IOPaint 图片修复指南：快速去除照片中不需要的物体、文字与水印-迪斯科星球

IOPaint 图片修复指南：快速去除照片中不需要的物体、文字与水印

【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

旅行照片里总有路人挡在主角前面，产品图右下角还贴着来源水印。IOPaint 是一款开源的 AI 图片修复工具，用画笔圈出不想要的区域，它会自动补出自然的背景，适合需要清理图片的普通用户和内容运营人员。

🧭 一次完整体验：用 IOPaint 去除产品图上的水印

目标是让下面这张带水印的产品图恢复干净。整个过程不需要任何修图基础。

上传照片并涂抹遮罩

启动 IOPaint 服务后，用浏览器打开本地页面，上传这张产品图。
选择画笔或框选工具，把水印区域涂成黑色。涂抹范围建议比水印本身略大一点，因为模型要靠遮罩边缘以外的像素来推断"这里原本应该长什么样"。涂得刚好或略大，比涂太小更稳。

选对模型，点击生成

在模型下拉框里选择修复模型。单纯擦除内容用 LaMa 就够，速度快、CPU 也能跑；如果你希望被覆盖的区域用新的画面内容替换、生成得更"有想法"，可以选 PowerPaint。
点击生成，等待几秒到几十秒，得到处理后的图片。

对比原图可以看到，水印区域的背景纹理被重新补全，边界处没有明显的拼接感。如果你手头有一批位置相似的图片，可以走批量处理，命令行里按文件夹配对输入和遮罩即可，相关逻辑在 iopaint/batch_processing.py。

IOPaint 背后在做什么：遮罩原理简单讲

把修复想象成修一面掉漆的墙。你先用刮刀把翘起的旧漆刮掉，这一下对应你涂的遮罩，它告诉系统"这一块作废"。接下来工匠不会凭空画漆，而是盯着周围墙面的颜色、纹理走向和光照方向，补一块融进去的新漆。IOPaint 的扩散模型干的就是这件事：同时参考原图和遮罩，只重做你标记的区域，其余像素原样保留。PowerPaint V2 在这一点上做了专门优化，相关实现见 iopaint/model/power_paint/v2/。

IOPaint PowerPaint 常用参数速查表

参数	推荐值	适用场景
采样步数（sd_steps）	20~50	越多质量越高但越慢，普通擦除 20 起步够用
遮罩边缘模糊（sd_mask_blur）	默认 11	数值越大，修复区与原图过渡越柔和
去噪强度（sd_strength）	0.3~1.0	越高改动越彻底，只想微调就调低
引导强度（sd_guidance_scale）	7.5	写了提示词时越高越贴近文字描述
随机种子（sd_seed）	-1	-1 为随机；固定数值可复现同一次结果

⚠️ 新手踩坑清单：现象、原因与解决办法

现象：修复区域边缘有一圈明显的"接缝"原因：遮罩涂得太贴边，模型没有参考空间。解决办法：把遮罩向外多扩几个像素，或适当调高遮罩边缘模糊值。
现象：被擦掉的区域"长"出了奇怪的图案原因：涂抹范围过大，模型参考的上下文太少，只能靠猜。解决办法：拆成几个小区域分次处理，每次让模型只重做一小块。
现象：结果和预期差很多，换了几次都不满意原因：种子随机，同参数每次结果不同。解决办法：固定种子反复调参，满意后记下种子值，下次一键复现。
现象：大面积擦除后，周围背景也跟着变了样原因：去噪强度默认拉满，等于授权模型重画整个遮罩区。解决办法：把去噪强度降到 0.3~0.6，让输出更贴近原图。
现象：小字、细线一次擦不干净，留下残影原因：细小目标占的像素太少，一次生成补不全。解决办法：用细画笔二次涂抹残影区域再跑一次，两三轮通常就干净了。下图是同类对象擦除的对照，注意残影是二次处理前最常见的状态：

最快安装与启动 IOPaint 的方法

# 克隆仓库 git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint # 安装依赖 pip install -r requirements.txt # 启动服务（CPU 示例，浏览器访问 http://localhost:8080） python main.py start --model lama --device cpu --port 8080

如果本机有 NVIDIA 显卡，安装对应 CUDA 版本的 PyTorch 后把--device换成cuda，扩散模型的生成速度会有明显提升。更多模型列表、插件与批量处理说明，见仓库根目录的 README.md。

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