IOPaint：本地免费部署的AI图像修复工具，三个场景前后对比实测-创锋一号

IOPaint：本地免费部署的AI图像修复工具，三个场景前后对比实测

【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

IOPaint 是一款免费开源的 AI 图像修复工具，一条 pip 命令就能装进你自己的电脑，涂一下区域即可去掉图片上的水印、路人或不需要的物体。全程在本地处理，图片不离开你的电脑。

🧩 它解决什么问题：本地部署的 AI 图像修复

日常修图里最费神的三类小问题：图库照片上铺满的重复水印、照片里多出来的路人或物体、海报上碍眼的 Logo。传统做法是用 Photoshop 的仿制图章、修补工具一点点涂抹，或者交给在线去水印网站；前者吃技术也吃时间，后者要注册、上传，有时还要订阅费。

IOPaint 的做法不同。它把多个 AI 模型打包成一个本地运行的网页：LaMa 这类模型负责擦除类任务（去水印、去人、去物体），PowerPaint、AnyText 等模型负责物体替换、图像扩展和给图片添加文字。你只需要上传图片，用画笔涂掉想改的区域，剩下的交给模型补齐。

这套做法的价值一句话：图片不用离开你的电脑，工具本身开源免费，没有账号注册和生成次数限制。

🚀 从零上手：安装、启动到完成第一次擦除

安装。在已装好 Python 的机器上执行，安装 IOPaint 包：

pip3 install iopaint

启动。用 CPU 跑 LaMa 擦除模型，服务监听 8080 端口：

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

第一次启动有两个常见卡点。一是模型文件会在首次启动时自动下载，第一次启动偏慢是正常现象，别中途 Ctrl+C；想换模型存放目录可加--model-dir参数。二是 8080 端口若被其他服务占用，把--port改成 8081 这类空闲端口即可。有 NVIDIA GPU 想加速的话，需要先装 CUDA 版 PyTorch，再给--device传对应值，具体命令见 README.md。

首次操作。浏览器打开 http://localhost:8080，上传一张图片，用画笔工具把要去掉的水印区域涂一遍，点生成，几秒后出结果，页面里可以直接保存成图。其余可选参数（模型、插件开关等）在终端执行iopaint start --help查看。

🖼️ 效果实测：水印、物体、Logo 三个擦除场景前后对比

下面三组前后对比图取自仓库的 assets/ 目录。

水印去除效果实测：前后对比

处理前：图片上铺满重复的 "shutterstock" 水印文字和图标标记。

处理后：水印全部去掉，人物皮肤、帽子等细节保留，整体色调与原图一致。局限在于放大看帽子边缘和车窗填充区域有轻微模糊，水印压到皮肤上时需要把选区多涂几遍才自然。

物体移除效果实测：前后对比

处理前：木梁天花板上挂着三个多余的纸灯笼。

处理后：三个灯笼被完整移除，填充区域的木梁格纹衔接自然，没有明显接缝。这个场景纹理重复且密集，填充方向基本正确，右上同类格纹处放大看仍有轻微错位。

Logo 文字去除效果实测：前后对比

处理前：画面上方有一行醒目的金色衬线标题。

处理后：标题被完整去除，光晕与云层纹理衔接平滑，没有明显色差。这个案例是深色背景上的高对比 Logo，效果好；文字压在复杂花纹上时，填充容易抹平细节，需要放大检查。

💻 部署与硬件选择：CPU、GPU、Docker 三种方式

维度	说明
支持系统	Windows、macOS、Linux
硬件要求	CPU 可运行 LaMa 等擦除模型；跑 PowerPaint 等扩散模型建议 NVIDIA GPU；支持 macOS Apple Silicon
包安装	`pip3 install iopaint`，最省事
Docker	仓库提供 docker/CPUDockerfile 与 docker/GPUDockerfile，直接构建镜像
源码部署	克隆仓库（https://gitcode.com/GitHub_Trending/io/IOPaint），先在 web_app/ 构建前端，再按 requirements.txt 装依赖，运行`python3 main.py start --model lama --port 8080`

选型建议：普通用户包安装 + CPU + LaMa 就够用；需要 GPU 加速的物体替换、图像扩展，选 Docker GPU 镜像或自行安装 CUDA 版 PyTorch。

👥 IOPaint 适合谁：适用人群与不适用场景

适合：

自媒体、电商用户，需要批量去除图库照片上的水印和 Logo；
设计师，需要去掉宣传照里的路人或替换画面局部物体；
对图片隐私有顾虑、不想把图传到第三方云服务的用户；
想二次开发的开发者：代码开源，iopaint/plugins/ 已内置交互式分割、背景移除、超分辨率等插件可参考扩展。

不适合：

期望低配 CPU 上实时出结果的人：擦除模型很快，扩散模型单次生成以数十秒计；
需要精确还原"原本那里有什么"的场景：AI 填充是合理重构，不是还原原始像素；
离线或网络受限环境：首次启动必须联网下载模型。

📌 收尾小结：一句话总评与资源导航

一句话总评：IOPaint 是把擦除、替换、加文字这类 AI 修图能力放进本地的开源工具，CPU 上就能完成去水印、去物体等日常场景，GPU 上再解锁物体替换和图像扩展，效果对日常修图够用，局限是复杂纹理区域要放大检查。

资源导航：README.md 有完整命令与模型列表，requirements.txt 是后端依赖清单，web_app/ 是前端代码，docker/ 是 Docker 构建文件。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析