保姆级教程：用fft npainting lama轻松修复老照片瑕疵
老照片泛黄、划痕、折痕、霉斑、模糊……这些岁月留下的痕迹，让珍贵记忆蒙上阴影。你是否试过用PS手动修图？耗时费力，效果还常不自然。今天，我们不用专业软件，不学复杂操作，只用一个开箱即用的AI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，三步完成老照片“重生”。
这不是概念演示，而是真实可运行的WebUI工具：上传→涂抹→点击→下载。全程图形化操作，零代码基础，连鼠标都不会用错。本文将手把手带你从启动服务到修复一张泛黄带折痕的全家福，连“画笔该调多大”“涂歪了怎么擦”这种细节都讲清楚。
1. 一分钟启动：服务跑起来才是第一步
别被“fft”“lama”这些词吓住——它们只是技术底座的名字，你面对的只是一个清爽的网页界面。真正要做的，只有两行命令。
1.1 启动服务（只需执行一次）
打开终端（Linux/macOS）或WSL（Windows），依次输入：
cd /root/cv_fft_inpainting_lama bash start_app.sh看到下面这段提示，就成功了：
===================================== ✓ 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，说明镜像未正确加载，请确认你已在CSDN星图镜像广场中拉取并运行了该镜像。首次启动可能需要30秒加载模型，耐心等待终端不再滚动日志即可。
1.2 访问界面：打开浏览器，输入地址
在你的电脑浏览器中，输入：
- 如果你在服务器本机操作 →
http://127.0.0.1:7860 - 如果你在另一台设备（如笔记本）远程访问 →
http://你的服务器IP:7860
（例如：http://192.168.1.100:7860或http://47.98.xxx.xxx:7860）
你会看到一个干净的界面，顶部写着 ** 图像修复系统**，左半边是编辑区，右半边是结果预览区——这就是你要操作的全部战场。
注意：不要关闭运行
start_app.sh的终端窗口，它就是服务的“心脏”。想停止？按键盘Ctrl + C即可，服务立即退出。
2. 三步实操：修复一张泛黄带折痕的老照片
我们以一张典型的80年代全家福为例：纸面泛黄、有明显斜向折痕、右下角还有几处墨点污渍。目标：消除折痕与污点，保留人物神态与背景纹理，不“塑料感”，不“失真”。
2.1 第一步：上传照片（三种方式，总有一种顺手）
支持三种上传方式，任选其一：
- 点击上传：点击左侧大块虚线框区域，弹出文件选择窗口，找到你的老照片（PNG/JPG/JPEG/WEBP格式均可）
- 拖拽上传：直接把照片文件从文件管理器拖进虚线框内（最推荐！快且直观）
- 粘贴上传：用看图软件打开照片 →
Ctrl+A全选 →Ctrl+C复制 → 回到网页界面 →Ctrl+V粘贴
上传成功后，左侧编辑区会立刻显示原图，清晰锐利，无压缩失真。
2.2 第二步：精准标注（关键！不是乱涂，是有策略地“告诉AI哪里要修”）
界面左上角有一排工具图标：画笔（🖌）、橡皮擦（🧽）、撤销（↩）等。默认已选中画笔工具。
标注核心原则：白色 = 待修复区域
系统会把所有涂成白色的区域“抹掉”，然后根据周围像素智能重建。所以——涂得准，修得真。
| 问题类型 | 标注技巧 | 推荐画笔大小 |
|---|---|---|
| 细折痕（如发丝粗） | 用小画笔（滑块调至10–20），沿折痕中心线单次轻涂，宁窄勿宽 | 小（10–20） |
| 墨点/霉斑（直径<5mm） | 用中等画笔（30–50），完全覆盖污点，并向外延展1–2像素 | 中（30–50） |
