企业官网建设流程全解析

免费开源 AI 图像修复工具：3 条命令抹掉照片里的路人、水印和任意物体

【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，基于 LaMa、Stable Diffusion 等 SOTA 模型，能移除照片中的路人、物体、水印和文字，还能替换物体、扩展画布。它完全自托管，支持 CPU、GPU 和 Apple Silicon，不上传照片、不注册、不设用量上限。

📸 照片里进了路人、素材上盖了水印，能不能 3 分钟搞定？

最常见的几个场景：风景照里一个路人毁掉构图；电商素材带着版权水印；截图里盖着标题文字。手动用修补工具抠，一张图可能要磨一个下午。

IOPaint 的用法很直接：上传图片，用画笔把要去掉的部分涂掉，点击生成，AI 会用周围背景自动补全。下面这张照片里有个穿绿衣的行人：

用 LaMa 模型处理几秒后，行人消失，地面和天空被自然补全：

⚡ 最短启动路径：2 条命令跑起 Web 界面

不用 GPU 也能跑。安装后两条命令，两分钟就能看到效果：

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

第一条安装 IOPaint，第二条启动服务。服务起来后在浏览器打开 http://localhost:8080 即可开始修图，加--inbrowser参数可以自动弹出页面。

首次启动会自动下载选中的模型。第一次等得久是在下模型，不是卡死。想换模型存放目录，加上--model-dir=/path/to/models即可，方便迁移和备份。

如果你有 NVIDIA GPU，先安装 CUDA 版本的 PyTorch，再把--device改为cuda，生成速度会提升明显。

🧹 场景一：移除路人和小物体，LaMa 默认最稳

适合"去掉这个、其余全保留"的需求。默认的 LaMa 模型就是为这类任务训练的，CPU 上单张图几秒钟出结果。

操作三步：上传图片 → 在画布上涂出要移除的区域（涂到哪里就移除哪里）→ 点击生成。

效果：物体被完整抹掉，背景过渡不明显。比如下面这张图天花板下挂着的白色灯笼：

涂抹灯笼区域并生成后，灯笼被完全移除，天花板纹理补得很自然：

操作要点：遮罩比物体边缘大一圈。没擦干净就重新涂一遍再生成，比一次涂得更狠更可靠。

🏷️ 场景二：去除水印和覆盖文字

铺满整图的碎文字水印（比如图库图片），是 LaMa 的拿手活：把字符区域涂进遮罩，背景可以整体重建，细节保留完整。

处理后的效果：水印消失，照片原本的色调和清晰度没有损失：

遇到大面积的整块文字或标题，建议先用 LaMa 粗擦，区域太大补得不理想时，再换扩散模型（如 powerpaint）重绘。扩散模型相当于在涂掉的区域"重新生成一块新画面"，慢一些，但处理大区域更从容。

✏️ 场景三：替换物体和扩展画布

不是每次都要"抹掉"，还有两个高频需求：

• 替换物体：涂上原物体位置，输入一句文字描述，用 Stable Diffusion 系列模型（powerpaint、sdxl 等）生成符合场景的新内容，比如把旧沙发换成绿植。
• 画布外扩（outpainting）：把画布拉大，模型根据现有画面向外续写内容，适合做横版素材或海报。

这些能力都在同一个页面完成，只需在面板里切换模型。全部模型清单可参考 iopaint/model/ 目录。

🚀 效率玩法：素材多的时候怎么省时间

批量处理。几十张素材配好遮罩后，一条命令跑完：

iopaint run --model=lama --device=cpu \ --image=/path/to/image_folder \ --mask=/path/to/mask_folder \ --output=output_dir

遮罩文件夹里的文件要和原图同名；如果--mask指向单个遮罩文件，则所有图片都用同一块区域处理，适合同一套模板素材。

精确选区。手涂太费时？启动时开启交互式分割插件，基于 Segment Anything，点一下就能自动框出物体边缘：

iopaint start --model=lama --device=cpu --enable-interactive-seg

人脸修复与超分。GFPGAN、RealESRGAN 插件也能用命令参数打开，分别负责修模糊人脸和放大低分辨率图片，实现代码在 iopaint/plugins/。

🕳️ 新手最容易卡住的 3 个点

第一次运行很慢。慢在下载模型，不是死机。下载完成后，之后每次启动都是秒级。也可以提前用iopaint download预下载，用iopaint list查看已下好的模型。

遮罩决定效果成败。涂的区域就是被抹掉的区域。涂小了留残影，涂大了把原图也改掉。原则：贴着目标留小边距，宁可多跑两遍，不要一次过度涂抹。

CPU 慢，但够用。LaMa 在 CPU 上单张图几秒钟；扩散模型在 CPU 上单张要几分钟。只移除物体、不追求生成质量的场景，LaMa + CPU 组合就够了，不必强上 GPU。

🎯 收尾：IOPaint 适合谁，下一步做什么

适合三类人：需要批量处理素材的电商、自媒体从业者；在意数据不出内网、想自托管图像修复服务的团队；以及只想给自己照片去掉路人、水印的普通用户。

下一步建议：通读 README.md 了解全部安装方式和插件参数；在 Web 界面里把交互式分割和 RealESRGAN 各试一次；有团队使用需求时，用仓库里的docker/GPUDockerfile打一个镜像直接部署。

【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