小白必看：图像修复神器FFT NPainting LaMa保姆级使用教程
你是不是经常遇到这样的问题：照片里有路人乱入、水印碍眼、文字遮挡重点，或者老照片上有划痕污渍？想修图又不想学复杂软件，Photoshop太重，在线工具又担心隐私泄露？今天要介绍的这个工具，可能就是你要找的答案——它不依赖云端，全部本地运行；操作像画画一样简单，不用懂参数；效果却出人意料地自然。它就是由科哥二次开发构建的FFT NPainting LaMa 图像修复系统。
这不是一个需要编译、配置环境、调参跑命令行的“极客玩具”，而是一个开箱即用的 WebUI 工具。上传图片、画几笔、点一下，几秒后，你想要的干净画面就出现在眼前。本文将完全从零开始，手把手带你走完每一个环节：怎么启动、怎么访问、怎么画得准、怎么修得好、怎么避开常见坑。哪怕你从未接触过AI图像处理，也能在10分钟内完成第一次成功修复。
1. 快速启动：三步让修复系统跑起来
别被“FFT”“LaMa”这些词吓到——它们是背后的技术名词，你完全不需要理解就能用。真正要做的，只有三件事：进目录、执行脚本、打开网页。
1.1 启动服务（只需一条命令）
请确保你已通过SSH登录到部署该镜像的服务器（如云主机或本地Linux机器），然后依次执行：
cd /root/cv_fft_inpainting_lama bash start_app.sh注意：这两条命令必须按顺序执行，且路径/root/cv_fft_inpainting_lama是镜像预置的固定路径，无需修改。
执行后，你会看到类似这样的提示：
===================================== ✓ 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 =====================================这表示服务已成功运行。此时系统正在后台加载AI模型（约需5–10秒），无需额外等待或干预。
1.2 访问界面：用浏览器打开即可
在你的本地电脑上，打开任意现代浏览器（Chrome/Firefox/Edge均可），在地址栏输入：
http://你的服务器IP:7860比如，如果你的服务器公网IP是123.45.67.89，就输入：
http://123.45.67.89:7860注意：不是http://localhost:7860（那是服务器本机才能访问），也不是https（本系统不启用SSL）。
如果页面正常加载，你会看到一个简洁的蓝色主色调界面，顶部写着“ 图像修复系统”，左半边是画布区，右半边是结果预览区——这就说明，你已经站在了图像修复的起点。
1.3 停止服务：安全退出不残留
当你完成所有修复任务，想关闭服务时，回到启动终端窗口，直接按键盘组合键：
Ctrl + C你会看到日志中出现Shutting down字样，几秒后返回命令行提示符，即代表服务已干净退出。无需手动杀进程，也不会留下后台任务。
2. 界面初识：看懂每一处功能在干什么
第一次打开界面，可能会被左右两个大区域搞懵。别急，我们用“拍照修图”的日常逻辑来类比，你就立刻明白：
想象你在用手机修图：左边是你正在编辑的照片（还能涂涂画画），右边是“修完之后的样子”。
2.1 主界面分区一目了然
整个界面分为两大功能区，中间用竖线清晰分隔：
左侧：图像编辑区
这是你“动手”的地方。你可以：- 把原图拖进来（支持拖拽）
- 用画笔圈出要修复的地方（就像用马克笔标重点）
- 用橡皮擦掉画错的位置
- 调整画笔粗细，适应不同大小的修复目标
右侧：修复结果区
这是你“验收成果”的地方。它会实时显示：- 修复后的完整图像（不是局部，是整张图）
- 当前处理状态（比如“执行推理中…”）
- 文件保存路径（告诉你修好的图存在哪）
2.2 工具栏图标含义（小白友好版）
界面上方和左侧有一排小图标，我们不讲术语，只说“它能帮你干啥”：
| 图标 | 名称 | 实际作用 | 小贴士 |
|---|---|---|---|
| 画笔 | 标注工具 | 在图上涂白色，告诉系统：“这里我要修！” | 默认就选中，不用点 |
| 橡皮擦 | 擦除工具 | 涂错了？点它，再在白色区域擦掉 | 比重画快得多 |
| ↩ 撤销 | 撤回一步 | 刚才那笔画歪了？点一下就回到上一步 | 类似Ctrl+Z |
