拯救废片！用FFT NPainting LaMa修复划痕照片真实体验
1. 这不是修图软件，是“照片急救包”
你有没有过这样的时刻：翻出一张老照片，满心欢喜点开——结果发现边缘有划痕、中间有折痕、角落还沾着不明污渍？或者刚拍完的旅行照，因为镜头没擦干净，整张图都蒙着一层雾气般的模糊？更别提那些被熊孩子用马克笔“再创作”过的家庭合影了。
以前遇到这种问题，要么忍着发朋友圈，要么花几十块找人P图，要么打开PS折腾两小时，最后修得不自然还累得手酸。
直到我试了这个叫FFT NPainting LaMa的镜像——它不靠图层蒙版、不靠钢笔路径、不靠反复涂抹，而是用一种接近“理解图像”的方式，把破损区域“想出来”。不是覆盖，不是复制粘贴，是真正地“重建”。
它不是Photoshop，也不是美图秀秀。它更像一个安静但靠谱的修复师：你指哪，它补哪；你画得越准，它补得越真；你甚至不用调参数，点一下“ 开始修复”，5秒后，划痕就消失了，连边缘过渡都像原生的一样。
这篇文章不讲原理（LaMa模型怎么训练的、FFT在频域做了什么运算——这些留给论文），只讲一件事：怎么用它，把一张废片，变成能放心发朋友圈、能打印装框、能传给长辈看的“好片”。
下面所有内容，都来自我连续两周每天修复10+张不同问题照片的真实记录。有成功，也有翻车；有惊喜，也有教训。全部实测，不吹不黑。
2. 三步上手：上传→圈出问题→等它变魔术
2.1 启动服务，比打开网页还快
镜像已预装好所有依赖，无需配置环境、不用装CUDA驱动、不碰命令行（除非你想看日志）。只需两行命令：
cd /root/cv_fft_inpainting_lama bash start_app.sh看到这串提示，就成功了：
===================================== ✓ WebUI已启动 访问地址: http://0.0.0.0:7860 本地访问: http://127.0.0.1:7860 按 Ctrl+C 停止服务 =====================================然后在浏览器里输入你的服务器IP加端口（比如http://192.168.1.100:7860），界面立刻弹出——没有加载动画，没有“正在初始化”，就是一张干净的画布，左边是操作区，右边是结果区。
小贴士：如果你用的是本地虚拟机或Mac M系列芯片，直接访问
http://127.0.0.1:7860即可，全程离线运行，隐私零泄露。
2.2 上传照片：拖、点、粘，三种方式任选
支持 JPG、PNG、WEBP 格式。我试过：
- 手机拍的 JPG（带Exif信息）→ 正常识别
- 扫描的老相册 PNG（300dpi，4000×3000）→ 处理稍慢但无压缩失真
- 截图的 WEBP（微信转发来的）→ 自动转RGB，颜色还原准确
最推荐用 PNG：它不压缩，细节保留最完整，尤其对划痕、折痕这类微小结构，修复后几乎看不出接缝。
上传方式也足够“懒人友好”：
- 点击虚线框 → 选文件 → 完事
- 直接把图片拖进虚线框 → 松手即上传
- 在其他软件里复制一张图（Ctrl+C）→ 回到页面 Ctrl+V → 粘贴即生效
2.3 圈出要修的地方：不是“涂白”，是“告诉它哪里坏了”
这是最关键的一步，也是最容易翻车的一步。
界面左侧是编辑区，顶部工具栏从左到右是：画笔 → 橡皮擦 → 撤销 → 清除。默认选中画笔。
注意：你涂的不是“要删除的东西”，而是“需要系统重建的区域”。所以：
- 划痕？沿着划痕涂一条细线（宽度≈划痕2倍）
- 折痕？涂成一条稍宽的带状区域（别只涂折痕线，要包含两侧轻微变形区）
- 污渍？把整个污渍圈住，边缘多涂2–3像素
- 水印？整个水印区域涂满，半透明水印建议涂两遍
我一开始犯了个错：用小画笔一笔一笔描划痕，结果边缘太锐利，修复后出现“硬边”。后来改用中号画笔（滑块调到中间），轻轻一拖，系统自动做了羽化，效果反而更自然。
正确示范（划痕修复）：
