零基础也能用！fft npainting lama图像修复实战教程-酒店常州论坛

零基础也能用！FFT NPainting LaMa图像修复实战教程

你是不是也遇到过这些情况：
一张精心拍摄的照片，却被路人闯入画面；
电商主图上突兀的水印破坏了整体质感；
老照片边缘有划痕，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……

别急——今天这篇教程，就是为你准备的。
不需要懂Python，不用装CUDA，不看一行源码，打开浏览器就能用。
科哥开发的这版FFT NPainting LaMa图像修复镜像，把专业级AI修复能力，封装成了连爷爷奶奶都能上手的Web界面。

下面我们就从零开始，一步步带你完成第一次图像修复。

1. 三分钟启动：服务跑起来再说

再复杂的工具，第一步永远是“让它动起来”。
这个镜像已经预装好所有依赖，你只需要两行命令。

1.1 启动服务（只需一次）

打开服务器终端（或通过SSH连接），依次执行：

cd /root/cv_fft_inpainting_lama bash start_app.sh

看到下面这段提示，就说明成功了：

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

小贴士：如果提示command not found，请确认你使用的是Linux系统（Ubuntu/CentOS/Debian均可），且已以root用户登录。该镜像不支持Windows本地直接运行。

1.2 打开网页界面

在你自己的电脑浏览器中，输入：

http://你的服务器IP:7860

比如你的服务器内网IP是192.168.1.100，那就访问：

http://192.168.1.100:7860

如果你是在云服务器上部署，记得提前在安全组中放行7860端口（TCP协议）。

注意：不要访问http://localhost:7860或http://127.0.0.1:7860—— 这是服务器本机地址，你在自己电脑上打不开。

界面加载出来后，你会看到一个清爽的双栏布局：左边是画布，右边是结果预览区。
它长这样（文字描述版）：

┌─────────────────────────────────────────────────────┐ │ 图像修复系统 │ │ webUI二次开发 by 科哥 | 微信：312088415 │ ├──────────────────────┬──────────────────────────────┤ │ │ │ │ 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] │ └──────────────────────┴──────────────────────────────┘

现在，你已经站在了AI修复的起跑线上。

2. 第一次修复：移除照片里的路人甲

我们用最典型的场景来练手：移除误入镜头的路人。
这是图像修复最常用、效果也最直观的用法。

2.1 上传一张测试图

支持三种方式，任选其一：

点击上传区域→ 从本地选择一张带“干扰人物”的照片（JPG/PNG/WEBP格式）
直接拖拽图片文件到虚线框内（推荐，最快）
复制图片 → 在页面空白处按 Ctrl+V 粘贴（适合截图或微信转发图）

小贴士：首次尝试建议用分辨率在1000×1000以内的图，处理更快，效果更易观察。

上传成功后，左侧会立刻显示原图，右侧还是空白——别慌，这是正常状态。

2.2 标注要修复的区域（关键一步！）

记住这个核心逻辑：
你涂白的地方，AI才会去“脑补”并重绘；没涂到的地方，原封不动。

操作流程如下：

确认画笔工具已激活（默认就是，图标是）
拖动“画笔大小”滑块，调到合适尺寸：
- 路人全身：用中号（约30–50像素）
- 脸部/背包等局部：用小号（10–20像素）
在路人身上涂抹白色（就像用粉笔圈出一块区域）：
- 不必追求完美覆盖，宁可多涂一点，也不要漏边
- 可以反复涂抹，系统会自动叠加
如果涂多了？点一下橡皮擦图标（🪄），擦掉多余部分

小贴士：白色越实、边界越清晰，AI理解越准确。避免涂成半透明灰色——那会被识别为“不确定区域”，影响效果。

2.3 点击“ 开始修复”，静待结果

按钮按下后，右下角状态栏会实时更新：

初始化... 执行推理... 完成！已保存至: /root/cv_fft_inpainting_lama/outputs/outputs_20260105142233.png

