零基础玩转图像修复：fft npainting lama详细入门教程-开发者社区

零基础玩转图像修复：fft npainting lama详细入门教程

1. 引言

1.1 学习目标

本文旨在为零基础用户全面介绍如何使用基于FFT和LaMa模型的图像修复系统，实现高效、精准的图像内容移除与重绘。通过本教程，您将掌握：

如何部署并启动图像修复 WebUI 服务
图像上传、区域标注与修复操作全流程
常见应用场景（如去水印、去文字、物体移除）的实际操作技巧
系统使用中的常见问题排查方法

最终，您将能够独立完成高质量的图像修复任务，并具备进一步二次开发的基础能力。

1.2 前置知识

本教程面向初学者设计，无需深入理解深度学习或信号处理原理。但建议了解以下基本概念：

图像掩码（Mask）：用于标记图像中需要处理的区域，通常以黑白图表示，白色为待修复区。
图像修复（Inpainting）：指利用算法自动填充图像中缺失或被遮挡区域的内容，使其与周围环境自然融合。
LaMa 模型：一种基于傅里叶卷积的先进图像修复模型，在大尺度缺失修复上表现优异。
FFT（快速傅里叶变换）：一种高效的频域分析技术，常用于图像增强和结构保留。

1.3 教程价值

相比传统修图工具（如 Photoshop 内容识别填充），本系统结合了现代 AI 模型与频域处理优势，具有以下特点：

操作简单：图形化界面，拖拽即可完成修复
效果自然：AI 自动生成符合上下文的内容
支持批量处理：可连续修复多张图像
开源可定制：支持本地部署与二次开发

2. 环境准备与服务启动

2.1 系统要求

项目	推荐配置
操作系统	Linux (Ubuntu/CentOS) 或 WSL2
CPU	Intel i5 及以上
GPU	NVIDIA 显卡（推荐 8GB 显存以上）
内存	≥16GB
存储空间	≥10GB 可用空间

注意：若无 GPU，系统仍可运行，但处理速度会显著降低。

2.2 启动 WebUI 服务

进入镜像工作目录并执行启动脚本：

cd /root/cv_fft_inpainting_lama bash start_app.sh

成功启动后，终端将显示如下提示信息：

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

此时服务已在后台监听7860端口。

2.3 访问 WebUI 界面

在浏览器中输入服务器 IP 地址加端口号进行访问：

http://<服务器IP>:7860

例如： - 本地测试：http://127.0.0.1:7860- 远程服务器：http://47.98.123.45:7860

提示：确保防火墙已开放7860端口，否则无法远程访问。

3. WebUI 界面详解

3.1 主界面布局

系统采用双栏式设计，清晰划分功能区域：

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

3.2 功能模块说明

左侧：图像编辑区

图像上传区域
支持点击上传、拖拽上传、剪贴板粘贴三种方式。
画笔工具（Brush）
用于绘制需要修复的区域，涂抹部分将以白色高亮显示。
橡皮擦工具（Eraser）
修正误标区域，精确调整 mask 边界。
操作按钮组
🚀 开始修复：提交当前图像与 mask 进行 AI 修复
🔄 清除：清空当前所有内容，重新开始

右侧：结果展示区

修复结果预览窗
实时显示修复后的完整图像。
处理状态信息框
显示当前任务进度及输出路径，典型状态包括：
“等待上传图像并标注修复区域...”
“执行推理...”
“完成！已保存至: xxx.png”

4. 图像修复四步操作法

4.1 第一步：上传原始图像

支持以下三种上传方式：

点击上传
点击上传区域，从文件管理器选择图像文件。
拖拽上传
直接将图像文件拖入上传区域，松手即导入。
剪贴板粘贴
复制图像后，在界面任意位置按下Ctrl+V即可粘贴。

