从0开始学图像修复：fft npainting lama实战入门-平芜编程栈

从0开始学图像修复：FFT NPainting LaMa实战入门

图像修复听起来很高大上，但其实它解决的是我们每天都会遇到的小问题：照片里多了一根电线、截图里有碍眼的水印、老照片上有划痕、电商图里要移除模特手里的样品……这些看似琐碎的需求，过去只能靠专业修图师花几十分钟处理，而现在，一个轻量级WebUI就能在几秒内完成。本文不讲复杂的数学推导，也不堆砌论文术语，只带你用最直接的方式——上传、涂抹、点击、下载——真正把图像修复用起来。

这不是一个“理论很美，落地很难”的教程。它基于一个已经打包好的、开箱即用的镜像：fft npainting lama重绘修复图片移除图片物品二次开发构建by科哥。它没有依赖繁杂的Python环境配置，不需手动编译CUDA，更不需要你调参调到怀疑人生。它就是一个安静运行在服务器上的网页工具，点开就能修图。

下面的内容，就是为你准备的“第一张图修复指南”。你会看到：如何启动服务、界面每个按钮是干什么的、怎么画才不会修出奇怪的边缘、为什么有时候修完颜色发灰、以及那些官方文档里没写但实际踩坑时最痛的细节。全程零基础可跟，只要你会用浏览器、会拖拽文件、会点鼠标。

1. 启动服务：三行命令，让修复工具活过来

很多教程一上来就让你装PyTorch、配Conda环境、下载几个G的模型权重……这一步就劝退了80%想试试的人。而这个镜像的好处在于：所有依赖都已预装完毕，你只需要唤醒它。

打开你的终端（SSH连接到服务器或本地Docker环境），依次执行：

cd /root/cv_fft_inpainting_lama bash start_app.sh

注意路径必须完全一致——这是镜像内部约定的固定工作目录。如果提示No such file or directory，请确认你是否以 root 用户登录，或镜像是否完整拉取成功。

几秒钟后，你会看到一段清晰的提示：

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

这不是日志，这是“服务已就绪”的明确信号。此时，你不需要做任何额外操作，服务已在后台稳定运行。

1.1 访问方式说明

如果你在云服务器上部署（如阿里云、腾讯云）：
在浏览器中输入http://你的服务器公网IP:7860（例如http://47.98.123.45:7860）。确保安全组已放行7860端口。
如果你在本地电脑通过Docker运行：
直接访问http://127.0.0.1:7860即可。
如果打不开？先别急着重装——绝大多数情况是网络或端口问题：
- 执行netstat -tuln | grep 7860确认端口确实在监听；
- 执行ps aux | grep app.py确认Python进程正在运行；
- 检查浏览器是否拦截了非HTTPS连接（部分新版Chrome对http://地址有警告，但可点击“高级→继续访问”）。

关键提醒：这个WebUI不依赖GPU显存占用监控，也不需要你手动指定设备。它默认使用CPU推理（已针对性能优化），即使在2核4G的入门级服务器上也能稳定运行。如果你有NVIDIA显卡且驱动正常，系统会自动启用CUDA加速，你完全感知不到切换过程——这才是真正“隐形”的工程化封装。

2. 界面初识：看懂这四个区域，你就掌握了80%的操作逻辑

第一次打开页面，别被界面上的图标和按钮吓住。它其实只有两个核心任务：左边画，右边看结果。整个界面被清晰地划分为四大功能区，我们逐一看清它们的真实作用：

2.1 左侧：图像编辑区——你的“数字画布”

这里不是用来P图的，而是用来“告诉AI：这里要修”。

上传区域：支持三种方式——点击选择文件、直接拖拽图片进来、甚至Ctrl+V粘贴剪贴板里的截图。实测发现，微信/QQ截图后直接Ctrl+V是最顺滑的工作流。
画笔工具：默认激活。涂抹区域会显示为半透明白色，这就是你定义的“待修复区域”。记住一个铁律：白色覆盖越完整，修复越干净；白色漏掉一点，那里就原封不动。
橡皮擦工具：不是用来“擦错”，而是用来“精修边界”。比如你画笔太大，把不该修的背景也涂进去了，就用橡皮擦轻轻擦掉边缘。
清除按钮（）：比Ctrl+Z更彻底。它会清空当前所有标注、重置画布，适合试错成本低的快速迭代。

2.2 右侧：修复结果区——你的“实时放映厅”

修复后图像显示框：不是预览图，而是最终输出。它会等修复完成才刷新，不闪烁、不跳变，所见即所得。
处理状态栏：显示四类关键信息：
等待上传图像并标注修复区域...→ 初始态；
初始化...→ 模型加载中（通常<1秒）；
执行推理...→ 正在计算（时间取决于图大小）；
完成！已保存至: /root/.../outputs_20240512143022.png→ 成功标志，含精确路径。

为什么右侧不显示“原始图+修复图”对比？
因为这个工具的设计哲学是“专注修复动作本身”。对比图容易分散注意力，而真实工作流中，你更关心“修完能不能直接用”。如果你需要对比，只需在修复前右键另存原始图，修复后再下载新图，用任意看图软件并排打开即可——简单、直接、无冗余。

