新手必看：fft npainting lama镜像快速部署指南
这是一篇专为零基础用户准备的实操指南。不讲原理、不堆参数，只说你打开服务器后第一步做什么、第二步点哪里、第三步怎么看到效果。全程无需编译、不用改代码、不碰命令行高级操作——只要你会复制粘贴，就能在10分钟内让AI帮你一键擦除照片里的水印、路人、电线、文字，甚至整栋违建。
1. 镜像是什么？它能帮你解决什么问题？
你不需要知道“FFT”“LaMa”“重绘”这些词背后的技术细节。你只需要明白一件事：
这个镜像，就是一个已经装好所有软件、调好所有参数、连界面都做好的“图片橡皮擦”程序。
它不是要你写代码，而是给你一个网页（就像打开微信网页版那样），上传一张图 → 用鼠标圈出想删掉的东西 → 点一下“开始修复” → 几秒钟后，你就得到一张干干净净、毫无PS痕迹的新图。
它特别适合这些场景：
- 电商卖家：去掉商品图上的竞品Logo、平台水印、拍摄支架
- 自媒体人：清除截图里的微信号、二维码、弹窗广告
- 摄影师：修掉照片里闯入的路人、电线杆、垃圾桶
- 设计师：快速生成无文字版海报底图，方便二次排版
- 普通用户：给老照片去划痕、修掉合影里不想出现的前任
它不依赖你有没有GPU，不卡你显存大小，不让你配Python环境——因为所有复杂的事，开发者“科哥”已经替你做完。你拿到的，就是一个开箱即用的图像修复工具。
2. 三步完成部署：从镜像启动到网页可用
整个过程只有三个动作：启动服务 → 打开网页 → 开始使用。没有“配置环境变量”“安装依赖包”“修改config.yaml”这类劝退步骤。
2.1 启动服务（只需一条命令）
登录你的Linux服务器（支持Ubuntu/CentOS/Debian，推荐20.04+），确保已安装Docker（如未安装，请先执行curl -fsSL https://get.docker.com | sh && sudo systemctl start docker）。
然后，在终端中依次执行：
# 进入镜像工作目录（该路径由镜像预置，无需创建） cd /root/cv_fft_inpainting_lama # 启动WebUI服务（自动加载模型、监听端口、启动界面） bash start_app.sh你会看到类似这样的提示：
===================================== ✓ 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 =====================================这表示服务已成功运行。此时模型已在后台加载完毕，无需等待下载或编译。
2.2 访问网页界面（浏览器直连）
打开你电脑上的任意浏览器（Chrome/Firefox/Edge均可），在地址栏输入：
http://你的服务器IP:7860注意：不是localhost，也不是127.0.0.1，而是你服务器真实的公网或局域网IP（例如http://192.168.1.100:7860或http://47.98.123.45:7860）。
如果打不开，请检查：
- 服务器防火墙是否放行7860端口（
sudo ufw allow 7860或sudo firewall-cmd --add-port=7860/tcp --permanent && sudo firewall-cmd --reload） - 云服务器安全组是否开放该端口（阿里云/腾讯云控制台中设置）
页面加载成功后，你会看到一个简洁的双栏界面——左边是画布，右边是结果预览，顶部有清晰的功能按钮。这就是你接下来要操作的全部战场。
2.3 首次使用验证（1分钟上手）
我们用一张测试图快速走通全流程：
- 上传一张图：点击左侧区域，选择任意JPG/PNG图片（比如手机拍的一张带水印的截图）
- 圈出要删的部分：点击顶部画笔图标（默认已选中），用鼠标在水印区域涂抹白色（涂得稍微宽一点没关系）
- 点“ 开始修复”：等待5–15秒（取决于图大小），右侧立刻显示修复后的完整图像
- 查看保存位置：下方状态栏会显示类似
完成！已保存至: /root/cv_fft_inpainting_lama/outputs/outputs_20240520143215.png
到此，你已完成首次部署与使用。整个过程无需任何技术背景，就像用美图秀秀一样自然。
3. 界面详解：每个按钮都是为你设计的
别被“WebUI”“二次开发”这些词吓到。这个界面没有多余功能，所有按钮都对应一个明确动作。我们按视觉分区说明：
3.1 左侧：图像编辑区（你的“画布”）
