【教程】去水印开源工具Lama Cleaner在Windows的安装和使用

news2025/4/18 16:58:13

一、Lama Cleaner是什么?

Lama Cleaner是一款开源且免费的人工学习图片去水印程序(个人主要学习用途),没有图片分辨率限制(个人使用暂未发现),并且保存的图片质量很高(个人觉得跟原图差不多),还能下载处理后的图片到本地。

项目地址:https://github.com/Sanster/lama-cleaner
原作者:Sanster

截止到目前(2023-03-01)仍然在更新,最新版为0.37.0。

注:作者好像部署了一个在线程序,感兴趣的可以直接在线使用:
https://huggingface.co/spaces/Sanster/Lama-Cleaner-lama
不过在线程序网站经常报错504…(所以我才想本地部署[无奈.jpg])

二、安装

本人直接在windows下使用python的pip安装。

1、安装python环境

python官网:https://www.python.org/

注:这里我选择python3.7.9版(https://www.python.org/downloads/release/python-379/),如下图
在这里插入图片描述
安装时把环境都搞定,包括pippath(环境变量),省事。

注:我试了下python免安装的embed版,然后安装pip,再安装lama-cleaner出现模块ffmpy不能安装的情况,定位问题失败,所以最后直接用了windows安装版。

注:因为3.7.9安装后的pip不是最新版,建议手动更新pip,在cmd执行:python -m pip install --upgrade pip

2、安装torch(可跳过,如果你想用GPU加速建议先安装)

项目文档中有一段:

# In order to use the GPU, install cuda version of pytorch first.
# pip install torch==1.13.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117

启动cmd,定位进入python根目录(python.exe的位置)
执行pip install torch==1.13.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117
等待安装完成。

3、安装lama-cleaner

启动cmd,定位进入python根目录(python.exe的位置)
执行pip install lama-cleaner
等待安装完成。

4、下载训练模块(可跳过,但启动lama-cleaner时程序会从github下载,比较慢,建议自行下载)

文件名下载网址(复制并用下载软件添加下载任务)
big-lama.pthttps://github.com/Sanster/models/releases/download/add_big_lama/big-lama.pt
clickseg_pplnet.pthttps://github.com/Sanster/models/releases/download/clickseg_pplnet/clickseg_pplnet.pt

big-lama.ptclickseg_pplnet.pt下载后放到C:\Users\[用户名]\.cache\torch\hub\checkpoints\
比如我操作系统当前用户名是xiaoyao,那么就放到C:\Users\xiaoyao\.cache\torch\hub\checkpoints\

5、启动lama-cleaner程序

启动cmd,定位进入python根目录(python.exe的位置)
执行lama-cleaner --model=lama --device=cpu --port=8080
--model=lama表示后训练模型为lama(建议保持默认)
--device=cpu表示渲染硬件为cpu(如果有nvidia独立显卡的可以考虑用cuda进行渲染加速,即:--device=cuda
--port=8080表示访问端口为8080(一般默认,可自行更改,比如我不想占用端口就改成8088了)

等待启动完成。
启动成功的示例:

D:\developmentEnvironment\python\Python37>lama-cleaner --model=lama --device=cuda --port=8088
- Platform: Windows-10-10.0.22621-SP0
- Python version: 3.7.9
- torch: 1.13.1+cu117
- Pillow: 9.4.0
- diffusers: 0.12.1
- transformers: 4.26.1
- opencv-python: 4.7.0.72
- xformers: N/A
- accelerate: 0.16.0
- lama-cleaner: 0.37.1

