IOPaint批量擦除教程：5分钟跑通百张图去水印-二趣网

IOPaint批量擦除教程：5分钟跑通百张图去水印

【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 是一款基于 SOTA AI 模型的图像修复工具，它的批量处理模式可以把一整个文件夹里图片中的水印、路人、文字按蒙版一次擦掉。本文以默认的 LaMa 擦除模型为主线，讲清文件怎么组织、一条命令怎么跑、结果去哪看，不涉及源码细节。读完这篇，你能自己准备好图片与蒙版目录，用一条命令完成百张图的批量擦除，并根据机器条件调整设备与参数。

场景与能力速览

什么时候会用到它？几个典型情况：

电商商品图：一批图都带同一位置的水印，逐张修太慢，把蒙版准备好交给模型批量修复。
景区照片清理：把画面里的游客去掉，每张蒙版不同，但流程完全一致。
扫描件处理：擦除印章、签名或敏感文字，背景由模型自动补全。

IOPaint 的批量模式是命令行功能：你给它两个目录（图片、蒙版），它自动做同名匹配，加载一次模型就把整批跑完。默认的 LaMa 是专用修复模型，单张处理在秒级，批量速度主要受机器配置限制。

5分钟跑通最小示例

安装并准备文件

先克隆仓库并安装依赖：

git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint pip install -r requirements.txt

然后把文件整理成如下结构：

images/ photo1.jpg photo2.jpg masks/ photo1.png photo2.png

关键规则只有一条：蒙版文件必须与图片完全同名（扩展名可以不同，jpg 配 png 就行）。如果你加了_mask之类的后缀，匹配不上，这张图会被跳过，日志里会提示找不到蒙版。蒙版是灰度图，白色区域就是待擦除部分。

用一条命令跑批量任务

python main.py run --model lama --image ./images --mask ./masks --output ./results

首次运行会自动下载 LaMa 模型到本地缓存，耐心等待即可。运行时有进度条显示完成数量，结果以 PNG 保存进results目录，文件名与原图一致，原始图片的 EXIF 信息也会保留。蒙版尺寸和原图不一致也没关系，会自动缩放对齐。💡

两个实用技巧：如果所有图片用同一个蒙版（比如水印永远在同一位置），--mask直接指向单个蒙版文件即可，每张图都会复用它；加上--concat参数会输出"原图 + 蒙版 + 结果"的拼接图，方便快速验收。整条链路实现在批量处理模块中。

进阶调优与性能

用配置文件微调参数

默认值不合心意时，可以用--config传入一个 JSON 配置文件，可调字段定义在iopaint/schema.py里。常用的几个：

参数	默认值	说明
ldm_steps	20	扩散模型迭代步数，越高效果越好但更慢
sd_strength	1.0	扩散模型强度，越高与原图差异越大
sd_mask_blur	11	蒙版边缘羽化程度，越大过渡越平滑
hd_strategy	Crop	高清图预处理策略，可选 Original / Resize / Crop
sd_scale	1.0	扩散模型处理前的缩放比例，降低可省内存

LaMa 这类擦除模型本身没有步数概念，默认就是快的；上表参数主要在你换用带提示词和步数的 SD/SDXL 修复模型时才起主要作用。

选择 CPU 或 GPU 设备

命令默认跑在 CPU 上（--device cpu），LaMa 是轻量模型，几十张小批量 CPU 完全够用。换成扩散模型后，GPU 差距就很明显：加--device cuda走显卡，Mac 可以试mps。批量任务每处理完一张图都会主动释放显存，连续跑几百张也很稳；如果你是在网页服务（start命令）里跑扩散模型，还可以配合low_mem、cpu_offload参数进一步压缩显存占用，具体参数以实际版本为准。

效果实证

水印去除：对开头那张带水印的示例图，把水印区域标进蒙版后，批量输出的结果是背景自然补全，水印痕迹基本看不出（下图为处理后输出）。

文本擦除：扫描件里的大段文字，蒙版圈住文字区域后，输出的背景填充自然，适合做敏感信息擦除。

人物移除：演唱会照片里框出路人，模型会重建出舞台背景，同一蒙版思路可以复用到整批图。

实战避坑与边界

蒙版没生效：先查文件名是否与图片完全同名；匹配不上时日志里会有 "mask for ... not found" 提示。
输出格式意外：批量输出统一为 PNG（EXIF 保留），原图是 JPG 的话需要自行再转一下格式。
擦除区域有残留：蒙版边缘稍微羽化，或把蒙版范围比目标物体多留一圈；背景纹理复杂时 LaMa 可能偏糊，可换 SD 修复类模型并用提示词引导重建。
4K 大图：LaMa 默认走 Crop 策略，只裁剪蒙版区域处理，4K 也能跑；换扩散模型时把sd_scale调低先缩小再处理，更省内存。
一次跑太多张：建议按 50 张左右分批，模型整批只加载一次，分批不会拖慢单张速度。

⚠️ 以上默认值与策略基于当前仓库版本，升级后建议以实际版本为准。更多参数组合和边界情况，可以直接翻测试用例和 README 里的示例，issue 区也有不少前人踩坑记录。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析