整个过程通常在5–20秒之间，取决于你图的大小和服务器性能。
完成后，右侧立刻显示修复后的完整图像。

成功标志：路人消失，背景自然延续，没有明显拼接痕迹、色差或模糊块。

3. 为什么它能修得这么自然？——LaMa模型的底层逻辑（小白版）

你可能好奇：AI是怎么“猜”出背后该是什么的？
不是靠模板填充，也不是简单复制粘贴——而是基于大模型对千万张图像的语义理解。

简单说，LaMa（LaMa: Resolution-Agnostic Image Inpainting）做了三件事：

看懂上下文：识别出“这是街道”“这是蓝天”“这是砖墙纹理”，而不是只认像素
建模空间关系：知道窗户应该对称、地砖应该平铺、树叶应该有层次
高频细节重建：用FFT（快速傅里叶变换）模块强化纹理、边缘、光影过渡，让修复区域不发灰、不模糊、不塑料感

这也是它和传统Photoshop“内容识别填充”的本质区别：
后者是“找相似块来贴”，而LaMa是“理解场景后重新画”。

所以你会发现：

涂掉一棵树，后面长出来的枝干方向合理
抹掉广告牌，新生成的文字排版符合视觉习惯
即使只涂掉半张脸，AI也能补全另一侧的对称结构

这不是魔法，是数学+数据+工程打磨出来的结果。

4. 四类高频场景实操指南

光会修路人还不够。下面这四种真实需求，我们都配了具体操作要点和避坑提醒。

4.1 去除水印（尤其半透明LOGO）

典型问题：截图带公众号二维码、视频截图有平台角标、PDF导出图有浮水印。

操作要点：

水印边缘常是半透明，务必扩大涂抹范围（比肉眼看到的水印多涂2–3像素）
若一次修复后仍有残影，不要重涂原图，而是下载修复图 → 再次上传 → 对残留区域单独精修

效果对比关键词：
✔ 文字边缘干净无锯齿
✔ 背景纹理连续不中断
❌ 避免出现“一块发亮的白斑”（说明涂得太少或模型未收敛）

4.2 移除物体（商品图/设计稿专用）

典型问题：模特手持样品需隐藏、海报中临时占位图要删、建筑效果图里施工围挡要撤。

操作要点：

物体与背景反差越大，效果越好（如白衬衫+深色背景）
若物体边缘毛糙（如头发、树叶），先用小画笔勾一遍轮廓，再用大画笔填内部
复杂场景建议分两次：先修主体，再修投影/反光等细节

效果对比关键词：
✔ 投影方向一致、明暗匹配
✔ 材质感还原（金属反光、布料褶皱、玻璃通透感）
❌ 避免“像被马赛克盖住”（说明标注太粗或图像压缩严重）

4.3 修复老照片瑕疵（划痕/霉斑/折痕）

典型问题：扫描的老相册有裂纹、泛黄照片出现黑点、胶片划伤。

操作要点：

使用最小号画笔（5–10像素），逐个点涂瑕疵点
大面积泛黄？不建议用此工具修复——那是色彩校正范畴，本工具专注“结构重建”
若修复后肤色偏灰，说明原图BGR通道异常，可联系科哥获取RGB自动转换补丁

效果对比关键词：
✔ 划痕消失，纸张纤维自然延续
✔ 黑点去除后无色块、无模糊晕染
❌ 避免“修完比原来还旧”（说明涂抹过重，AI过度脑补）

4.4 去除文字（宣传图/截图/文档）

典型问题：PPT截图带页码、合同扫描件含敏感信息、APP界面需脱敏。

操作要点：

单行文字：横向涂抹整行，略超首尾字符
多行文字：分段涂抹，不要一次性框选全部（避免AI混淆行间距）
中英文混排？放心涂——LaMa训练数据包含多语言文本场景

效果对比关键词：
✔ 背景文字区域被“空气感”填充，无硬边
✔ 行距、字间距自然，不像贴图
❌ 避免出现“奇怪符号”（说明原图文字过小或分辨率不足）

5. 提升效果的三个实战技巧

很多用户第一次用觉得“还行”，第二次调优后直呼“这简直神了”。差别就在这些细节操作。

5.1 边界羽化：让修复“融进去”，而不是“贴上去”