| 元素 | 作用 | 小贴士 |
|---|---|---|
| 上传区域 | 支持点击选择、拖拽文件、Ctrl+V粘贴截图 | 粘贴截图最方便，尤其适合处理网页内容 |
| 画笔工具（Brush） | 涂白需要修复的区域 | 白色=待删除，涂得越准，效果越好；建议比目标区域多涂1–2像素 |
| 橡皮擦工具（Eraser） | 擦掉涂错的白色区域 | 误涂水印旁边的文字？用它擦掉即可，不用重传图 |
| ** 开始修复** | 触发AI修复流程 | 点击后按钮变灰，不可重复点击，等待右侧出图 |
| ** 清除** | 一键清空当前所有操作（图+标注） | 相当于“Ctrl+Z”终极版，随时可重来 |
关键认知：这里没有“图层管理”“蒙版模式”“通道混合”等专业修图概念。你只做一件事——把要删的东西涂白。系统自动理解上下文，智能填充背景。
3.2 右侧：结果展示区（你的“成果墙”）
| 元素 | 说明 |
|---|---|
| 修复后图像预览 | 实时显示AI生成的结果，支持缩放查看细节 |
| 处理状态信息 | 显示当前进度：“初始化→执行推理→完成”，以及最终保存路径 |
| 文件保存路径 | 固定为/root/cv_fft_inpainting_lama/outputs/，文件名含时间戳，避免覆盖 |
输出图是PNG格式，无损保存，可直接用于印刷、PPT、电商主图等正式场景。
4. 实战四连：四种高频场景，手把手带你做
下面四个例子，全部来自真实用户反馈。我们不讲“原理”，只告诉你每一步鼠标点哪、涂多大、为什么这样涂效果最好。
4.1 场景一：去除截图水印（最常用）
问题图特征：网页截图右下角有半透明“某某平台”Logo
操作要点：
- 用小号画笔（滑块调到30%左右），沿着Logo边缘仔细涂抹
- 刻意扩大范围：把Logo周围1–2像素的背景也涂上（AI靠周边信息重建，留白反而易露馅）
- 点击修复 → 查看结果 → 若边缘有残留，用橡皮擦擦掉原标注，重新涂宽一点再试
效果预期：Logo完全消失，背景纹理自然延续，看不出修补痕迹。
4.2 场景二：移除合影中的路人（最惊喜）
问题图特征：旅游照中闯入陌生游客，挡住了标志性建筑
操作要点：
- 先用中号画笔（滑块50%）快速框出整个路人轮廓
- 再切小号画笔，精细修补头部、手部等复杂边缘
- 不要涂路人衣服上的图案：AI更擅长复原纯色/纹理背景，对复杂花纹识别弱，涂太细反而干扰判断
效果预期：路人消失，建筑完整露出，地面砖纹、天空云彩无缝衔接。
4.3 场景三：修复老照片划痕（最温柔）
问题图特征：扫描的老照片上有细长白色划痕
操作要点：
- 使用极小号画笔（滑块10–20%），单击式点涂划痕（非拖拽）
- 每条划痕单独点3–5次，确保完全覆盖
- 避免涂抹划痕两侧正常区域（防止AI误判为“需统一风格”）
效果预期：划痕消失，照片原有颗粒感、色调、对比度全部保留，不显“塑料感”。
4.4 场景四：删除宣传单上的电话号码（最精准）
问题图特征：纸质宣传单拍照后，需隐去手机号/地址
操作要点：
- 用小号画笔，严格沿数字边缘涂抹（可放大画布操作）
- 分段处理：一个手机号分3次涂（前3位、中间4位、后4位），每次修复后下载，再上传继续处理下一段
- 修复后若数字残留，说明标注不够宽，下次加宽1像素重试
效果预期：号码区域被背景色自然覆盖，无色块、无模糊、无文字残影。
5. 避坑指南：新手最容易踩的5个雷
这些不是“错误”，而是影响效果的操作习惯问题。避开它们，你的修复成功率直接提升80%。
5.1 ❌ 标注不完整 → 白色必须完全覆盖目标
- 错误示范：只涂水印中心，边缘留黑边
- 正确做法：白色区域应略大于目标物，确保AI有足够上下文推断
5.2 ❌ 图片过大 → 控制在2000×2000像素内
- 问题：3000×4000图处理超1分钟，且易因显存不足中断
- 解法：用系统自带画图工具缩放至1500px宽，再上传（质量无损）
5.3 ❌ 用JPG上传 → 优先选PNG格式
- 原因：JPG有压缩失真，AI可能把压缩噪点误判为“需修复区域”
- 操作：截图后另存为PNG，或用在线工具转格式（搜索“jpg to png converter”）
5.4 ❌ 一次涂太多 → 大面积分区域多次修复
- 错误：整张图涂满白色，指望AI一次搞定
- 正确：先修左上角→下载→上传修复图→再修右下角（系统自动继承前序效果）
5.5 ❌ 急着关网页 → 等状态栏显示“完成！”再操作
- 现象：点击修复后立刻刷新页面，导致任务中断
- 确认信号：右侧图像出现 + 状态栏文字变为“完成！已保存至...”
