企业官网建设流程全解析

IOPaint 教程：免费开源 AI 图像修复工具，本地一键去水印与物体移除

【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

照片上盖着一行版权水印，克隆图章磨了半小时还是留下补丁痕迹——这种情况你可能也遇到过。IOPaint 是一个完全免费、开源的 AI 图像修复工具：你只需要在图上涂抹标记要处理的区域，它调用 LaMa、PowerPaint 等模型自动生成干净的结果。全程本地运行，图片不用上传到任何服务器。

项目速览：一句话看懂 IOPaint

IOPaint 把"擦除、替换、加字、扩图"这几类 AI 图像编辑能力，整合进了一个本地 Web 界面：面向想修图但不想学 Photoshop 的普通用户，也方便进阶用户跑批量任务。默认模型 LaMa 对水印、小物体的处理速度很快，适合日常使用。

上面这张是典型的素材网站水印图。涂抹水印区域后，IOPaint 用周围纹理补齐空白，文字和水印都被清掉，背景细节基本保留。

这些场景，它能直接帮你

素材图上的版权水印

现象：网上下载的图带满屏半透明水印，直接用在方案里不行。传统做法：克隆图章或修补画笔逐块磨，速度慢，稍不注意就留下模糊色块。IOPaint 的解法：涂抹覆盖水印 → 选 LaMa 模型 → 生成。大面积连续水印一次处理完成，纹理衔接自然。

合影里的"不速之客"

现象：背景里多了个路人，或者桌上多了个杂物，构图被破坏。传统做法：手机修图 App 的"消除笔"对复杂背景效果差，经常抹出一团糊。IOPaint 的解法：用画笔圈出人物或物体，交给修复模型重建背景；想要更高质量的场景重建，可以切换 PowerPaint 这类扩散模型。

图上的多余文字

现象：截图或海报上有一行不该存在的说明文字。传统做法：文字横跨复杂背景时，手工修复尤其难，颜色和笔迹都难对齐。IOPaint 的解法：文字区域同样按掩码处理，模型会推断被文字遮挡的底层内容，比手工填色干净得多。

上手体验：打开界面后做什么

第一次启动后，浏览器会打开一个 Web 界面。第一屏就是画布和工具区，没有任何强制注册或配置步骤，模型文件会在首次启动时自动下载。

第一步很简单：打开一张图，选择画笔工具，在要去掉的区域上涂抹。白色涂抹区就是要处理的地方。

最顺手的操作路径是：涂抹 → 在右侧面板选模型（默认就是 LaMa）→ 点生成。整个过程不需要理解任何参数，涂抹得越准，结果越好。界面里还内置了文件管理器，可以直接浏览本地图片并保存输出，不用切窗口找文件。

核心功能拆解

擦除类模型：默认 LaMa，快而稳

一句说明：LaMa 是项目默认模型，专门做擦除，速度快、显存需求低，CPU 也能跑。 适用场景：水印、小瑕疵、少量多余物体。除了 LaMa，还有ldm、zits、manga（线稿擦除）、migan、fcf、mat等可选模型，各自针对不同类型的内容。

扩散模型替换：PowerPaint 等，效果更"聪明"

一句说明：基于 Stable Diffusion / SDXL 的修复模型，能"创造"内容而不只是填补，还支持扩图（outpainting）。 适用场景：移除大面积物体后需要合理重建背景，或把画面往外延展。

AnyText 自然文字生成

一句说明：不只是擦掉文字，还能按你的提示词在图上画出文字，自动贴合原图的光照、透视和材质。 适用场景：海报加标题、商品图加卖点文案，避免"贴图感"。

漫画线稿一键清理

一句说明：内置 manga 模型，专门处理扫描漫画的底稿线、铅笔痕。 适用场景：扫描本清洗，把草稿线去掉只保留墨线。

插件生态：分割、抠图、修复、放大

一句说明：通过插件补齐周边能力，源码都在iopaint/plugins/目录。 适用场景：Segment Anything 插件可以点选自动分割掩码，不用手涂；RemoveBG / Anime Seg 抠前景；GFPGAN、RestoreFormer 做人脸修复；Real-ESRGAN 做超分辨率放大。

