5分钟搭建个人修图站！fft npainting lama部署教程-深圳市維司達科技有限公司

5分钟搭建个人修图站！fft npainting lama部署教程

1. 快速上手：从零开始搭建图像修复系统

你是否遇到过这样的问题：一张珍贵的照片上有不需要的物体、水印或者瑕疵，想把它去掉却不会用复杂的修图软件？现在，借助fft npainting lama这个强大的AI图像修复镜像，你可以在5分钟内搭建一个属于自己的在线修图工具，无需编程基础，一键部署，轻松实现“哪里不要点哪里”的智能修复体验。

本文将带你一步步完成整个部署流程，从启动服务到实际使用，全程小白友好。无论你是想去除照片中的路人甲，还是清理文档上的水印，这个系统都能帮你自动填充背景，做到自然无痕。

1.1 镜像简介与核心能力

我们使用的镜像是由开发者“科哥”基于LaMa模型进行二次开发构建的，名为：

fft npainting lama重绘修复图片移除图片物品二次开发构建by科哥

它集成了先进的深度学习图像修复技术（LaMa），能够根据图像上下文智能推测并填补被遮盖区域的内容。相比传统PS手动修补，它的优势在于：

操作简单：只需画几笔标注要删除的部分，点击按钮即可生成
效果自然：模型能理解纹理、结构和语义信息，修复后几乎看不出痕迹
支持多种场景：去水印、删文字、移除人物或物体、修复老照片瑕疵等
本地运行：数据不上传云端，隐私更安全

该系统通过WebUI界面提供交互式操作，类似Photoshop但更加智能化，适合个人用户快速处理日常图像问题。

2. 环境准备与服务启动

2.1 前置条件说明

本镜像适用于已配置好Linux环境的服务器或本地主机（如Ubuntu/CentOS）。如果你是在云平台或AI开发平台上使用预置镜像，请确保以下几点：

已分配至少4GB显存的GPU（推荐NVIDIA系列）
系统内存 ≥ 8GB
存储空间 ≥ 10GB
Python及常用依赖库已安装（镜像通常自带）

注意：虽然部分CPU也可运行，但处理速度较慢，建议优先使用GPU加速。

2.2 启动WebUI服务

进入项目目录并执行启动脚本：

cd /root/cv_fft_inpainting_lama bash start_app.sh

如果看到如下输出，说明服务已成功启动：

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

此时，系统已在本地开放7860端口，等待浏览器连接。

3. 访问与界面初识

3.1 如何访问WebUI

打开任意浏览器，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123.45.67.89，则访问：

http://123.45.67.89:7860

安全提示：若为公网服务器，请注意防火墙设置，必要时可结合Nginx反向代理+密码认证保护接口。

页面加载完成后，你会看到一个简洁直观的操作界面，标题为：

图像修复系统
webUI二次开发 by 科哥 | 微信：312088415

3.2 主界面功能分区解析

整个界面分为左右两大区域：

┌──────────────────────┬──────────────────────────────┐ │ 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