6. 进阶技巧：让效果从“能用”升级到“惊艳”
当你熟悉基础操作后，试试这三个真正提升质感的技巧：
6.1 技巧一：边缘羽化控制（解决“硬边”问题）
- 问题：修复后物体边缘有生硬白线
- 解法：在标注时，用小号画笔在白色区域边缘轻轻晕染一圈（像画眉毛那样扫几下），AI会自动识别为“过渡区”，生成柔和渐变
6.2 技巧二：参考图引导（保持风格统一）
- 适用场景：批量处理同一系列海报（如10张产品图）
- 操作：先修复1张作为“模板图”，后续每张都上传时，在标注前先观察模板图的背景纹理，让涂抹风格尽量一致（比如都用中号笔、都略宽2像素）
6.3 技巧三：结果再加工（应对复杂需求）
- 案例：需删除电线，但电线缠绕在树干上，AI易误删树枝
- 解法：
- 先用小笔涂电线主体 → 修复 → 下载
- 用系统画图工具打开修复图 → 用“选择工具”框选电线残留段 → Ctrl+X剪切
- 将剪切图粘贴回原图对应位置 → 微调透明度至自然 → 保存
- 本质：AI负责“大结构重建”，人工负责“毫米级精修”，二者互补
7. 常见问题速查（90%的问题这里都有答案）
| 问题 | 原因 | 解决方案 |
|---|---|---|
| 打不开 http://IP:7860 | 服务未启动或端口被占 | 执行ps aux | grep app.py看进程；若无，重新运行bash start_app.sh；若有，执行lsof -ti:7860 | xargs kill -9清理后重试 |
| 上传后没反应 | 浏览器禁用了JS或插件冲突 | 换Chrome无痕模式打开；或尝试Firefox |
| 修复后全黑/全白 | 图像为BGR格式（少见） | 联系开发者提供转换脚本，或换一张RGB图测试 |
| 输出图找不到 | 路径正确但文件管理器未刷新 | 在终端执行ls -lt /root/cv_fft_inpainting_lama/outputs/查看最新文件 |
| 修复时间超2分钟 | 图像分辨率超3000px | 用系统画图缩放至2000px宽再上传 |
所有问题均可联系开发者“科哥”（微信：312088415），响应及时。这不是冷冰冰的开源项目，而是一个有真人兜底的实用工具。
8. 总结：你真正需要记住的三句话
- 部署 = 一条命令：
cd /root/cv_fft_inpainting_lama && bash start_app.sh，其余全是网页操作。 - 使用 = 三步闭环：上传图 → 涂白要删的部分 → 点“ 开始修复”。
- 效果 = 标注宽度决定成败：宁可多涂2像素，不要少涂1像素；AI的智慧，藏在你留出的那圈空白里。
你现在拥有的，不是一个需要学习的“AI模型”，而是一支已经调好墨水、削好笔尖的“数字橡皮擦”。它不问你懂不懂深度学习，只等你上传第一张图。
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。