支持格式：PNG、JPG、JPEG、WEBP

建议优先使用 PNG 格式，避免 JPG 压缩带来的质量损失。

4.2 第二步：标注修复区域

这是决定修复效果的关键步骤。

使用画笔工具标注

确保左侧工具栏已选中“画笔”图标。
调整画笔大小滑块，根据目标区域尺寸选择合适笔触：
小画笔（10–30px）：适用于细节修补（如面部斑点）
中画笔（50–100px）：通用型，适合大多数场景
大画笔（>100px）：快速覆盖大面积区域（如背景水印）
在需要移除的区域上均匀涂抹白色，确保完全覆盖目标对象。

使用橡皮擦工具修正

若标注超出范围或遗漏部分区域：

切换至“橡皮擦”工具
擦除多余部分或重新补涂遗漏区域
可配合缩放功能（鼠标滚轮）进行精细调整

核心原则：白色区域 = 待修复区域，必须完整覆盖目标内容。

4.3 第三步：启动修复任务

确认标注无误后，点击"🚀 开始修复"按钮。

系统将自动执行以下流程：

加载原始图像与 mask
调用 LaMa 模型进行特征提取与内容生成
结合 FFT 频域优化，提升纹理一致性
输出修复结果并保存到本地

处理时间参考：

图像尺寸	平均耗时（GPU）
< 500px	~5 秒
500–1500px	10–20 秒
> 1500px	20–60 秒

4.4 第四步：查看与保存结果

修复完成后，右侧将实时显示修复后的图像。

查看修复效果

对比原图与修复图，检查边缘融合度与内容合理性
若存在轻微瑕疵，可下载后重新上传进行二次修复

下载修复结果

文件自动保存路径：/root/cv_fft_inpainting_lama/outputs/
文件命名规则：outputs_YYYYMMDDHHMMSS.png
可通过 SCP、FTP 或直接下载链接获取文件

提示：可通过文件管理器定期清理旧文件，释放磁盘空间。

5. 核心工具使用技巧

5.1 画笔工具高级用法

技巧	说明
边缘扩展法	标注时略大于目标区域（约外扩 5–10px），有助于模型更好捕捉上下文信息
分层涂抹	对复杂结构（如树枝、电线）可多次轻涂，避免一次性覆盖不均
低透明度预览	系统自动提供半透明叠加预览，便于判断覆盖完整性

5.2 橡皮擦工具应用场景

误操作修正：擦除不小心涂到的有效内容区域
边界微调：对人物发际线、建筑轮廓等敏感边缘进行精细化处理
局部重做：仅擦除某一部分，保留其他已标注区域继续修复

5.3 其他辅助功能

功能	快捷键	说明
撤销操作	Ctrl+Z（部分浏览器支持）	回退至上一步标注状态
图层管理	——	支持多 mask 图层，一般无需手动干预
图像裁剪	——	可先裁剪再修复，减少计算量

