新星市网站建设_网站建设公司_过渡效果_seo优化

超详细教程：如何用fft npainting lama修复老照片划痕

1. 为什么老照片修复值得你花10分钟学会

你有没有翻出过泛黄的老相册？那些被时光啃噬的边角、纵横交错的划痕、模糊褪色的面容，总让人既怀念又心疼。过去修复一张老照片，得找专业修图师，动辄几百元，等一周；现在，用一台普通服务器或高配电脑，配合这个专为图像修复优化的镜像，5分钟上传、30秒标注、20秒修复——划痕消失、纹理重生、光影自然，连祖母年轻时发梢的弧度都清晰可辨。

这不是概念演示，而是真实可复现的工作流。本文将带你从零开始，不装环境、不编译代码、不调参数，只用浏览器点几下，就把一张布满划痕的黑白老照片变成干净清晰的数字珍藏。全程无需Python基础，连“FFT”“Lama”这些词是什么都不用先搞懂——它们已经安静地藏在后台，只等你画一笔，就自动完成所有复杂计算。

我们用的不是通用AI绘图工具，而是基于LaMa（Large Mask Inpainting）模型深度定制的修复系统，特别强化了对细长划痕、密集噪点、边缘断裂等老照片典型损伤的识别与重建能力。它不靠“脑补”，而是通过频域（FFT）与空域联合建模，在保留原始结构的前提下，智能填充缺失信息——所以修复后的照片不会“失真变形”，而是“原样复原”。

准备好一张有划痕的老照片，我们这就开始。

2. 三步启动：5分钟让修复系统跑起来

2.1 一键启动WebUI服务

这个镜像已预装所有依赖（PyTorch、OpenCV、Gradio等），你只需执行两条命令：

cd /root/cv_fft_inpainting_lama bash start_app.sh

看到终端输出以下内容，说明服务已成功启动：

===================================== ✓ 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 =====================================

关键提示：如果服务器有公网IP（如阿里云ECS、腾讯云CVM），请确保安全组已放行端口7860；若在本地虚拟机运行，请用http://虚拟机IP:7860访问。

2.2 浏览器打开界面，认识你的修复工作台

在Chrome/Firefox浏览器中输入地址：http://你的服务器IP:7860
你会看到一个简洁直观的界面，布局如下：

┌─────────────────────────────────────────────────────┐ │ 图像修复系统 │ │ webUI二次开发 by 科哥 | 微信：312088415 │ ├──────────────────────┬──────────────────────────────┤ │ │ │ │ 图像编辑区 │ 📷 修复结果 │ │ │ │ │ [图像上传/编辑] │ [修复后图像显示] │ │ │ │ │ [ 开始修复] │ │ │ [ 清除] │ 处理状态 │ │ │ [状态信息显示] │ └──────────────────────┴──────────────────────────────┘

• 左侧是你的“手术台”：上传照片、用画笔精准圈出划痕区域；
• 右侧是“显微镜”：实时显示修复效果和保存路径；
• 所有操作都在浏览器里完成，不用切窗口、不装插件、不传文件到本地。

2.3 首次使用前的两个确认项

1. 检查浏览器兼容性：推荐 Chrome 110+ 或 Firefox 100+；Edge 可能出现画笔延迟，建议切换。
2. 确认图像格式：老照片扫描件优先用.png格式（无损压缩），.jpg也可用，但高频噪点可能略多。

现在，界面已就绪。下一步，就是把那张承载记忆的照片请进来。

3. 精准标注：用画笔告诉系统“这里需要修复”

老照片修复效果好坏，70%取决于这一步的细致程度。不是涂得越满越好，而是要“恰到好处”——像医生划手术刀口，既覆盖病灶，又避开健康组织。

3.1 上传你的老照片（三种方式任选）

• 点击上传：点击左上角虚线框区域 → 选择本地照片文件；
• 拖拽上传：直接将照片文件拖入虚线框内（支持多图，但一次只处理一张）；
• 剪贴板粘贴：用看图软件打开照片 →Ctrl+A全选 →Ctrl+C复制 → 在界面空白处Ctrl+V粘贴。

支持格式：.png,.jpg,.jpeg,.webp
分辨率建议：老照片扫描件常见为 2000×3000 像素左右，本系统可流畅处理；若超 4000 像素，建议先用系统自带“裁剪”工具分区域处理（后文详述）。

3.2 用画笔圈出划痕——不是描边，而是“覆盖”

系统默认已选中画笔工具（Brush），你只需专注涂抹：

• 颜色含义：界面上所有白色涂抹区域 = 系统将彻底重绘的区域；
• 画笔大小调节：拖动下方“Brush Size”滑块：
  • 划痕宽度 < 5 像素（如发丝状细纹）→ 选Small（3–5px）；
  • 划痕宽度 5–20 像素（如横向长刮痕）→ 选Medium（10–15px）；
  • 大面积污渍/霉斑 → 选Large（30–50px），快速铺底。

实操技巧（针对老照片划痕）：

• 划痕常呈“Z”字形或分叉状，不要试图一笔画完，分段涂抹更精准；
• 在划痕两端向外延伸涂抹2–3像素（系统会自动羽化过渡，避免生硬边界）；
• 若划痕穿过人脸眼睛、嘴唇等关键部位，宁可多涂1像素，也不要漏掉——修复模型对五官结构理解极强，不会“画歪”。

为什么强调“覆盖”而非“描边”？
LaMa模型基于频域重建，需要明确的“缺失区域掩码（mask）”。白色区域越完整，模型越清楚“这里什么都没有，需要从周围上下文推断”。漏涂一像素，修复后就可能残留一道白线。