支持拖拽上传图像
内置画笔工具用于标记需要修复的区域（涂白部分即为待修复区）
提供橡皮擦、撤销等功能辅助精细调整
包含“开始修复”和“清除”两个主要操作按钮

右侧：结果展示区

实时显示修复后的完整图像
下方显示处理状态和保存路径
文件自动保存至/root/cv_fft_inpainting_lama/outputs/目录

4. 四步完成一次图像修复

4.1 第一步：上传图像

支持三种方式上传原始图片：

点击上传：点击左侧虚线框区域选择文件
拖拽上传：直接将图片文件拖入编辑区
粘贴上传：复制图片后在页面中按Ctrl+V粘贴

支持格式：PNG、JPG、JPEG、WEBP
推荐使用PNG格式以保留最佳画质

上传成功后，图像会显示在画布中央，等待下一步操作。

4.2 第二步：标注修复区域

这是最关键的一步——告诉系统“你想去掉什么”。

使用画笔工具标记目标区域

默认状态下为画笔模式
在需要移除的区域上涂抹白色线条或色块
白色覆盖的区域会被AI识别为“缺失内容”，并尝试补全

小技巧：

对于小面积瑕疵（如脸上的痘痘），使用小画笔精确涂抹
对于大面积物体（如背景中的广告牌），可用大画笔快速覆盖
标注时稍微超出边缘一点，有助于AI更好地融合边界

使用橡皮擦修正错误标注

如果不小心涂多了，可以切换到橡皮擦工具，擦除多余部分。

此外还支持：

Ctrl+Z：撤销上一步操作（部分浏览器支持）
裁剪功能：先裁剪再修复，提升效率

4.3 第三步：开始修复

确认标注无误后，点击左下角的 ** 开始修复** 按钮。

系统会依次执行以下操作：

加载模型（首次运行稍慢）
分析图像内容与标注区域
调用LaMa模型进行推理补全
输出修复后的图像

处理时间参考：

小图（<500px）：约5秒
中图（500–1500px）：10–20秒
大图（>1500px）：20–60秒

⏱ 提示：处理期间状态栏会显示“执行推理...”，请耐心等待。

4.4 第四步：查看与下载结果

修复完成后，右侧将实时显示新图像。

同时状态栏会提示：

完成！已保存至: /root/cv_fft_inpainting_lama/outputs/outputs_20260105123456.png

文件命名规则为outputs_YYYYMMDDHHMMSS.png，按时间戳自动生成，避免重复。

你可以：

直接右键保存网页中的预览图
或通过SSH/SFTP登录服务器，前往上述路径下载高清原图

5. 实战应用案例演示

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。我们可以轻松将其去除。

操作步骤：

上传带水印的截图
用画笔完全覆盖水印区域（包括透明阴影）
点击“开始修复”
查看效果，如有残留可重新标注再次修复

效果预期：水印消失，背景纹理自然延续，无明显拼接感。

5.2 场景二：移除照片中的人物或物体

旅行拍照时总有“不速之客”闯入镜头？别担心。

示例：

一张风景照里有走过的游客
用画笔将其轮廓完整涂白
AI会根据周围草地、天空等信息自动重建背景

成功关键：确保标注完整闭合，不留缺口。

5.3 场景三：修复老照片划痕与污渍

老旧纸质照片常有划痕、霉点等问题。

做法：

扫描照片上传
用小画笔逐个点选污渍位置
分批修复细节区域

特别适合人像面部瑕疵修复，如皱纹、斑点等局部美化。

5.4 场景四：删除图像中的文字

无论是海报上的标语还是文档中的敏感信息，都可以一键清除。

建议：

大段文字建议分区域多次处理
若一次修复不理想，可下载中间结果继续优化

6. 使用技巧与进阶建议

6.1 技巧一：精准标注提升修复质量

AI的效果很大程度取决于输入的标注质量。建议：

边缘复杂时改用小画笔精细描绘
内部区域可适当扩大涂抹范围，防止遗漏
避免断断续续的标注，尽量形成连续封闭区域

6.2 技巧二：分区域多次修复复杂图像

对于包含多个需处理区域的大图，推荐采用“分治法”：

先修复一个区域
下载结果作为新输入
重新上传，继续修复下一个目标

这样既能控制单次计算量，又能保证每步效果可控。

6.3 技巧三：优化边界融合效果

有时修复后边缘会出现轻微色差或生硬过渡。

解决方法：

下次标注时向外扩展几个像素
系统具备自动羽化功能，稍宽的标注有助于平滑边缘

7. 常见问题与解决方案

7.1 Q：点击“开始修复”没反应？

A：检查以下几点：

是否已上传图像？
是否用画笔进行了有效标注？（必须有白色区域）
浏览器是否有报错？可尝试刷新页面

状态提示：

“ 请先上传图像” → 未上传
“ 未检测到有效的mask标注” → 未涂白或涂得不够

7.2 Q：修复后颜色偏暗或失真？

A：可能是图像色彩空间问题。建议：

上传前转换为标准RGB格式
优先使用PNG格式，减少JPG压缩带来的干扰

7.3 Q：处理时间太长怎么办？

A：图像分辨率过高会导致延迟增加。建议：

将图片缩放到2000×2000像素以内
处理完成后再放大输出

7.4 Q：输出文件找不到？

A：所有结果均保存在：

/root/cv_fft_inpainting_lama/outputs/

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：排查步骤如下：

确认服务正在运行：
```
ps aux | grep app.py
```
检查端口是否被占用：
```
lsof -ti:7860
```

查看日志是否有报错：

tail -f /root/cv_fft_inpainting_lama/logs/*.log

8. 服务管理与维护

8.1 停止服务

在启动终端按下Ctrl+C即可优雅关闭服务。

8.2 强制终止进程

若服务卡死无法退出，可手动杀掉进程：

# 查找相关进程 ps aux | grep app.py # 终止指定PID（替换实际编号） kill -9 <PID>

8.3 清理缓存与输出文件

随着时间推移，outputs文件夹可能积累大量历史文件。定期清理可释放磁盘空间：

# 删除所有输出文件 rm -rf /root/cv_fft_inpainting_lama/outputs/* # 或仅删除几天前的旧文件 find /root/cv_fft_inpainting_lama/outputs/ -name "*.png" -mtime +7 -delete

9. 总结

通过本文的详细指导，你应该已经成功部署并使用了fft npainting lama图像修复系统。整个过程不到5分钟，无需编写代码，就能拥有一个功能强大、操作简便的AI修图工具。

这套系统的核心价值在于：

极简操作：上传 → 涂抹 → 修复 → 下载
高质量输出：基于LaMa模型，修复自然逼真
本地私有化：所有数据留在本地，安全可靠
可扩展性强：未来还可接入更多AI功能模块

无论是日常修图、内容创作还是数字资产管理，这都是一个值得长期保留的实用工具。

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。