- 图片放大到150%
- 用中号画笔，沿划痕中心线单次拖过
- 不重复涂抹，不来回描边
- 涂完检查：白色区域完全覆盖划痕，且边缘柔和无锯齿
❌ 错误示范：
- 涂得比划痕窄 → 修不干净，留“白线”
- 涂得比划痕宽太多 → 周围纹理被过度干扰，像“糊了一块”
- 用橡皮擦反复修改 → 图层混乱，系统误判边界
2.4 点击“ 开始修复”：等待5–25秒，见证变化
点击按钮后，右侧状态栏会显示：
- “初始化...”（约1秒，加载模型）
- “执行推理...”（核心耗时阶段）
- “完成！已保存至: outputs_20240520143215.png”
处理时间取决于图大小：
- <1000px 宽度 → 5–8秒（手机直出图）
- 1500–2500px → 12–20秒（扫描老照片）
2500px → 25–60秒（高精度扫描件，建议先缩放）
修复过程不可中断，但也不用盯着。你可以去倒杯水，回来刷新页面，图就变了。
3. 实测效果：10张废片，7种问题，真实对比
我把两周修复的典型案例整理成下表，每张都标注了原始问题、修复方法、耗时和效果评分（5分制）：
| 编号 | 原图问题类型 | 图片尺寸 | 标注方式 | 处理时间 | 效果评分 | 关键观察 |
|---|---|---|---|---|---|---|
| #01 | 胶片划痕（纵向细线） | 2400×1600 | 单线涂抹 | 14s | ★★★★★ | 划痕完全消失，周围颗粒感保留，无色差 |
| #02 | 相纸折痕（L形折角） | 3200×2400 | 折痕+两侧变形区 | 28s | ★★★★☆ | 折痕平复，但折角处纹理略“平”，需二次微调 |
| #03 | 马克笔涂鸦（红色粗字） | 1200×800 | 全覆盖涂抹 | 7s | ★★★★★ | 字迹彻底清除，背景文字/图案无缝衔接 |
| #04 | 镜头污渍（中心雾斑） | 4000×3000 | 圆形扩大涂抹 | 42s | ★★★★☆ | 雾斑消失，但边缘轻微泛灰（因原图低光），调亮后完美 |
| #05 | 水印（半透明LOGO） | 1920×1080 | 双层涂抹 | 9s | ★★★★☆ | LOGO消失，下方文字清晰可见，无重影 |
| #06 | 人像面部痘印 | 1800×2400 | 小画笔点涂 | 11s | ★★★★★ | 痘印消除，皮肤纹理、毛孔、光影全保留，不像“磨皮” |
| #07 | 老照片霉斑（分散黑点） | 2800×2100 | 分批点涂 | 18s | ★★★★☆ | 黑点清除干净，但相邻区域色彩略偏暖（建议修复后统一调色） |
| #08 | 文字遮挡（海报标题） | 2560×1440 | 分段涂抹 | 13s | ★★★★☆ | 文字移除后，背景渐变更自然，无“空洞感” |
| #09 | 指纹油渍（反光区域） | 1600×1200 | 涂抹+轻微羽化 | 8s | ★★★★★ | 油渍消失，反光质感还原准确，像从未存在过 |
| #10 | 多重损伤（划痕+折痕+污渍） | 3000×2000 | 分三次修复 | 3×16s | ★★★★☆ | 先修大块污渍，再修折痕，最后修细划痕，效果叠加自然 |
重点结论：
- 对线性损伤（划痕、折痕、文字）效果最稳，成功率近100%
- 对面状损伤（污渍、水印、涂鸦）效果极佳，但半透明类需扩大标注
- 对人像细节（皮肤、发丝、眼睛）修复非常克制，不破坏原有结构
- 不擅长：大面积缺失（如撕掉一半的照片）、严重模糊（失焦无法重建）、纯色背景上的复杂纹理（缺乏参考）
4. 让修复更准的4个实战技巧
4.1 别怕“涂宽”，要怕“涂漏”
LaMa模型的核心逻辑是：用周围完好区域的信息，推断破损区域该长什么样。所以它极度依赖“上下文”。
我测试发现：涂得比实际破损宽10–15%，效果反而更好。因为：
- 宽一点的mask，给了模型更多“参考像素”
- 边缘自动羽化，不会留下硬边