| 大面积泛黄/褪色 | 不建议整体涂抹！应聚焦于色差最突兀的局部（如人脸与衣领交界处） | 中–大（40–80） |
📸 实操演示（文字还原）：
我们这张全家福，先用小画笔（15）沿斜向折痕仔细描一遍；再换中画笔（45），把右下角三个墨点逐个圈住，每个点都比实际略大一圈；最后，发现爷爷衣领边缘有一小块泛白脱色，用小画笔（12）轻轻点涂。全程30秒，白色标注清晰、干净、不溢出。
如果涂错了？别慌，用橡皮擦（🧽）擦掉重来
- 点击橡皮擦图标 → 在误涂区域拖拽 → 白色消失 → 再切回画笔继续。
小贴士：标注不必追求“完美闭合”。LAMA模型对mask容错率高，只要主体覆盖到位，边缘系统会自动羽化过渡，避免生硬边界。
2.3 第三步：一键修复 & 查看结果（等待5–20秒）
点击左下角醒目的 ** 开始修复** 按钮。
界面右上角状态栏会实时变化：
初始化...→执行推理...→完成！已保存至: /root/cv_fft_inpainting_lama/outputs/outputs_20240520143215.png
同时，右侧结果区立刻显示修复后的完整图像——折痕消失，墨点不见，衣领色彩自然恢复，连背景墙纸的纹理都完好延续。
对比验证：把原图和修复图并排打开（截图保存原图），重点看折痕位置——不再是生硬的“一条白线”，而是渐变融合的纸张肌理；墨点区域没有模糊糊一片，而是被周围砖纹、光影逻辑自然“长”回来。
3. 进阶技巧：让修复效果从“能用”升级到“惊艳”
基础三步已能解决80%问题，但遇到复杂场景，这几个技巧能让你的效果更上一层楼。
3.1 分区域多次修复（应对大面积损伤）
一张老照片若有折痕+霉斑+人脸模糊，不要试图一次全涂。这会增加模型负担，且易导致局部失真。
正确做法：
- 先只涂折痕 → 点击修复 → 下载结果图（
outputs_xxx.png） - 重新上传这张“已去折痕”的图 → 只涂霉斑区域 → 再修复
- 最后上传第二版 → 用小画笔精修人脸眼角细纹 → 完成
为什么有效？每次修复，模型都基于“当前最干净的上下文”进行推理。分步=给AI提供更可靠的参考，效果远超一步到位。
3.2 边界羽化技巧（告别“假面感”）
有时修复后，修复区域边缘会有一圈轻微色差或模糊，像贴了层薄膜。
解决方案：标注时主动扩大范围
- 在折痕两侧各加宽2–3像素白色
- 在墨点外圈多涂1–2圈
- 系统内置的FFT频域优化会利用这部分“缓冲区”，自动做平滑过渡，边缘肉眼不可辨。
3.3 输出与保存（确保你拿到的是最高质量）
修复结果自动保存为PNG格式（无损压缩），路径固定：
/root/cv_fft_inpainting_lama/outputs/outputs_YYYYMMDDHHMMSS.png- 为什么是PNG？避免JPG二次压缩带来的色阶损失，尤其对泛黄老照片的暖色调还原至关重要。
- 如何下载？
- 方式1（推荐）：用FTP工具（如FileZilla）连接服务器，进入上述目录，下载最新命名的PNG文件。
- 方式2：若服务器装有桌面环境，直接打开文件管理器导航至此路径复制。
注意：WebUI界面不提供直接下载按钮，这是为保障服务稳定性做的设计。FTP是最通用、最可靠的方式。
4. 场景全覆盖：不只是修老照片
这个工具的核心能力是“基于上下文的语义级图像补全”，因此适用场景远超“怀旧修复”。
4.1 四大高频场景实测效果
| 场景 | 操作要点 | 效果反馈 | 适合人群 |
|---|---|---|---|
| 去除水印 | 涂满水印区域，略扩边 | 半透明水印清除干净，背景纹理无缝衔接 | 运营、自媒体、设计师 |
| 移除路人 | 精准勾勒路人轮廓，注意头发/衣角细节 | 复杂背景（如树影、建筑）下重建自然，无鬼影 | 摄影师、旅行博主 |
| 修复证件照瑕疵 | 小画笔点涂痘痘、黑眼圈、反光 | 皮肤质感保留，不“磨皮脸”，毛孔与纹理仍在 | 求职者、学生 |
