避坑提醒，照着做，一次成功。

3.1 场景一：去除半透明水印（最常问）

典型表现：图片角落带灰白色“样片”“测试”字样，或浅色品牌LOGO。

操作要点：

• 用中号画笔（60–80px）整块涂抹水印，包括周围1–2像素模糊过渡区；
• 若水印有阴影，阴影部分也要一起涂白；
• 一次没去净？别急，下载修复图 → 重新上传 → 用小号画笔（20px）精准补涂残留点 → 再修复。

为什么有效：LaMa模型擅长学习局部纹理统计特性，半透明区域因信息未完全丢失，反而更容易被建模重建。

3.2 场景二：移除前景干扰人物/物体（最惊艳）

典型表现：旅游照里闯入的陌生人、产品图中摆放错误的道具、监控截图里的遮挡物。

操作要点：

• 先勾轮廓，再填内部：用小画笔沿人物边缘描一圈，再用大画笔快速填满；
• 对头发、透明伞、栏杆等复杂边缘，适当扩大涂抹范围（多盖2–3像素），AI会自动做边缘柔化；
• 若背景是纯色（如白墙、蓝天），修复质量极高，几乎无痕。

避坑提醒：避免只涂人物“身体”而漏掉影子——影子也是画面语义的一部分，漏涂会导致地面出现奇怪色块。

3.3 场景三：修复老照片划痕与折痕（最暖心）

典型表现：扫描的老相册照片上有细长白线、墨迹污渍、边缘卷曲破损。

操作要点：

• 划痕：用极细画笔（10–15px）沿线涂抹，宽度略宽于划痕本身；
• 污渍：用小画笔点涂，像“盖印章”一样覆盖；
• 卷曲破损：用中号画笔将破损区域整体涂白，AI会基于周边完整区域智能延展。

效果预期：纹理（如布料、皮肤、纸张纤维）还原度高，不会出现“塑料感”平滑，保留原始胶片质感。

3.4 场景四：擦除图片中多余文字（最实用）

典型表现：截图里的对话气泡、PPT页面上的备注、宣传图底部的联系方式。

操作要点：

• 文字密集区（如一整段说明）：分块处理，先涂第一行 → 修复 → 下载 → 上传修复图 → 涂第二行 → 再修复；
• 单个标题文字：整块涂白，注意包含文字周围的留白区域；
• 字体嵌入背景（如深色字印在深色图上）：先用小画笔描边，再填充，确保mask完整。

为什么分块更好：一次性涂太多文字，AI易混淆上下文，导致背景“糊成一片”；分块则让每次修复聚焦更小语义单元，结果更可控。

3.5 场景五：商品图换背景/去白底（最商业）

典型表现：电商主图需抠图换纯色/渐变/场景图背景，但PS抠毛发太费时。

操作要点：

• 不推荐直接涂整个商品（易失真），而是：
  ① 先用小画笔精细涂抹商品与原背景交界处（尤其毛发、透明瓶身、首饰反光）；
  ② 再用大画笔快速涂掉大部分背景；
  ③ 点击修复 → 下载PNG（自带透明通道）；
  ④ 用任意图片编辑软件（甚至PPT）将透明图层叠在新背景上。

优势对比：比传统抠图快5倍以上，且对复杂边缘（如飞散的头发丝）处理更鲁棒，边缘自然不生硬。

4. 进阶技巧：让效果从“能用”升级到“专业”

当你熟悉基础操作后，这几个技巧能帮你应对更复杂的任务，效果直逼专业修图师。

4.1 技巧一：分层修复法（应对超复杂图）

适用场景：一张图里既有水印、又有路人、还有划痕，一次性标容易混乱。

操作流程：

1. 先专注修复最大最明显的干扰项（如整个广告牌），得到图A；
2. 下载图A，重新上传；
3. 在图A基础上，用小画笔精准修复次级问题（如广告牌残留边角、新暴露的划痕）；
4. 重复此过程，逐层剥离，每层都更干净。

优势：降低单次mask复杂度，避免AI“顾此失彼”，最终合成效果远优于一次全标。

4.2 技巧二：边缘羽化增强（解决“生硬边界”）

现象：修复后区域与原图交界处有细微色差或线条感。

解法：

• 在标注时，刻意让白色区域向外多涂2–5像素（肉眼可见的“溢出”）；
• 系统内置的FFT增强模块会自动对这部分溢出区域做渐变融合，使过渡完全不可见。

这不是bug，是设计——LaMa的底层机制决定了“略大mask”比“精准mask”更能激发其上下文建模能力。

4.3 技巧三：参考图引导（保持风格统一）

适用场景：需批量处理同一系列图片（如10张同款产品图），要求修复后色调、颗粒感一致。

操作：

• 先用其中1张图做一次高质量修复，作为“风格参考图”；
• 后续处理其他图时，保持相同画笔大小、相似涂抹范围、不大幅调整参数；
• 因模型已在首次推理中学习了该图的纹理特征，后续会天然倾向复现同类风格。

4.4 技巧四：善用“清除”与“撤销”

• ** 清除按钮**：一键清空当前所有标注、重置画布，适合试错成本低的探索；
• Ctrl+Z（部分浏览器支持）：撤销上一步涂抹/擦除，适合微调时救急；
• 右键画布：快速取消当前绘制动作，防误触。

5. 常见问题速查：5秒定位，1分钟解决

我们整理了新手最常卡壳的6个问题，附带直达解决方案，不用翻文档、不用加微信，自己就能搞定。

额外提示：所有操作均不修改原始上传文件，所有中间产物（标注mask、临时缓存）在每次“清除”或服务重启后自动清理，隐私安全有保障。

6. 总结：你已经掌握了专业级图像修复能力

回顾一下，今天我们完成了：

• ** 服务启动**：两条命令，30秒让AI修图工坊上线；
• ** 四步闭环**：上传→涂抹→点击→下载，全程可视化，无技术门槛；
• ** 五大场景**：水印、人物、划痕、文字、换背景，每个都有可复用的操作心法；
• ** 进阶掌控**：分层修复、边缘优化、风格引导，让效果从“差不多”迈向“挑不出毛病”；
• ** 问题自愈**：6大高频故障，对照表格，秒级定位，1分钟解决。

你可能没意识到，但此刻你已越过一道隐形门槛：不再依赖PS高手，不再忍受外包周期，不再为一张图反复返工。当同事还在找设计师改图时，你已经用FFT+LaMa，在喝杯咖啡的时间内，把10张商品图的水印全部清空，且边缘自然得像从未存在过。

图像修复的本质，从来不是“删除”，而是“重建”——AI不是在擦掉什么，而是在理解画面之后，为你重新画一遍。而今天这套方案，就是把这项能力，真正交到了你手上。

下一步，不妨就从你手机相册里那张“有路人闯入”的旅行照开始。上传，涂抹，点击。几秒之后，属于你的、干净完整的回忆，就静静躺在右侧屏幕里。

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。