- 系统会智能判断哪些是“必须重建”，哪些是“只需微调”
正确做法：划痕宽0.5px → 涂2px宽；折痕线 → 涂5px宽带状；水印 → 涂满并外扩一圈
❌ 错误做法：精确描边、只涂脏点、边缘留白
4.2 复杂图，分区域修，别贪一次搞定
一张有划痕+折痕+霉斑的老照片，千万别想着“一口气全修完”。原因：
- 大mask会稀释模型注意力，导致局部细节丢失
- 一次处理时间长，出错概率高（比如内存溢出）
- 无法针对性优化：修完划痕，发现折痕处纹理不对，还得重来
我的标准流程：
- 第一轮：修最刺眼的问题（如粗划痕、大水印）→ 下载保存
- 第二轮：上传第一轮结果 → 修次级问题（折痕、霉斑）→ 再保存
- 第三轮（可选）：微调（用小画笔点修残留、边缘）
这样做的好处：每一步都可控，效果可叠加，失败成本低。
4.3 修复后别急着导出，先做三件事
系统生成的图是“技术正确”，但未必“视觉最佳”。我养成三个必做动作：
- 放大到200%检查边缘：看是否有细微色块、纹理断裂、亮度突变
- 切换回原图对比：左右分屏，确认修复区域与周围融合度
- 快速调色（可选）：用系统自带的“亮度/对比度”微调（+5亮度，+3对比度），让修复区更“融入”
工具提示：修复图自动存到
/root/cv_fft_inpainting_lama/outputs/，文件名含时间戳，不怕覆盖。
4.4 遇到“修得假”，90%是标注问题，不是模型问题
修复后如果出现：
- 区域发灰/发亮 → 标注太窄，没给够上下文
- 纹理错乱（比如木纹变砖纹）→ 标注太宽，混入了不相关区域
- 边缘有白边/黑边 → 标注没覆盖完整，留了“缝隙”
解决方案永远是：回到编辑区，调整mask，再点一次修复。
不是调参数、不是换模型、不是重装——就是重新画一遍。LaMa的鲁棒性很强，同一张图反复修3次，效果只会越来越好。
5. 它不能做什么？坦诚说清能力边界
再好的工具也有边界。基于两周高强度使用，我总结出它的明确“不适用场景”：
5.1 硬件级损伤，它无能为力
- 物理撕裂的照片：缺了一角，没有像素，模型无法“无中生有”
- 严重褪色/泛黄的老照片：它能修划痕，但不能还原原始色彩（需另配调色工具）
- 胶片药膜剥落：表面缺失，底层信息已毁，无可参考
5.2 语义级错误，它不会“脑补”
- 修掉人脸上的痣，但把整张脸修成别人：不会。它只重建纹理，不改变五官结构
- 把“禁止停车”标牌修成“允许停车”：不会。它不识别文字含义，只重建像素
- 把模糊的车牌修成清晰可读：不会。模糊=信息丢失，它只能让模糊看起来“更合理”，不能恢复数字
5.3 极端比例，效果打折
- 超长条图（如10000×500的扫描卷轴）：内存易爆，建议分段截取修复
- 超小图（<300px）：细节太少，修复后易出现“塑料感”
- 纯色图（如一张蓝色天空）：缺乏纹理参考，修复区可能略显“平”
记住：它是“修复师”，不是“设计师”；是“像素重建者”，不是“AI画家”。它的使命很纯粹——让损坏的地方，看起来像从来没坏过。
6. 总结：为什么它值得放进你的日常工具箱
写到最后，我想说：这款镜像的价值，不在于它有多“黑科技”，而在于它把一件曾经专业、耗时、昂贵的事，变成了普通人点几下就能搞定的日常操作。
- 它足够傻瓜：不用懂FFT，不用调learning rate，不用看loss曲线
- 它足够可靠：10张废片，8张一次成功，2张微调即好，失败率为0
- 它足够安静：不联网、不传图、不收费，所有数据留在你自己的机器里
- 它足够实用：修完的照片，可以直接发朋友圈、打印、做电子相册，毫无违和感
如果你也常被废片困扰，别再忍受将就，也别再花冤枉钱。搭个环境，试一张图，5秒钟，你就知道什么叫“废片重生”。
它不会让你成为修图大师，但它能让你，安心地，把那些承载记忆的照片，好好保存下来。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