6. 典型应用场景实战

6.1 场景一：去除图片水印

适用类型：LOGO 水印、版权标识、角标等

操作流程： 1. 上传带水印图像 2. 使用中号画笔完整涂抹水印区域 3. 点击“开始修复” 4. 观察结果，如有残留可重复一次

技巧：对于半透明水印，建议适当扩大标注范围，帮助模型重建底层纹理。

6.2 场景二：移除干扰物体

适用类型：路人、车辆、电线杆、垃圾桶等

操作要点： - 精确描绘物体轮廓，尤其是与背景交界处 - 复杂背景下（如树林、人群）修复效果更佳 - 大型物体建议分区域逐步修复

示例：

输入：一张旅游照片中有无关路人
输出：干净背景，仿佛从未有人出现

6.3 场景三：修复图像瑕疵

适用类型：老照片划痕、噪点、污渍、人像痘印等

操作建议： - 使用小画笔逐个点选瑕疵 - 面部皮肤类修复效果极佳，能保持肤色一致 - 多个分散瑕疵可一次性全部标注后统一修复

6.4 场景四：清除图像文字

适用类型：广告标语、海报标题、屏幕截图文字等

注意事项： - 文字密集区域建议分段处理，避免一次性修复失败 - 字体较大或颜色对比强烈时，需确保标注完全覆盖 - 背景为纯色或渐变时修复效果最佳

进阶技巧：可先修复文字主体，再单独处理阴影或描边部分。

7. 性能优化与高级技巧

7.1 提升修复质量的三大策略

策略一：精确标注 + 边缘外扩

白色 mask 应完全覆盖目标
建议向外扩展 5–10 像素，利于边缘羽化

策略二：分区域多次修复

对于大范围或多目标修复：

先修复主要区域 A
下载中间结果
重新上传，修复区域 B
依次类推，避免一次性负载过高

策略三：利用参考图像保持风格一致

当处理系列图像时（如同一场景多张照片）：

先修复一张作为“风格模板”
后续图像尽量保持相似参数与标注方式
可获得视觉连贯的结果

7.2 图像分辨率建议

分辨率范围	推荐做法
< 1000px	直接处理，速度快
1000–2000px	正常处理，效果稳定
> 2000px	建议先降采样至 2000px 内，修复后再超分放大

原因：高分辨率图像不仅耗时长，还可能因显存不足导致崩溃。

8. 常见问题与解决方案

问题现象	可能原因	解决方案
修复后颜色偏暗或失真	输入非 RGB 格式或压缩严重	使用 PNG 格式上传，避免 JPG 二次压缩
边缘有明显痕迹	标注未充分外扩	重新标注并扩大 mask 范围
处理时间过长	图像过大或硬件性能不足	压缩图像至 2000px 以内，或升级 GPU
找不到输出文件	路径错误或权限问题	检查`/root/cv_fft_inpainting_lama/outputs/`目录是否存在
无法连接 WebUI	服务未启动或端口被占用	执行`ps aux \\| grep app.py`查看进程状态
未检测到有效 mask	未使用画笔标注	确保已用白色涂抹需要修复的区域

8.1 服务连接问题排查

若浏览器无法打开http://IP:7860，请按顺序检查：

服务是否运行
bash ps aux | grep app.py若无输出，则服务未启动。
端口是否被占用
bash lsof -ti:7860若返回 PID，说明端口已被占用，需终止冲突进程。
防火墙设置
确保云服务器安全组已放行7860端口。
日志查看
查看启动脚本输出日志，定位具体报错信息。

9. 服务管理与维护

9.1 正常停止服务

在启动终端中按下组合键：

Ctrl + C

系统将优雅关闭 WebUI 服务。

9.2 强制终止服务

当服务卡死或无法响应时，可强制杀进程：

# 查找进程 ID ps aux | grep app.py # 终止指定进程（替换实际 PID） kill -9 <PID>

警告：强制终止可能导致未保存数据丢失，请谨慎操作。

10. 总结

本文系统介绍了基于FFT + LaMa的图像修复系统的完整使用流程，涵盖从环境部署、界面操作到实际应用的各个环节。通过本教程的学习，您已经掌握了：

如何快速启动并访问 WebUI 服务
图像上传、mask 标注与修复提交的标准流程
去水印、去物体、去文字等常见场景的操作方法
提升修复质量的实用技巧与性能优化建议
常见问题的诊断与解决路径

该系统凭借其简洁的交互设计与强大的 AI 修复能力，非常适合设计师、摄影师、内容创作者以及开发者用于日常图像处理任务。更重要的是，其开源架构为后续二次开发提供了良好基础，您可以在此之上集成更多功能（如自动检测水印区域、批量处理队列等）。

未来可探索方向包括： - 结合 OCR 实现文字自动识别与清除 - 添加风格迁移选项，控制修复区域的艺术风格 - 部署为 API 服务，供其他系统调用

图像修复不仅是技术，更是创造力的延伸。希望本教程能助您轻松驾驭这一强大工具，释放无限创意可能。

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。