fft npainting lama一键部署教程：WebUI界面操作完整指南

fft npainting lama一键部署教程：WebUI界面操作完整指南

1. 快速开始

1.1 启动服务

如果你已经获取了由科哥二次开发的fft npainting lama图像修复系统镜像或代码包，部署过程非常简单。整个流程只需两步即可完成，无需手动安装依赖或配置环境。

在服务器终端中执行以下命令：

cd /root/cv_fft_inpainting_lama bash start_app.sh

当看到如下提示信息时，说明 WebUI 服务已成功启动：

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

这个脚本会自动拉起基于 Gradio 构建的图形化界面，并加载预训练的图像修复模型，确保你开箱即用。

1.2 访问 WebUI 界面

打开浏览器，在地址栏输入：

http://你的服务器IP:7860

例如你的服务器公网 IP 是47.98.123.45，那么就在浏览器中访问：

http://47.98.123.45:7860

稍等几秒后，页面加载完成，你会看到一个简洁直观的操作界面——这就是我们用来进行图像重绘与修复的核心工具。

2. 界面功能详解

2.1 主界面布局

系统主界面采用左右分栏设计，左侧为编辑区，右侧为结果展示区，整体结构清晰，适合新手快速上手。

┌─────────────────────────────────────────────────────┐ │ 🎨 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] │ └──────────────────────┴──────────────────────────────┘

左侧：图像编辑区

• 支持拖拽上传图片
• 内置画笔和橡皮擦工具，用于标注需要修复的区域
• 提供“开始修复”和“清除”按钮，控制操作流程

右侧：结果展示区

• 实时显示修复后的图像
• 显示处理进度和最终保存路径
• 所有输出文件均自动存入指定目录，便于后续下载使用

3. 使用步骤详解

3.1 第一步：上传原始图像

支持三种方式将图片导入系统：

1. 点击上传
   点击图像上传区域，弹出文件选择窗口，从本地挑选图像。

2. 拖拽上传
   直接将图片文件从电脑桌面或其他文件夹拖入上传区域，松手即可完成导入。

3. 剪贴板粘贴
   复制一张图片（如截图），然后在 WebUI 页面内按下Ctrl+V，图片会自动粘贴并加载。

当前支持格式包括：PNG、JPG、JPEG、WEBP。推荐优先使用 PNG 格式以保留最佳画质。

上传成功后，图像会显示在左侧画布中，等待下一步操作。

3.2 第二步：标注需要修复的区域

这是最关键的一步。系统通过识别你标记的“白色蒙版”来判断哪些部分需要被修复。

操作流程：

1. 确保当前选中的是画笔工具
2. 调整画笔大小滑块，根据目标物体尺寸选择合适的笔触
3. 在需要移除或修复的区域上涂抹白色
4. 若误标，可切换至橡皮擦工具进行修正

注意事项：

• 白色覆盖的区域会被系统视为“缺失内容”，并尝试智能填充
• 建议略微扩大涂抹范围，尤其是边缘复杂的对象（如文字、水印）
• 对于细小瑕疵（如人脸痘印），使用小号画笔精准点涂效果更佳

完成后，你会看到图像上有明显的白色高亮区域，表示即将被修复的部分。

3.3 第三步：点击“开始修复”

确认标注无误后，点击左下角的🚀 开始修复按钮。

系统会执行以下动作：

• 将原始图像与蒙版一起送入修复模型
• 利用 FFT-NPainting-Lama 算法进行上下文感知补全
• 自动优化边缘过渡，避免生硬拼接
• 输出一张无缝融合的新图像

处理时间通常在 5 到 30 秒之间，具体取决于图像分辨率和硬件性能。

3.4 第四步：查看与保存结果

修复完成后，右侧结果区会立即显示新图像。你可以直接对比左右两侧的画面差异。

同时，状态栏会提示：

完成！已保存至: /root/cv_fft_inpainting_lama/outputs/outputs_20260105142312.png

所有生成文件都存储在这个目录下，命名规则为outputs_YYYYMMDDHHMMSS.png，按时间戳区分，防止覆盖。

你可以通过 SFTP 工具（如 WinSCP）连接服务器下载这些文件，也可以打包后批量导出。

4. 核心工具使用说明

4.1 画笔工具（Brush）

这是最常用的功能，用于定义修复区域。

• 颜色含义：只有白色区域才会被修复
• 大小调节：支持从 1px 到 100px 的连续调整
• 适用场景：
  • 大面积去水印 → 使用大画笔快速覆盖
  • 细节修图（如去斑）→ 使用小画笔精细操作