| 🧹 清除 | 全部重来 | 所有标注清空，重新上传图片 | 按“ 清除”按钮 |
关键认知：整个修复过程，你唯一要做的“技术动作”，就是用画笔把要修的地方涂成白色。其他所有事——建模、推理、填充、融合——都由系统全自动完成。
3. 四步实操：从上传到下载，一次完整修复流程
现在，我们用一张真实示例图来走一遍全流程。假设你有一张旅游照，电线杆正好横在风景中央，你想把它“无痕移除”。
3.1 第一步：上传你的图片（3种方式任选）
支持以下任意一种，推荐新手用第1种：
- 点击上传：点击左侧灰色大方块区域，弹出文件选择框，选中你的JPG/PNG/WebP图片（注意：不支持BMP、GIF动图）
- 拖拽上传：直接把图片文件从电脑桌面拖进那个灰色区域，松手即上传
- 粘贴上传：截图后按
Ctrl + V，图片自动进入编辑区（仅限Chrome/Firefox）
上传成功后，左侧立刻显示原图，右下角状态栏变成：“ 图像已加载”。
3.2 第二步：精准标注要修复的区域（核心！）
这是决定效果好坏的最关键一步。记住口诀：宁可多涂，不可漏涂；边缘略宽，效果更柔。
以“移除电线杆”为例：
- 确保左上角画笔图标（）是高亮状态（默认就是）
- 拖动下方“画笔大小”滑块，调到中等（约30–50像素），先勾勒整体轮廓
- 在电线杆上从上到下涂抹——涂成纯白色，覆盖整根杆子及底座阴影
- 如果杆子很细，可调小画笔（10–20像素）精细补边
- 若不小心涂到天空或树干，立即点橡皮擦（），轻轻擦掉多余部分
重要提醒：
- 白色区域 = 系统将“彻底重画”的区域
- 未涂白的部分 = 完全保留，一像素都不动
- 不需要涂得很满很厚，一层均匀白色即可
3.3 第三步：点击“ 开始修复”，静待结果
确认白色区域已完整覆盖目标后，点击左下角绿色按钮：** 开始修复**。
此时，右侧状态栏会依次显示：
初始化... 执行推理... 完成！已保存至: /root/cv_fft_inpainting_lama/outputs/outputs_20250405142231.png⏱ 时间参考：
- 手机截图（800×1200）：约5–8秒
- 高清风景图（2000×1500）：约12–25秒
- 超大图（>3000px）：建议先缩放，否则等待明显变长
3.4 第四步：查看 & 下载修复结果
修复完成后，右侧立刻显示新图——注意，这不是局部补丁，而是整张图重绘后的最终版本，背景、光影、纹理全部连贯自然。
- 查看效果：直接对比左右两图，电线杆是否消失？周围天空/树叶是否过渡自然？
- 下载保存：打开服务器文件管理器（如宝塔面板），或用FTP工具连接，进入路径：
/root/cv_fft_inpainting_lama/outputs/
找到最新生成的outputs_YYYYMMDDHHMMSS.png文件（时间戳命名，一眼可辨），下载到本地即可。
小技巧：如果觉得边缘有一点生硬，不要重来！只需回到左侧，用橡皮擦擦掉原标注边缘1–2像素，再用稍大画笔重新涂宽一点点，再次点击修复——系统会自动羽化融合，效果立竿见影。
4. 场景实战：4类高频需求，怎么修才最省力
光会流程还不够，不同问题有不同“画法”。下面这4个场景，覆盖了90%的日常修复需求，每类都附带“避坑要点”。
4.1 去除水印（尤其半透明/渐变水印）
典型表现：LOGO浮在右下角，带透明度，直接涂白可能留灰边。
正确画法：
- 用中号画笔（40px左右），把水印+周围一圈空白区域全涂白（扩大10–15像素）
- 不要只涂LOGO本身，系统需要“上下文”来智能重建
避坑要点：
❌ 别用小画笔抠边——效率低且易漏
涂宽比涂准更重要，AI擅长“脑补”周边
4.2 移除人物或物体（如路人、垃圾桶、广告牌）
典型表现：物体与背景融合深，边缘复杂（如树丛中的人）。
正确画法：
- 先用大画笔（60–80px）快速圈出物体大致范围
- 再切小画笔（15–25px），沿边缘仔细描一遍，确保无遗漏
- 对于头发、栅栏等细碎结构，可放大画布（鼠标滚轮）后精修
避坑要点：
❌ 别追求100%贴合——AI对轻微溢出容忍度很高
复杂场景建议分两次：先修主体，再修边缘细节
4.3 修复老照片瑕疵（划痕、霉斑、折痕）
典型表现：细长裂纹、分散黑点、不规则污渍。
正确画法：
- 黑点/霉斑：用小画笔（5–10px）逐个点涂
- 划痕/折痕：用细长画笔（宽度5px，长度调长），沿痕迹直线涂抹
