免费开源图像修复工具IOPaint实战指南：从清掉水印到复原老照片的完整流程-港品优选

免费开源图像修复工具IOPaint实战指南：从清掉水印到复原老照片的完整流程

【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

上个月帮家里整理旧照片，翻出一张 1996 年的班级合影，边角被水渍泡得发白，右下角还压着半个陌生人的背影。想把它处理干净，可打开 Photoshop 面对那堆图层、仿制图章，我折腾半小时也没整明白。后来朋友丢给我一个免费开源的图像修复工具 IOPaint，从安装到把这张照片修完，全程不到十分钟。那次经历让我意识到：原来修图这件事，可以不用那么痛苦。

先看困境：修图这件小事为什么这么难

我猜你多半也撞过类似的墙：专业软件功能全，但学习曲线陡峭，为了一张照片去啃教程实在划不来；在线 AI 修图网站确实方便，可要把私人照片传上别人的服务器，心里总犯嘀咕；至于动辄几百块的"一键修图"软件，效果还不一定对得起价格。

IOPaint 恰好把这三条死路都堵死了。它在你自己的电脑上运行，照片从头到尾不出本机；所有操作都发生在浏览器里，画个圈、点一下运行，跟用网页差不多；更重要的是它完全开源免费，没有任何付费墙。原理用大白话讲也很简单：你在图片上把不想要的东西涂掉，AI 会根据周围一圈像素的纹理、色彩和光影，"脑补"出被遮盖区域本该有的样子，就像给照片做了一次无痕缝合。

一条命令把 IOPaint 跑起来

最快的起步方式，比你想象中还短。装好 Python 之后，打开终端敲两行：

pip3 install iopaint iopaint start --model=lama --device=cpu --port=8080

--model=lama表示使用 LaMa 擦除模型，这是日常去水印、去物体最顺手的模型；--device=cpu意味着没有独立显卡也能跑，速度慢一点但完全可用。等浏览器自动弹出http://localhost:8080，你就拥有了一间只属于自己电脑的图像修复工作室。首次启动会自动下载模型文件，耐心等一会儿即可。

实战：一张水印照片的清理全过程

光说不练假把式，我们拿一张带水印的图片完整走一遍。下面这张图模拟了最常见的场景：右下角压着醒目的白色水印文字。

操作只有四步。第一步，把图片拖进网页左侧的上传区域；第二步，把右侧的画笔调大一点，沿着水印文字慢慢涂抹，确保每个笔画都被覆盖——注意别涂到水印以外的画面；第三步，点一下运行按钮，AI 开始"脑补"，CPU 模式下大概几秒到十几秒；第四步，对比一下右侧结果，满意就保存到本地。

这就是整个核心工作流：涂抹 → 运行 → 导出。学会了它，后面所有功能都只是换不同的模型和参数而已。

进阶玩法一：只抹掉不想要的，其余原样保留

水印只是开胃菜。日常用得最多的是"擦除"能力：照片里乱入的灯笼、墙上的涂鸦、地板上碍眼的杂物，只要你能用画笔圈住它，LaMa 就能让它消失得干干净净。下面这对图就是典型例子，左边挂着白色灯笼，右边被 AI 移除后场景依然自然。

它强在哪？传统修图要靠仿制图章一点点复制周围像素，碰上大面积区域基本靠手工磨；LaMa 这类模型是专门为"图像修复"训练的，它理解的是整个场景的结构，所以补出来的墙面、草地和光影过渡都相当自然。怎么用？和上面一模一样：涂抹、运行。唯一的技巧是涂抹时宁多勿漏，把目标物体完整盖住，边缘稍微留一点富余。

进阶玩法二：抹掉之后，还能让 AI 按提示词补上新内容

擦除只是"恢复原状"，如果你想更进一步——把抹掉的区域换成别的东西呢？这就轮到 Stable Diffusion 系列模型出场了。启动时把--model换成sd或sdxl，涂抹完目标区域后，在提示词输入框里写一句英文描述，AI 就会在刚才的空洞里生成符合描述的新内容。比如把照片里不想要的货架"重画"成一面绿植墙，或者把背景里乱入的杂物替换成一只猫。

这背后的原理其实不复杂：Stable Diffusion 在"图像修复"模式下训练过，它既能看到你保留的区域，也知道你涂掉的地方该填什么，提示词只是帮它确定方向。想玩这个功能，启动命令改成下面这样就行：

iopaint start --model=sd --device=cpu

顺带一提，如果你涂掉的是图片里的文字，想直接在原地生成新文字，IOPaint 还内置了 AnyText 模型，专门干"写字"这件事。下图就是移除图片上游戏标题文字的效果，处理得很干净。

进阶玩法三：漫画、老照片、人脸各有专属插件

如果说模型负责"抹平"，那插件负责"精修"。IOPaint 的插件体系相当于给它外挂了一排专用工具箱：interactive_seg插件让你点击物体即可精准选中选区，不用再拿画笔一点点描；remove_bg一键抠掉背景；而漫画爱好者会爱上anime_seg——针对动漫图像专门训练的分割模型，处理线稿和网点特别准。

另外两个插件值得单拎出来说。gfpgan和restoreformer专攻人脸修复，能让模糊的老照片里的人物五官重新变得清晰立体；realesrgan则是超分辨率放大，适合把低清小图救回来。漫画修复场景下，配合擦除模型把文字、噪点清掉，再交给放大插件，效果很可观，比如下面这组漫画修复前后的对比。

启用插件就是在启动命令里追加开关，比如：

iopaint start --enable-interactive-seg --enable-gfpgan

一句话总结这些能力的用法：能做什么——擦除、重绘、抠图、放大、人脸复原；为什么强大——每个方向都用了对应的 SOTA 模型而不是通用模型凑数；怎么用——启动命令里加--enable-xxx开关。

避坑：模型怎么选、显存不够怎么办、下载慢怎么办

新手最容易踩的坑，我一次性替你趟完了：

模型选择。只想去水印、去杂物，无脑用lama，又快又稳；想要替换内容才上sd/sdxl；想写字用anytext；想把图像往外扩展一圈、补出更多画面，用powerpaint的 outpainting 能力。别一上来就追求最重的模型，那是给自己找罪受。

显存与内存。有 NVIDIA 显卡的用户，建议先按官方指引装 CUDA 版 PyTorch，处理速度能快好几倍；内存吃紧的老机器启动时加--low-vram参数可以降低占用。实在跑不动，退回--device=cpu也能用，就是耐心要多一点。

模型下载慢。首次启动要下载模型，如果网络不给力，先设置环境变量再启动：

export HF_ENDPOINT=https://hf-mirror.com

涂抹技巧。画笔别只贴着目标边缘画，稍微盖出去一点更保险；大面积的复杂区域，分几次涂抹、多次运行，比一次贪多效果好得多。

批量处理。图片多到不想一张张点？命令行可以直接批量跑，把输入图片和对应的蒙版图放在两个文件夹里就行：

iopaint run --model=lama --device=cpu --image=图片目录 --mask=蒙版目录 --output=输出目录

企业官网建设流程全解析