IOPaint 完整指南：三条命令抹掉图片里的水印和路人-育师

IOPaint 完整指南：三条命令抹掉图片里的水印和路人

【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 是一个免费开源的 AI 图像修复（inpainting）工具，由 Sanster 团队开发。你只需要在图片上用笔刷圈出水印、路人、文字或破损区域，它就能自动补全出与周围融为一体的画面。项目完全自托管，支持 CPU、GPU 和 Apple Silicon，适合设计师、电商运营和想处理照片的普通用户。

场景切入：圈一块，出一张干净的图

假设你有一张商品图，右下角压着图库水印，背景里还站着一个路人。用 IOPaint 的流程是：打开网页，上传原图，用画笔把水印和路人涂白，点"运行"。几秒后得到的新图里，水印位置被墙面和地砖自然地填满，路人消失后露出的草地没有接缝。

它之所以能做到这点，是因为内置了两类模型：一类是"擦除模型"，专门学习如何根据周围像素补齐被遮住的区域；另一类是"扩散模型"，可以按你的文字提示把圈选区域替换成新内容，甚至把画面向四周延展（outpainting）。所有模型代码都放在 iopaint/model/ 目录里，例如lama.py负责擦除，sd.py、brushnet/负责生成式替换。

最快上手：安装到出图只要三条命令

跑完下面这条命令，浏览器里就能开始修图了：

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

然后访问http://localhost:8080。首次启动时 LaMa 模型会自动下载到本地，无需手动配置；如果想换存放目录，加--model-dir参数即可。CPU 模式即可跑通擦除任务，装好就能出结果。

界面左侧是参数面板，中间是画布，右侧有历史记录。上传、涂 mask、运行，三步完成第一次修复。

核心能力：四种修复各对应一条命令

快速擦除：水印、瑕疵、路人

能做什么：移除不想看到的元素，用周围内容补齐，不改变画面其他部分。如何触发：启动时指定--model=lama，在网页里涂 mask 后点击运行即可，也可在命令行批量执行（见下文）。对应模块：iopaint/model/lama.py；此外还有ldm.py（Stable Diffusion 版修复）、zits.py、mat.py等备选擦除模型，--model参数支持lama、ldm、zits、mat、fcf、manga、cv2、migan共 8 种。

对象替换与扩图：按提示词重画圈选区域

能做什么：圈出一只旧沙发，输入提示词换成皮沙发；或者把画面两侧向外延展，补出更宽的构图。如何触发：iopaint start --model=sd --device=cuda加载 Stable Diffusion 修复模型，也可换成powerpaint、brushnet等生成质量更高的模型。对应模块：iopaint/model/sd.py、iopaint/model/brushnet/、iopaint/model/power_paint/。

文字重绘：AnyText 改图中文字

能做什么：不只是抹掉文字，还能在指定区域画出新的中英文文字，位置、字体可控。如何触发：--model=anytext，在网页中先涂出文字区域再填写要显示的内容。对应模块：iopaint/model/anytext/，内含独立的 OCR 识别与渲染管线。

插件：修脸、超分、自动抠图

能做什么：GFPGAN / RestoreFormer 修复低清人脸，RealESRGAN 做超分辨率放大，RemoveBG 和 Interactive Seg（基于 Segment Anything）自动抠出主体或生成 mask。如何触发：启动命令里追加开关：

iopaint start --enable-interactive-seg --interactive-seg-device=cuda

对应模块：iopaint/plugins/，用iopaint start --help可以查看全部插件开关。

效果展示：前后对比一次看全

以下对比图都来自仓库自带的示例素材，mask 均由人工涂画生成。

水印

前：整个画面被重复水印覆盖。后：水印全部抹除，人物的发丝和服装纹理没有损失。

路人

前：绿衣行人占据主体前景。后：行人被移除，地面与背景建筑按原有透视补全，看不出涂改痕迹。

文字

前：白色标题文字压在核心画面上。后：文字被擦掉，海报的色块和图案沿原样式延续。

物体

前：白色灯笼悬挂在画面中上部。后：灯笼及其阴影一并消失，天花板纹理保持连续。

进阶玩法：批量修复与 API 调用

批量修复怎么做

要一次处理上百张图时，用run子命令。--image填原图目录，--mask填同名 mask 文件组成的目录（也可以传单个 mask 文件让所有图共用）：

iopaint run --model=lama --device=cuda \ --image=images/ --mask=masks/ \ --output=clean/

加--concat参数后，输出图会把原图、mask、结果拼在一起，方便逐张验收。

集成进自己的系统

后端是一个标准 FastAPI 服务，接口定义在 iopaint/api.py 中，包含图片上传、inpaint 提交、插件调用等路由；前端是独立的 Vite + React 工程，位于 web_app/。如果你想把 IOPaint 嵌进内部工具，直接对它的 HTTP 接口发请求即可，不必依赖网页界面。

部署与硬件：三种方式按需选择

🐍pip 安装：pip3 install iopaint即可，适合个人电脑快速体验
🐳Docker：仓库自带 CPU 和 GPU 两个镜像文件，docker build -f docker/CPUDockerfile -t iopaint .构建后docker run -p 8080:8080 iopaint运行，适合服务器隔离部署
💻硬件要求：擦除模型（LaMa 等）CPU 就能跑；Stable Diffusion 系列强烈建议配 NVIDIA GPU 并安装 CUDA 版 PyTorch；显存吃紧时可加--low-mem或--cpu-offload参数降低占用

模型文件首次运行时自动下载，用iopaint list可查看已下载列表。

适用人群与取舍

你适合用 IOPaint	建议换个方案
需要批量去水印、去路人的电商或内容团队	只需偶尔修一张图，在线网页版工具足够
数据不能出内网，必须自托管	需要全自动"零 mask"识别，IOPaint 仍需你先涂出区域（插件可辅助）
想把修复能力嵌进自己的产品	只想要纯 CPU 上跑 SD 大模型的高生成质量，速度会非常慢
想在现有照片上做局部重绘、扩图	需要训练自己的修复模型，本项目不提供训练流程

IOPaint 的擦除、扩散、插件三条能力线彼此独立，你可以只取擦除部分，也可以叠加插件做完整修图管线。更多细节可查阅 README.md 与 iopaint/ 目录下的源码实现。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考