3. 实战四步法：一张图，从上传到下载的完整闭环

我们用一张带水印的风景照来走一遍全流程。不假设你有任何前置知识，每一步都拆解到“手指该点哪里”。

3.1 第一步：上传图像（3种方式，选最快的那个）

推荐方式：拖拽上传
找到你的待处理图片（比如手机拍的带日期水印的照片），直接用鼠标左键按住图片文件，拖进左侧虚线框内。松手即上传，无需点击确认。
注意事项：
支持格式：.png（首选，无损）、.jpg/.jpeg（通用）、.webp（现代格式）；
不支持.bmp、.tiff、.gif（动图）；
若上传后画面模糊或变色，大概率是原图用了CMYK色彩模式（常见于设计稿），请先用Photoshop或在线工具转为RGB再上传。

3.2 第二步：标注修复区域（画笔不是越细越好）

这是决定效果上限的关键步。很多人以为“画得越细越准”，其实恰恰相反。

正确做法：
1. 先用中号画笔（滑块调到中间位置），快速把水印整体涂白；
2. 再切到小号画笔（滑块向左），沿着水印边缘“描一圈”，确保白色完全盖住边缘像素；
3. 最后用橡皮擦轻轻擦掉水印外1–2像素的多余白色（防止AI误读背景结构）。
❌ 常见错误：
- 只涂水印文字，忽略周围1像素的阴影/描边 → 修复后留黑边；
- 用最大画笔狂涂，把整片天空都涂白 → AI会胡乱“脑补”云朵，结果失真；
- 涂抹太薄、半透明 → 系统识别为无效mask，状态栏报错未检测到有效的mask标注。

底层原理一句话：LaMa模型本质是“根据mask区域周围的纹理，生成最可能的连续内容”。它不理解“水印是什么”，只认“白色区域+周围像素”。所以你的任务不是教AI，而是给它提供最干净的“填空题”。

3.3 第三步：点击修复（耐心等待，但不用干等）

点击 ** 开始修复** 按钮后：

状态栏会立即变为初始化...→ 表示模型已加载完毕，准备就绪；
几秒后变为执行推理...→ 此时CPU/GPU正在全力计算；
小图（<800px）约5秒，中图（1000–1600px）约12–18秒，大图（>2000px）建议先缩放——这不是性能差，而是高分辨率下需要更多上下文建模。

小技巧：修复过程中别关页面，但可以切到其他标签页。WebUI采用异步通信，不影响后台运算。

3.4 第四步：查看与下载（路径比你想的更友好）

修复完成后，右侧立刻显示高清结果图。此时：

查看效果：直接滚动鼠标滚轮缩放，检查边缘是否自然、颜色是否连贯；
下载文件：结果已自动保存，路径明确显示在状态栏：
/root/cv_fft_inpainting_lama/outputs/outputs_20240512143022.png
你只需用FTP工具（如FileZilla）或服务器命令cp /root/cv_fft_inpainting_lama/outputs/*.png /home/user/即可取出。

为什么不用WebUI内置下载按钮？
因为镜像定位是“生产环境轻量部署”，避免浏览器下载大文件失败、中断等问题。自动保存到固定路径，既稳定又便于脚本批量处理——这才是工程师思维。

4. 效果优化：三次点击，让修复从“能用”变成“惊艳”

刚上手时，你可能会遇到：修完边缘发虚、颜色偏灰、或者纹理不连贯。别归咎于模型，90%是标注和参数的小调整。

4.1 边缘生硬？扩大标注范围 + 启用羽化

LaMa默认开启边缘羽化（soft mask blending），但前提是你的标注要“略超边界”。

正确操作：用画笔时，让白色区域向外多涂2–3像素（肉眼可见的微小扩展）；
❌ 错误操作：严丝合缝描边，追求“精准”——这反而切断了AI的过渡参考。

实测对比：同一张人像去痣图，标注扩大3像素后，修复边缘完全不可见，而精准描边则留下一圈浅色晕影。

4.2 颜色发灰？检查原始图色彩空间

这是新手最高频的困惑。原因只有一个：你上传的JPG是sRGB，但某些相机直出图自带Adobe RGB或ProPhoto RGB色彩配置文件，浏览器渲染时自动降饱和。

解决方案：
用系统自带“照片”应用（Windows）或“预览”（macOS）打开原图 → “另存为” → 勾选“转换为sRGB” → 保存后重新上传。
不要用PS“转换为配置文件”，那会改变色值；要用“转为sRGB并保留外观”，这才是无损转换。

4.3 纹理不连贯？分区域多次修复

面对复杂场景（如：一张图里既有水印又有电线还有划痕），不要试图一次全涂。

推荐流程：

先只涂水印区域，修复并下载；
将这张修复图作为新源图上传；
再涂电线区域，修复；
如此迭代，直到所有目标清除。

为什么有效？因为LaMa每次修复都基于“当前图像上下文”。第一次修复后，背景已更干净，第二次AI能学到更准确的纹理规律——这比单次大范围mask更鲁棒。

5. 典型场景速查：5类高频需求，对应操作清单

不用死记硬背，遇到问题直接查这一节：

场景	关键操作	注意事项
去除水印	用中号画笔整体涂抹，边缘稍扩大	半透明水印需重复修复1次，勿强行加大涂抹面积
移除电线/杆子	沿电线走向细长涂抹，宽度=2倍电线直径	避免涂抹两侧背景，否则AI会“复制”背景纹理造成重复
修复老照片划痕	小画笔沿划痕轨迹单点点击（非拖拽），形成虚线状mask	划痕过深时，先用橡皮擦清理周边噪点再修复
人像去瑕疵（痘、斑）	超小画笔（滑块最左），单点覆盖瑕疵中心	切忌涂抹整片脸颊，会导致肤色不均
去除文字LOGO	分块涂抹：先涂文字主体，再涂阴影/描边	大段文字建议分2–3次，每次不超过10个字符