技术内幕：它是怎么工作的

原理可以拆成三步理解。

掩码即指令。你在界面上的涂抹会被转成一张黑白掩码图，白色区域告诉模型"这里需要重画"。修复的本质就是：给定原图 + 掩码，让模型生成白色区域的新像素。

模型按需加载。IOPaint 后端（iopaint/api.py，FastAPI 实现）在收到请求时才加载对应模型，各模型代码分别放在iopaint/model/下，如lama.py、power_paint/、anytext/。用不着的模型不占显存，切模型时会自动释放旧模型再加载新的。

本地闭环。前端是web_app/下的 React 应用，通过本地服务与 Python 后端通信，图片始终不出本机。CPU、NVIDIA GPU、AMD GPU、Apple Silicon 都支持。

性能与模型对比：一张表选对模型

不同任务的合理选择如下，扩散模型效果和耗时都会高于轻量擦除模型，属于正常现象：

💡 选法很简单：能擦就用 LaMa，要"重建"才上扩散模型，要加字用 AnyText。

部署指南：三个平台都能跑

先准备 Python 3.10（官方环境配置见scripts/environment.yaml），然后克隆仓库并安装依赖：

git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint pip install -r requirements.txt

启动 Web 界面（CPU 模式）：

python main.py start --model=lama --device=cpu --port=8080

浏览器访问http://localhost:8080即可使用。首次启动会自动下载模型文件。

Windows：pip和python命令不通时，检查是否安装了对应版本的 Python 并加入了环境变量；官方还提供 Windows 一键安装包。

macOS：Apple Silicon 直接按上面步骤执行即可，M 系列芯片有本地加速，无需 CUDA。

Linux / 服务器：用nohup python main.py start ... &挂后台；有 NVIDIA 显卡的话，先装 CUDA 版 PyTorch 再把--device换成cuda。

⚠️ 高频报错提示：

• 模型下载慢或失败：设置代理环境变量，或手动下载模型后用--model-dir指定本地目录
• 结果发黑/发绿：加--no-half参数改用全精度推理
• 显存不足：见下方进阶技巧

进阶技巧：让低配机器也能跑

1. 低显存设置（显存 < 8GB 时）：启动时加--low-mem，启用注意力切片和 VAE tiling 来省显存；再加--cpu-offload可把模型权重放到内存里，进一步压低显存占用。

python main.py start --model=lama --low-mem --cpu-offload

2. 用掩码批量处理（何时用：几十张图同样的处理需求）：命令行模式要求掩码图与原图同名（或指定一张掩码套用到全部图片），加--concat还能把原图、掩码、结果拼成一张对比图方便验收。

python main.py run --model=lama --device=cpu \ --image=./photos --mask=./masks --output=./out

3. 离线/换源加载模型：用--model-dir指向已放好模型的目录，配合同目录的list命令查看已下载的模型，适合无法联网的机器。

4. 自动分割代替手涂：加--enable-interactive-seg启用 Segment Anything 插件，点选物体即可生成精准掩码，比画笔涂抹效率高很多，适合轮廓复杂的主体。

5. 先轻后重：复杂画面先用 LaMa 快速擦除，不满意的局部再切扩散模型精修，比全程用重模型省时间。

常见问题

Q：首次启动模型下载很慢怎么办？A：给下载过程配代理，或手动把模型文件放到模型目录，再用--model-dir指过去。默认下载目录可通过设置XDG_CACHE_HOME环境变量调整。

Q：没有 GPU 能跑吗？A：可以。--device=cpu即可，擦除类模型在 CPU 上速度可接受，扩散模型会明显变慢，建议只跑轻量模型或调小图片尺寸。

Q：提示显存不足 / 内存不足怎么办？A：依次尝试--low-mem、--cpu-offload、--cpu-textencoder；仍不够就降低图片分辨率或换更轻的模型。

Q：生成的图整体发黑或偏绿？A：这是半精度推理在部分显卡上的已知问题，加--no-half用全精度重新生成即可。

Q：除了内置模型，还能用自己的 Stable Diffusion 模型吗？A：可以。支持 Hugging Face 上的 SD/SDXL 修复模型，也支持本地 ckpt / safetensors 文件，启动时用--model指定即可。

Q：插件怎么启用？A：启动参数中指定，例如--enable-interactive-seg --interactive-seg-device=cuda，完整参数列表用iopaint start --help查看。

结语

IOPaint 的价值在于：开源免费、本地运行、从"涂抹标记"到"得到结果"的路径足够短。如果你受够了水印和多余物体，现在就可以按上面的步骤装起来，十分钟之内处理完第一张图。

【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