| 老电影帧修复 | 上传单帧截图，涂划痕/噪点 | 有效抑制颗粒感，提升清晰度，不丢失胶片韵味 | 影视爱好者、资料馆 |
真实案例：一位用户上传1940年代黑白结婚照，折痕+霉斑+局部撕裂。分三次修复（先大折痕→再霉斑→最后撕裂边缘），最终输出图经放大查看，纸张纤维走向、礼服褶皱明暗均符合物理逻辑，亲友一致认为“比原片还精神”。
5. 常见问题速查：省下90%的调试时间
我们整理了新手最常卡壳的6个问题，答案直接对应文档，无需翻找。
Q1：点击“开始修复”没反应，状态栏一直显示“等待上传…”
→检查点：确认左侧已成功显示原图（非空白或报错）；确认白色标注已存在（哪怕只涂了一个点）。若仍无效，按Ctrl+R刷新页面重试。
Q2：修复后颜色发灰/偏色？
→根本原因：原图是CMYK或灰度模式。LAMA仅支持RGB。
→解法：用任意看图软件（如Windows照片查看器）打开原图 → 另存为 → 格式选JPG/PNG → 勾选“转换为sRGB” → 重新上传。
Q3：处理卡在“执行推理…”超过1分钟？
→大概率原因：图片分辨率过高（>2000px）。
→立竿见影解法：用手机相册或在线工具（如TinyPNG）将长边压缩至1800px以内，再上传。
Q4：修复区域出现奇怪色块或扭曲？
→典型诱因：标注时白色未填满，留有缝隙或半透明。
→操作：用橡皮擦清理所有“毛边”，再用稍大画笔整体覆盖一遍，确保纯白、无灰阶。
Q5：找不到outputs文件夹？
→路径确认：绝对路径是/root/cv_fft_inpainting_lama/outputs/（注意开头的/root）。用ls -l /root/cv_fft_inpainting_lama/命令验证目录存在。
Q6：想换台电脑继续修图，能导出设置吗？
→现状说明：当前版本为轻量WebUI，不保存用户配置。但所有操作（上传→标注→修复）都是无状态的，换设备只需重新上传原图+复现标注步骤，30秒搞定。
6. 为什么它比PS“内容识别填充”更靠谱？
你可能用过Photoshop的“内容识别填充”，但常遇到边缘断裂、纹理错乱。fft npainting lama的优势，在于底层技术代差：
- 传统方法（PS）：基于像素块匹配，找图中相似纹理“拼凑”填补，逻辑简单，易露馅。
- 本镜像（FFT+LaMa）：
- FFT频域增强：先将图像转到频率域，强化结构信息（如折痕方向、纹理周期），让模型“看清”纸张本质；
- LaMa大模型重建：采用论文《Large Image Inpainting with Latent Diffusion Models》同源架构，理解“纸张该是什么样”“人脸该有什么结构”，生成而非拼凑。
🧪 简单验证：同一张折痕图，PS填充后放大看折痕位置，常出现重复砖纹或模糊晕染；而本工具修复处，放大10倍仍可见细微纸浆纤维走向——这才是真正的“以假乱真”。
7. 总结：一张老照片的数字重生之旅
回顾整个流程，你其实只做了三件极简的事：
① 输入两行命令，让服务跑起来；
② 用鼠标在照片上涂几笔白色；
③ 点一下“ 开始修复”，喝口茶的功夫，岁月伤痕悄然隐去。
它不教你傅里叶变换，不让你调Diffusion参数，甚至不需要知道“LaMa”是什么。它把前沿的AI能力，封装成一把趁手的“数字画笔”。那些锁在抽屉里的泛黄记忆，现在只需要一次上传，就能重新鲜亮地铺展在屏幕上。
下一步，你可以：
→ 修复父母的青春合影
→ 为家族史扫描件批量去噪
→ 把老地图上的污渍清干净，用于学术研究
→ 甚至，用它移除旅游照里的电线杆，让风景回归纯粹
技术的意义，从来不是炫技，而是让珍视之物，穿越时间，依然清晰。
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。