问题现象：修复区域边缘有一圈生硬的线，像PS里没羽化的选区。

解法：
在涂抹时，刻意让白色超出目标区域3–5像素。
LaMa内置的FFT模块会自动识别这个“扩展区”，并用频域信息做渐变融合，实现光学级过渡。

实测对比：同样修掉一只咖啡杯，不扩边修复后杯沿发虚；扩边后杯沿与桌面阴影完全匹配。

5.2 分层修复：复杂图一次搞不定？那就分两次

适用场景：一张图里既有水印，又有路人，还有反光。

标准流程：

先涂水印 → 点击修复 → 下载结果图（命名：step1_watermark.png）
重新上传 step1_watermark.png → 涂路人 → 修复 → 下载（step2_people.png）
再上传 step2_people.png → 涂反光 → 修复 → 最终成品

为什么有效？
因为每次修复都基于“当前最优图像”进行推理，而非原始低质量图。相当于给AI提供了更可靠的上下文。

5.3 保存中间态：防止误操作，也方便迭代优化

每次点击“ 开始修复”，系统都会自动生成带时间戳的文件，例如：

outputs_20260105142233.png outputs_20260105142817.png outputs_20260105143102.png

它们全部存放在服务器路径：

/root/cv_fft_inpainting_lama/outputs/

你可以用FTP工具（如FileZilla）或宝塔面板直接下载查看。
不建议手动删除旧文件——留着它们，下次想回溯某次效果时，就省去了重试成本。

6. 常见问题快查（附解决方案）

我们整理了新手最常卡壳的6个问题，每个都给出可立即执行的操作。

问题现象	原因分析	一键解决
点“开始修复”没反应，状态栏一直显示“等待上传…”	图片已上传，但未用画笔涂白任何区域	检查左侧画布是否有白色标记；若无，随便涂一小块再试
修复后整张图变灰/发绿/颜色错乱	原图是CMYK或灰度模式，非标准RGB	用画图/Photoshop另存为RGB JPG；或联系科哥获取自动转换脚本
处理卡在“执行推理…”超过1分钟	图像过大（>2000px）或服务器显存不足	用在线工具先压缩到1500px宽，再上传；或重启服务释放内存
修复区域出现重复纹理（如一排相同树叶）	涂抹区域太小，AI找不到足够参考信息	扩大涂抹范围，确保覆盖目标+周围2倍宽度
下载的图打不开/损坏	文件系统权限问题或磁盘满	执行`ls -l /root/cv_fft_inpainting_lama/outputs/`查看文件大小；若为0字节，重启服务后重试
浏览器报错“无法连接到服务器”	服务未运行，或端口被防火墙拦截	终端执行`ps aux \| grep app.py`确认进程；再执行`ufw status`查防火墙规则

进阶提示：所有操作日志实时写入/root/cv_fft_inpainting_lama/app.log，遇到疑难问题，可复制最后20行发给科哥（微信312088415），他能快速定位。

7. 总结：你已经掌握了专业级图像修复能力

回顾这一路，你其实完成了三重跨越：

从“不敢动”到“敢动手”：不再依赖设计师或PS高手，自己就能处理80%的日常修图需求
从“看效果”到“懂原理”：明白了LaMa不是玄学，而是用FFT强化频域特征的真实技术
从“单次用”到“可复用”：掌握了分层修复、边界扩涂、中间保存等工程化思维

你不需要记住所有参数，也不用理解傅里叶变换公式。
真正重要的，是你现在拥有了一个开箱即用、稳定可靠、效果惊艳的AI修复工作台。

下一步，你可以：
→ 试试修复自己手机里那张“总差一点点完美”的旅行照
→ 给团队分享这个工具，帮运营同事批量去水印
→ 把它集成进公司内部素材管理系统（科哥提供API接入支持）

技术的价值，从来不在多酷炫，而在多好用。
而今天，你已经跨过了那道门槛。

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。

企业官网建设流程全解析