建议先用大笔粗略圈定，再用小笔微调边界。

4.2 橡皮擦工具（Eraser）

当你不小心涂多了，或者想取消某一部分的修复请求时，可以使用橡皮擦。

• 功能与画笔相反：擦除白色蒙版
• 同样支持调整大小，方便局部修正
• 不会影响原始图像内容

4.3 其他辅助功能

5. 实战应用场景演示

5.1 场景一：去除图片水印

很多网络图片带有平台水印，影响美观或二次使用。

操作方法：

1. 上传带水印的截图或照片
2. 用画笔完全覆盖水印区域（包括半透明部分）
3. 点击“开始修复”
4. 观察是否残留痕迹，如有可重复一次

小技巧：对于模糊或渐变水印，适当扩大涂抹范围有助于获得更自然的融合效果。

5.2 场景二：移除不需要的物体

比如合影中有多余路人、产品图中有干扰物品等。

示例流程：

1. 上传包含目标物体的照片
2. 精确描绘该物体轮廓（可用小画笔逐步描边）
3. 确保内部全部填白
4. 启动修复，系统会根据背景纹理自动重建

效果亮点：在结构规则、背景连贯的场景下（如墙面、天空、地板），修复质量非常高。

5.3 场景三：修复老照片或人像瑕疵

老旧照片常有划痕、污点；现代自拍也可能存在皮肤瑕疵。

推荐做法：

• 使用最小画笔逐个点选痘印、斑点
• 避免大面积涂抹脸部，以免改变原有五官特征
• 修复后可明显提升视觉整洁度

该系统在人脸修复方面表现稳定，不会扭曲面部结构。

5.4 场景四：清除图像中的文字

无论是广告牌上的标语，还是文档截图里的敏感信息，都可以轻松去除。

注意事项：

• 文字密集区域建议分段处理
• 每次只修复一行或一个词组，避免系统过载
• 若首次修复不理想，可下载中间结果继续精修

6. 使用技巧与优化建议

6.1 技巧一：精确标注提升修复质量

系统的修复精度高度依赖于你的标注质量。

高质量标注标准：

• 完全覆盖目标区域
• 边缘尽量贴近但不过界
• 复杂形状可分段绘制

不要怕花时间在标注上，它直接决定了最终效果。

6.2 技巧二：分区域多次修复

面对多个待处理区域，不要一次性全标。

推荐策略：

1. 先修复最主要的目标（如中心人物身后的杂物）
2. 下载结果图
3. 重新上传，再处理下一个区域

这样既能保证每次推理的质量，也便于中途调整思路。

6.3 技巧三：合理控制图像尺寸

虽然系统支持较大图像，但过高的分辨率会导致：

• 处理时间显著增加
• 显存占用过高可能引发崩溃

建议上限：2000×2000 像素以内。

如果原图太大，可先用图像软件缩小后再上传，修复完成再放大输出。

6.4 技巧四：利用边缘羽化特性

系统内置自动羽化机制，会在修复区域边缘做柔化处理，避免出现“贴图感”。

发挥优势的方法：

• 标注时稍微超出实际边界 2~5 像素
• 让算法有更多上下文参考
• 最终边缘过渡更自然

7. 常见问题与解决方案

7.1 Q：修复后颜色偏色怎么办？

A：这通常是由于输入图像为 BGR 格式（OpenCV 默认）导致的色彩通道错位。本版本已加入自动转换逻辑，若仍有问题，请确认是否使用官方提供的镜像环境，或联系开发者更新补丁。

7.2 Q：修复边缘有明显接缝或痕迹？

A：请检查标注是否过于紧贴目标边缘。建议扩大涂抹范围，留出缓冲区，让系统更好地融合周围像素。

7.3 Q：处理速度太慢？

A：处理时间与图像面积成正比。超过 2000px 的大图建议先行缩放。此外，GPU 性能直接影响速度，推荐使用至少 8GB 显存的显卡运行。

7.4 Q：输出文件找不到？

A：所有结果统一保存在/root/cv_fft_inpainting_lama/outputs/目录下，文件名以outputs_开头加时间戳命名。可通过命令行查看：

ls /root/cv_fft_inpainting_lama/outputs/

7.5 Q：无法访问 WebUI 页面？

A：请依次排查：

1. 服务是否正常启动：ps aux | grep app.py
2. 端口是否被占用：lsof -ti:7860
3. 防火墙是否开放 7860 端口
4. 是否绑定了正确 IP（0.0.0.0 表示允许外部访问）

7.6 Q：想重新开始操作？

A：点击左下角的🔄 清除按钮，即可清空当前图像和所有标注，回到初始状态，准备下一次任务。

8. 高级应用技巧

8.1 分层修复复杂图像

对于包含多个干扰元素的复杂场景，推荐采用“分层修复”策略：

1. 第一轮：处理最大、最显眼的干扰物
2. 保存结果作为新底图
3. 第二轮：针对细节区域（如角落文字、小图标）进行二次修复
4. 逐层优化，直到满意为止

这种方式比一次性全标更可控，也更容易调试。

8.2 保存中间成果

在多轮修复过程中，务必及时下载每一阶段的结果。

好处包括：

• 防止意外丢失进度
• 可回退到某个良好状态
• 方便横向比较不同参数下的效果

8.3 保持风格一致性

如果你正在处理一系列风格相近的图像（如电商主图、宣传海报），建议：

• 使用同一张图作为基准测试参数
• 记录成功的标注方式
• 复用类似的流程到其他图像

这样可以保证整体视觉风格统一，提升专业度。

9. 服务管理与维护

9.1 正常停止服务

在启动服务的终端窗口中，按下组合键Ctrl+C即可安全退出。

系统会自动释放资源，关闭端口，不会留下残留进程。

9.2 强制终止进程

如果服务卡死或无法响应，可手动终止：

# 查找正在运行的 app.py 进程 ps aux | grep app.py # 输出示例： # root 12345 0.0 2.1 123456 7890 pts/0 T 14:20 0:05 python app.py # 获取 PID（这里是 12345） # 终止进程 kill -9 12345

执行后服务将立即关闭，可重新启动。

10. 总结

fft npainting lama是一款强大且易用的图像修复工具，结合科哥的 WebUI 二次开发，真正实现了“一键部署 + 图形化操作”的平民化体验。

无论你是设计师、运营人员，还是普通用户，只要会用鼠标画画，就能轻松实现：

• 水印去除
• 物体移除
• 老照翻新
• 文字清除

整个过程无需编写代码，也不用理解底层模型原理，专注于“哪里要修”即可。

更重要的是，该项目承诺永久开源免费，体现了技术共享的精神。如果你在使用中遇到问题，或希望定制更多功能，可以直接联系开发者科哥（微信：312088415），共同推动这个实用工具的持续进化。

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。