3 步去掉路人、水印和文字：IOPaint 开源 AI 图像修复工具上手指南-迪斯科星球

3 步去掉路人、水印和文字：IOPaint 开源 AI 图像修复工具上手指南

【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

拍人像时总有路人闯入画面，找素材时图片上布满水印，海报里又常有需要抹掉的文字。IOPaint 是一个完全开源的 AI 图像修复（inpainting）工具：你在原图上把要处理的区域涂成遮罩，它就能自动补全出自然的背景，还支持用 Stable Diffusion 直接擦除或替换画面内容。全程本地运行，免费不收费。

🎯 照片里出现路人时：遮罩 + 修复来解决

场景很简单：旅行照里多了不速之客，用画笔把人框住，点击运行，原本的背景会被自动补全，人物像没来过一样。

它和你印象里的"智能消除笔"不同，背后是一组可自由切换的模型：擦除快、替换像、文字融，各管一摊，后面几节会逐一拆开讲。

擦除、替换、加文字：三种核心能力

三类最常见的修图需求，对应三种模型：

擦除：当图片上有水印或污渍时，把水印区域涂黑，运行后水印消失，纹理自然衔接，比如这种铺满整张图的版权水印：

替换：当画面里某个物体的颜色、样式不符合场景时，用 Stable Diffusion 修复模型加上文字提示词，AI 会生成与光影、透视匹配的新内容填进去。
加文字：当宣传图需要放进一句标语时，AnyText 模型生成的文字会贴合场景透视和光照，不像传统贴图那样生硬。
动漫清理：当漫画截图需要去掉对话气泡和网点纸时，专用 manga 模型涂掉对应区域即可，线条和分镜保持完整：

能力讲完，最关心的就是怎么把它跑起来——整个流程只要三步。

⚡ 3 步装好并启动：本地部署 AI 图像修复

在 Python 3 环境下先装好工具本体：

pip3 install iopaint

然后一条命令启动服务，有显卡时用--device=cuda，纯 CPU 机器改成--device=cpu也能跑：

iopaint start --model=lama --device=cuda

浏览器打开http://localhost:8080（默认端口）就是完整的 Web 编辑器。首次启动会自动下载所用模型，下载完即可开修。

编辑器里的操作是固定的四拍：上传图片 → 画笔绘制遮罩 → 按需调整参数 → 点击运行。参数区里能控制迭代次数、生成质量，也可以随时切换擦除模型，不需要重开服务。

模型怎么选：哪张图配哪个模型

启动参数里的--model是全文最值钱的开关，默认值lama体积小、速度快，去水印、去污点这类任务首选它；如果追求更好的细节还原，擦除系模型还有ldm、zits、mat、fcf、migan、cv2可以轮换对比。

按需求选型的简单对照：

去路人、去水印、去瑕疵 →lama起步，效果不够再换ldm等
画面内容替换、扩图（outpainting）→ Stable Diffusion / SDXL 的 inpainting 模型，或 PowerPaint
给图片加融合文字 →anytext
漫画清理 →manga

每个模型在源码里都有独立目录，想深挖某个模型的行为可以看看 iopaint/model/。另外两个实用命令：iopaint list查看本地已下载的模型，iopaint download手动预下载指定模型，避免首次运行时等待。

模型跑起来后，如果输出还需要放大或人脸模糊，就该轮到插件出场了。

进阶：顺手打开超分与人脸修复插件

iopaint start支持一组开关，按需加上即可：

--enable-realesrgan：当输出图需要放大展示时，Real-ESRGAN 做 4 倍超分，放大后细节依然锐利
--enable-gfpgan：当人物面部模糊或画质差时，AI 人脸修复让五官重新清晰
--enable-remove-bg：当需要把主体单独抠出来时，一键得到透明背景
--enable-interactive-seg：当不想手动画遮罩时，点击目标物体，分割模型自动圈出选区

显存吃紧时再加--low-mem或--cpu-offload，用速度换内存，小批量任务依然可用。

不想折腾 Python 环境的话，仓库里已经备好了现成的 Docker 构建文件，在 docker/ 目录下 CPU、GPU 各一份，本地docker build即可得到可运行镜像，团队协作时分发更方便。

📦 一次处理整目录图片

单张手玩之外，IOPaint 也支持批量：把原图放进一个目录，对应的遮罩图（同名）放进另一个目录，一条命令出结果：

iopaint run --model=lama --device=cuda \ --image=inputs/ --mask=masks/ --output=results/

几个实用细节：

--mask也可以传单张遮罩文件，表示整批图片共用同一个遮罩区域
加--concat会把原图、遮罩、结果拼成一张对比图，验收效率翻倍
start命令同样支持--input、--mask-dir、--output-dir，适合想边看边调参的批量场景

批量跑完想继续扩展能力边界，可以看看这个项目的结构和后续方向。

生态与下一步建议

IOPaint 的扩展方式是"插件化"：修复模型放在iopaint/model/，超分、人脸修复、抠图、分割等能力放在iopaint/plugins/，社区迭代基本都体现为新模型、新插件的加入——从最初的 LaMa 擦除，到现在 SDXL 修复、PowerPaint、AnyText、SAM 交互式分割都已收入。

给你的下一步建议：挑一张最近拍到的"有路人"的照片，先跑一遍lama擦除感受完整流程；如果手头有一批要处理的素材，直接建好inputs/和masks/两个目录，用iopaint run一次性批处理，把时间留给调参数而不是点鼠标。

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