3.3 橡皮擦修正：随时撤回，零风险试错

涂错了？没关系。点击工具栏的橡皮擦（Eraser）图标，即可擦除任意白色区域。

• 橡皮擦大小同步画笔大小滑块，无需重新调节；
• 对于复杂划痕交叠处，先大笔覆盖，再用小橡皮擦精修边缘；
• 点击“ 清除”按钮，可一键清空当前所有标注，重新开始。

验证标注是否合格：
上传照片后，左侧面板右上角会显示当前标注区域预览（灰底白图）。若白色完全包裹所有划痕且无大面积误涂，即可进入修复。

4. 一键修复：见证划痕消失的20秒

当标注完成后，点击醒目的“ 开始修复”按钮，系统将自动执行以下流程：

1. 加载轻量级FFT-Lama模型（已预加载，无需等待）；
2. 分析划痕区域频谱特征：识别划痕方向、粗细、与背景纹理的频域差异；
3. 多尺度空域重建：从低频结构（轮廓、明暗）到高频细节（皮肤纹理、纸张纤维）逐层生成；
4. 边缘自适应融合：智能匹配周围像素的亮度、饱和度、噪点分布，消除接缝感。

⏳处理时间参考（实测数据）：

你会看到右侧实时变化：
状态栏依次显示：初始化...→执行推理...→完成！已保存至: /root/cv_fft_inpainting_lama/outputs/outputs_20240520143022.png
同时，右侧预览区立刻显示修复后的高清图像。

4.1 修复效果直觉判断：三个关键看

修复完成后，别急着下载，先用这三点快速评估质量：

1. 划痕是否真正“消失”，而非“变淡”？
   放大到200%查看：原划痕位置应与周围纹理完全一致，无模糊带、无色差环。

2. 关键结构是否保留？
   检查人物眼角、衣领折痕、建筑窗框等线条：修复后不应弯曲、断裂或增粗。

3. 整体色调是否自然？
   老照片常带暖黄基调，修复区域不能突然变冷或过亮——本系统内置色彩一致性约束，95%场景下无需手动调色。

若某一点不满足，不要反复点击“修复”，而是返回左侧，用橡皮擦微调标注范围（通常扩大1–2像素即可），再试一次。

5. 进阶技巧：应对复杂老照片的实战方案

单次修复解决大部分划痕，但面对严重损伤的老照片，需组合策略。以下是经上百张老照片实测验证的高效方法：

5.1 分区域修复法：对付“划痕网”和“霉斑群”

当一张照片布满蛛网状划痕或成片霉斑时，全图标注易出错，且模型易混淆结构。

正确做法：

1. 用裁剪工具（Crop）将照片分为4–6个区块（如：左上人脸、右上背景、左下衣物、右下地面）；
2. 逐一上传每个区块，只标注该区块内的划痕；
3. 修复后下载各区块图（命名含时间戳，便于管理）；
4. 用任意图片编辑软件（甚至Windows画图）拼回原图。

优势：

• 单次处理内存占用降低60%，避免卡顿；
• 每个区块标注更精准，修复细节更丰富；
• 某区块效果不佳可单独重做，不影响其他部分。

5.2 边缘强化法：拯救“照片撕裂”和“卷边破损”

老照片常有物理撕裂或卷曲导致的边缘缺失。此时单纯涂白会丢失构图。

操作步骤：

1. 上传照片后，先用画笔沿破损边缘外侧涂抹（覆盖缺失区域）；
2. 点击“ 开始修复”，得到初步结果；
3. 立即下载此图（路径：/root/cv_fft_inpainting_lama/outputs/）；
4. 重新上传这张修复图，用画笔在原破损边缘内侧再涂一层薄白（约2像素宽）；
5. 再次修复——系统会基于新图进一步优化边缘衔接，使撕裂处过渡如初。

原理：第一次修复重建主体结构，第二次聚焦边缘微调，两阶段协同比单次“大力出奇迹”更可控。

5.3 批量处理准备：为修复100张老照片提速

若你有一整本相册需要数字化，可提前准备：

• 统一扫描设置：所有照片用同一台扫描仪，设为300 DPI、灰度模式（彩色老照片选RGB），保存为.png；
• 重命名规范：祖母_1952_001.png,祖父_1955_002.png，方便后期归档；
• 预估时间：按平均20秒/张计算，100张约需35分钟（含上传、标注、下载），远快于人工。

6. 结果保存与后续处理

修复完成，图像已自动保存至服务器：

• 保存路径：/root/cv_fft_inpainting_lama/outputs/
• 文件命名：outputs_YYYYMMDDHHMMSS.png（如outputs_20240520143022.png）
• 获取方式：
  • 方式1（推荐）：用FTP工具（FileZilla）连接服务器，进入该目录下载；
  • 方式2：若服务器装有宝塔面板等可视化管理工具，直接在文件管理器中下载；
  • 方式3：在终端执行ls -lt /root/cv_fft_inpainting_lama/outputs/查看最新文件，再用scp命令拉取。

下载后建议做的三件事：

1. 用看图软件100%放大检查：重点看划痕原位置、人物面部、文字区域；
2. 转存为TIFF格式备份：无损保存，避免日后JPEG压缩损失；
3. 添加元数据：用ExifTool写入拍摄时间、人物姓名、故事备注，让数字档案有温度。

7. 常见问题速查：5秒定位解决方案

终极保障：所有操作均可随时点击“ 清除”重来，无任何副作用。系统不修改原图，所有中间文件自动清理。

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。