IOPaint AI图像修复指南：如何用一条命令去水印、移除多余物体和修老照片-平芜编程栈

IOPaint AI图像修复指南：如何用一条命令去水印、移除多余物体和修老照片

【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaint

IOPaint 是一个免费的开源 AI 图像修复（inpainting）工具，专门解决"图里有碍眼东西，但周围像素该怎么补"这个经典难题：照片上的水印、路过的行人、漫画里的文字框、老照片的划痕和缺损，都能圈出来让模型自动填上自然的内容。它同时支持 CPU、GPU 和 Apple Silicon，完全本地运行，不用把图片上传到任何在线服务。

先跑起来：一条命令看到效果

整个安装就两步：先装包，再启动本地 Web 界面。首次启动会自动下载你选的模型，之后直接访问 http://localhost:8080 就能用，浏览器里打开图片、刷涂要修的掩码区域、点修复，流程非常直接。

pip3 install iopaint iopaint start --model=lama --device=cpu --port=8080

上面的命令用的是默认的 LaMa 模型，适合绝大多数"擦除"类任务。想先确认效果，仓库的 assets 目录里就有一组现成的前后对比图，水印从人物照片上被干净地抹掉，背景纹理和人物细节基本保持原样：

真实场景逐个解决

场景一：移除画面里的文字和漫画框

漫画扫描页上的对话框、封面图上的标题文字，都是高频需求。操作方式和去水印一样：在 Web 界面里把文字区域用笔刷涂成黑色（掩码代表要重绘的范围），选一个擦除类模型跑一次。下面这组对比里，游戏封面上覆盖核心画面的一大片标题文字被移除后，底层的艺术画面完整呈现：

如果修的是动漫/漫画风格的图，可以把启动命令里的模型换成anime-lama或manga，它们是针对这类画面训练的，线条和色块的重绘更贴合原画风。

场景二：移除路人或不需要的物体

拍风景照时画面里闯进来一个人，或者天花板下挂着一个不该出现的物件——LaMa 处理这类小范围物体移除足够用，速度快、边缘融合自然。下面这组对比中，天花板下多出来的白色灯笼被去掉后，场景结构没有变形：

但要注意一个边界：擦除类模型本质上是"补洞"，它不会理解语义。如果你不是想"删掉"物体，而是想"换掉"（比如把行人替换成一只猫），那就属于生成类任务，要换 Stable Diffusion 系的模型，后面选型部分会讲。

场景三：老照片修复与增强

老照片通常是"修复 + 增强"两件事叠加：先擦掉划痕、霉点，再把模糊的脸和细节找回来。IOPaint 的插件体系（插件目录）正好覆盖这两步——用--enable-gfpgan启动后可以在界面上对人脸做修复增强，--enable-realesrgan则提供 4 倍超分辨率。启动时把这些开关带上即可，比如：

iopaint start --model=lama --device=cpu \ --enable-gfpgan --enable-realesrgan

修老照片的顺序建议是：先用低强度的掩码处理划痕，再对局部（尤其是人脸区域）跑一次 GFPGAN，最后整体做 RealESRGAN 放大，一步到位反而容易出伪影。

怎么选模型：先分清"擦除"还是"生成"

IOPaint 内置模型分两大阵营，选型逻辑就一句话：只是删东西选擦除类，要换东西/画新东西选扩散类。

擦除类（lama、mat、zits、fcf、manga等）：不需要文字提示词，纯靠掩码区域周围的像素推断怎么补。优点是快、轻，CPU 上也能跑，适合去水印、去路人、去文字。日常 90% 的需求到 LaMa 就够了，细节不对再试其他模型。
扩散类（Stable Diffusion、SDXL、BrushNet、PowerPaint 等）：基于掩码 + 提示词做生成，可以"把 X 替换成 Y"、把图片向外扩展（outpainting）。缺点是模型体积大、吃显存，CPU 上很慢。
专项模型：anytext专门处理在图上写文字（含中文）；controlnet让扩散模型按结构约束走，编辑更精准。

所有模型的实现都在模型目录下，比如 lama.py，选不准的时候翻一下对应实现很快能看懂它的输入输出约定（原图 + 255 表示要重绘的掩码）。

常见问题与避坑

GPU 还是 CPU 怎么选

--device传cpu、cuda（N 卡）或mps（Apple Silicon）。LaMa 这类擦除模型在 CPU 上处理普通尺寸图片毫无压力，建议先 CPU 跑通再考虑加 GPU；只有跑 Stable Diffusion 系生成模型时才必须上 GPU，且要先装 CUDA 版本的 PyTorch。

显存不够就开省内存开关

跑大尺寸图或 SDXL 报 OOM 时，按顺序试这三个启动参数：--low-mem（推理后清理缓存）、--no-half（放弃半精度换稳定性）、--cpu-offload（把不活跃的模块挪回 CPU）。代价是速度下降，属于"能跑"优先的选项。

批量处理不用开 Web 界面

iopaint run命令支持整个文件夹：--image和--mask都指向目录时，掩码图必须与原图同名一一对应；如果--mask指向单个文件，则所有图共用这一张掩码（掩码会自动缩放对齐）。加--concat还能把原图、掩码、结果拼成一张对比图，方便抽检。处理几千张图前先拿一两张小图试参数，是省时间的习惯。