5分钟上手IOPaint：免费开源AI图像修复，3步抹掉照片里的路人和水印-编程实验室

5分钟上手IOPaint：免费开源AI图像修复，3步抹掉照片里的路人和水印

【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

旅行照里的路人想抹掉？老照片上的水印想去掉？IOPaint 是一款免费开源的 AI 图像修复工具，你只需用画笔涂掉不需要的区域，它就能自动补全背景，几分钟内上手。

项目定位：一张图说清 IOPaint 能替你做什么

IOPaint 是一个自托管的图像修复（inpainting）工具，背后接入了 LaMa、Stable Diffusion、PowerPaint 等主流模型，覆盖"擦除"和"替换"两类任务。它面向不需要编程基础、也不想把照片上传到云端的人，完全免费开源，图片全程在本机处理，不经过任何第三方服务器。

对你来说，它省掉的是三件事：请人修图、学 PS 的修补工具、以及手动抠背景的时间。支持 CPU、NVIDIA GPU 和 Apple Silicon，普通笔记本也能跑起来。

快速上手：从安装到第一次出图只需2条命令

这一节带你从零基础走到看到第一张修复结果。

先安装主程序，下面这条命令会把 IOPaint 装好：

pip3 install iopaint

如果你用的是 NVIDIA 显卡，建议先单独安装对应版本的 PyTorch（AMD 显卡用 rocm 源，仅 Linux 支持），装完主程序后即可跳过。

装好后启动 Web 界面，让工具自己打开浏览器：

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

首次启动会自动下载 LaMa 模型，网络通畅时一两分钟完成。之后在http://localhost:8080里：上传一张图 → 用画笔涂掉路人、水印或杂物 → 点执行 → 下载结果。第一次修复一般几秒到十几秒出图。

常用可选项：

--device：cpu（通用）、cuda（NVIDIA GPU）、mps（Apple Silicon 芯片）
--model：修复模型名，lama是默认值，其他选择见后文
--model-dir：指定模型下载目录，默认位置磁盘不够时用它

核心能力：这些场景都能直接搞定

这一节按最常见的三类需求，展示 IOPaint 的实际效果，图片均为项目自带示例。

如何抹掉照片背景里的路人

拍完照才发现角落站了个陌生人？在 Web 界面上传照片，用画笔把路人涂黑（mask 不用涂得精确，略大于目标更好），选择 LaMa 模型执行。

同一张照片：左图左上角有位路人，右图已消失，墙面和地板纹理补全自然

如何去除画面中的多余物体

照片、海报里多出来的物件（挂着的灯笼、多余的招牌）同样适用。涂抹目标区域后，模型会参考四周内容做补全，大面积遮挡也不会露馅。

婚礼堂天花板上被移除的纸灯笼，木梁与阴影衔接几乎看不出痕迹

如何批量清除水印和文字

带版权水印的素材图、游戏海报上的大标题文字，涂抹后文字笔画会被周围画面自然覆盖。

同一张素材图的多枚斜向水印全部被清除，肤色和车体细节没有明显断层

进阶玩法：按你想要的效果来配置

这一节不罗列功能，直接按目标场景给配置。插件默认关闭，在启动命令后追加参数即可同时启用。

想要自动选区、精确去背景

手动涂 mask 费时间时，可以开两个插件：--enable-interactive-seg启用 Segment Anything，画面里点一下物体就能自动圈出完整 mask；--enable-remove-bg直接分离前景，输出透明 PNG，适合做素材裁切。两者都可以配--interactive-seg-device、--remove-bg-device指定运行设备，例如：

iopaint start --enable-interactive-seg --enable-remove-bg \ --interactive-seg-device=cuda --remove-bg-device=cuda

想修脸或把图变清晰

老照片面部模糊、损坏，追加--enable-gfpgan（人脸修复）；分辨率低、想放大四倍，追加--enable-realesrgan（超分辨率）。它们都默认跑在 CPU 上，加--gfpgan-device=cuda之类的参数可提速。

想一次处理几百张图（批量去水印）

iopaint run是纯命令行批处理模式，不启动 Web 界面：

iopaint run --model=lama --device=cpu \ --image=输入图片目录 --mask=mask目录 --output=输出目录

两个要点：mask 目录里的文件名要和原图一一对应；如果--mask指向单个 mask 文件，则所有图片复用同一个蒙版，正好适合"全图去同一个固定水印"的场景。

避坑指南：新手最常踩的3个坑

这一节帮你省下排查问题的时间。

CPU 慢不一定是卡死了。LaMa 这类轻量模型在 CPU 上小图几十秒、大图几分钟，属于正常；但 Stable Diffusion 系列在纯 CPU 上极慢，基本没法用。想跑扩散模型，优先给--device配cuda或mps。
显存不够时降档启动。大模型报 OOM 或启动失败，追加--low-mem（降低峰值内存）和--cpu-offload（把模型分层挪到 CPU），速度会变慢但能跑通；再不行加--no-half关掉半精度。
模型别选错。删东西默认用lama，快且省资源，绝大多数擦除任务它就够了；想"替换"而不是"删除"（把路人换成草地）才需要 SD / PowerPaint 这类扩散模型；文字增删任务有专门的 AnyText。选错模型只会更慢，不会更好。

适用人群与选型建议

这一节直接给结论，帮你少走弯路。

摄影爱好者：日常抹路人、清杂物，--model=lama就够，配合交互分割插件省涂 mask 的时间。
电商运营 / 内容团队：固定位置的重复水印用批量模式一次跑完；需要精修时用交互式分割把产品区域圈得干干净净。
设计师 / 修图师：需要替换内容或延展画面（outpainting）时切到 PowerPaint 或 SD 模型；交付前用 RealESRGAN 加一道超分。
隐私保护需求：抹掉照片里的证件、车牌等敏感信息，LaMa 即可，数据不出本机。
低配置设备：全程 CPU + LaMa 的组合是最稳的起点，别急着上扩散模型。

一句话选型：删除选 LaMa，替换选 PowerPaint / SD，文字选 AnyText。