- 大片泛黄：不建议整体修复（会失真），聚焦局部重点区域
避坑要点：
❌ 别试图一次修整整张旧照——效果难控
优先修复人脸、文字等关键信息区，提升感知质量
4.4 去除图片中的文字（标题、弹幕、对话框）
典型表现：文字嵌在背景中，颜色接近，边缘模糊。
正确画法：
- 用中号画笔（30–40px），把文字+文字周围的“呼吸区”一起涂白（上下左右各加5px）
- 对于长段文字，可分段涂抹（如每行单独涂），避免误伤背景
避坑要点：
❌ 别用橡皮擦“抠字”——效率极低
文字区域越“胖”，系统重建越有信心，效果越干净
5. 效果优化：3个让修复更自然的实用技巧
即使按流程操作，有时结果仍不够理想。这时，不是模型不行，而是你还没掌握它的“脾气”。试试这三个亲测有效的技巧：
5.1 边缘柔化：多涂5像素，胜过调10次参数
为什么修复后边缘有“贴图感”？因为AI需要一点“缓冲带”来混合纹理。实测表明：在原始标注边缘外扩5–10像素再修复，融合度提升70%以上。
操作方法：
- 修复后若发现边缘生硬 → 点“ 清除”
- 重新涂白时，刻意让白色区域“漫出”目标边界一小圈
- 再次修复，几乎不再有割裂感
5.2 分层修复：大图难题的终极解法
面对超大图（如4K壁纸）或多个独立目标（如海报上3个水印），不建议一次性全涂。推荐“分层策略”：
- 先专注修复最影响观感的一个目标（如主视觉水印）
- 下载修复图（
outputs_xxx.png） - 重新上传这张“半成品”，再标注第二个目标
- 重复，直到全部完成
优势：每次计算量小、速度快、可控性强、失败成本低
5.3 参考风格：保持色调统一的小秘密
如果你连续修复多张同系列图（如产品图集），希望颜色、质感一致：
- 先用一张图做“风格锚点”：认真修复，得到满意结果
- 后续图修复时，保持画笔大小、涂抹方式、扩展宽度基本一致
- 系统基于同一模型，输入特征相似，输出风格自然趋同
这不是玄学——LaMa模型本身具备强上下文感知能力，你的操作习惯，就是它学习的“风格指令”。
6. 常见问题解答（Q&A）：那些让你卡住的瞬间
Q1：点了“开始修复”没反应，状态栏一直停在“初始化…”？
A：大概率是模型加载卡住。请回到终端，按Ctrl+C停止，再执行一次bash start_app.sh。首次启动较慢，耐心等15秒再试。
Q2：修复后图像发灰/偏色，不像原图鲜艳？
A：检查原图是否为sRGB色彩空间。若用专业软件导出，尝试另存为“sRGB模式”。绝大多数手机/相机直出图无此问题。
Q3：上传后图片显示异常（拉伸、裁剪、变色）？
A：该工具默认适配常见分辨率，但对极端比例（如超宽屏16:3）支持有限。建议上传前用画图工具简单裁成4:3或16:9。
Q4：找不到outputs文件夹？或者下载的图是黑的？
A：确认路径是/root/cv_fft_inpainting_lama/outputs/（注意是root用户目录）。黑图通常是PNG透明通道问题，换JPG格式重试即可。
Q5：能修复视频帧吗？或者批量处理100张图？
A：当前WebUI版本仅支持单张图片交互式修复。批量处理需二次开发调用API（文档中有Python接口说明，进阶用户可探索）。
Q6：修复速度太慢，能加速吗？
A：可在start_app.sh中修改启动参数，添加--gpu（如显卡可用）或调整--num_workers。但对小白建议：优先压缩图片至2000px短边，提速最显著。
7. 总结：你真正需要记住的3句话
回顾全文，其实不需要记住所有步骤。只要牢牢记住这三句，你就能稳定产出高质量修复结果：
- 第一句：白色即答案—— 你涂的每一块白色，就是系统重绘的全部画布；涂得准、涂得全，效果就稳。
- 第二句：宽比准重要—— 边缘多涂5像素，比花3分钟抠边更能获得自然融合。
- 第三句：分次胜于强求—— 复杂任务拆成几步，每次只攻一个点，成功率翻倍，心态也不崩。
这个工具的魅力，不在于它有多“智能”，而在于它把前沿AI能力，封装成了连初中生都能上手的涂鸦体验。你不需要知道FFT如何频域去噪，也不用理解LaMa的U-Net结构——你只需要相信：你画下的白色，就是AI开始创造的起点。
现在，就打开你的服务器，上传第一张图，画下第一笔白色吧。
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。