2023-03-04 20:09:31.230 | INFO     | lama_cleaner.parse_args:parse_args:141 - Create model cache directory: C:\Users\xiaoyao\.cache
Downloading: "https://github.com/Sanster/models/releases/download/add_big_lama/big-lama.pt" to C:\Users\xiaoyao\.cache\torch\hub\checkpoints\big-lama.pt
100%|██████████████████████████████████████████| 196M/196M [21:30<00:00, 159kB/s]
2023-03-04 20:31:06.067 | INFO     | lama_cleaner.helper:download_model:52 - Download model success, md5: e3aa4aaa15225a33ec84f9f4bc47e500
2023-03-04 20:31:06.069 | INFO     | lama_cleaner.helper:load_jit_model:102 - Loading model from: C:\Users\xiaoyao\.cache\torch\hub\checkpoints\big-lama.pt
Downloading: "https://github.com/Sanster/models/releases/download/clickseg_pplnet/clickseg_pplnet.pt" to C:\Users\xiaoyao\.cache\torch\hub\checkpoints\clickseg_pplnet.pt
100%|███████████████████████████████████████| 12.1M/12.1M [00:06<00:00, 2.01MB/s]
2023-03-04 20:31:14.789 | INFO     | lama_cleaner.helper:download_model:52 - Download model success, md5: 8ca44b6e02bca78f62ec26a3c32376cf
2023-03-04 20:31:14.790 | INFO     | lama_cleaner.helper:load_jit_model:102 - Loading model from: C:\Users\xiaoyao\.cache\torch\hub\checkpoints\clickseg_pplnet.pt
 * Running on http://127.0.0.1:8088/ (Press CTRL+C to quit)

启动成功后会提示网址,直接用浏览器打开即可,如下图:
在这里插入图片描述

操作简述:

点击左上角选择图片,底下Brush是刷子大小,图片可以用鼠标滚轮放大和缩小。
用鼠标在需要清除的水印(或污点?)拖拉覆盖(这个不用我演示了吧…用过ps的都懂),等待程序处理。
效果不满意就撤销,或者继续刷…满意后点下载按钮保存到本地即可。

本文为个人原创,供学习备忘,创作时间2023-03-04,如需转载请说明出处,感谢各位的阅读。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/388033.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

MSTP多进程讲解与实验配置

目录 MSTP多进程 专业术语 MSTP多进程配置 在MSTP域配置 MSTP多进程 多进程的作用 将设备上的端口绑定到不同的进程中&#xff0c;以进程为单位进行MSTP计算&#xff0c;不在同一进程内的端口不参与此进程中的MSTP协议计算&#xff0c;实现各个进程之间的生成树计算相互独立…

【算法】DFS与BFS

作者&#xff1a;指针不指南吗 专栏&#xff1a;算法篇 &#x1f43e;题目的模拟很重要&#xff01;&#xff01;&#x1f43e; 文章目录1.区别2.DFS2.1 排列数字2.2 n-皇后问题3.BFS3.1走迷宫1.区别 搜索类型数据结构空间用途过程DFSstackO( n )不能用于最短路搜索到最深处&a…

leetcode打卡-深度优先遍历和广度优先遍历

200.岛屿数量 leetcode题目链接&#xff1a;https://leetcode.cn/problems/number-of-islands leetcode AC记录&#xff1a; 思路&#xff1a;深度优先遍历&#xff0c;从0&#xff0c;0开始遍历数组&#xff0c;使用boolean类型数组used记录是否被访问过&#xff0c;进行一…

28个案例问题分析---014课程推送页面逻辑整理--vue

一&#xff1a;背景介绍 项目开发过程中&#xff0c;前端出现以下几类问题&#xff1a; 代码结构混乱代码逻辑不清晰页面细节问题 二&#xff1a;问题分析 代码结构混乱问题 <template><top/><div style"position: absolute;top: 10px"><C…

SpringBoot监听机制-以及使用

11-SpringBoot事件监听 Java中的事件监听机制定义了以下几个角色&#xff1a; ①事件&#xff1a;Event&#xff0c;继承 java.util.EventObject 类的对象 ②事件源&#xff1a;Source &#xff0c;任意对象Object ③监听器&#xff1a;Listener&#xff0c;实现 java.util…

奇思妙想:超链接唤起本地应用

文章目录分析实现参考很多人的博客都有这样的小玩意&#xff0c;点击之后就可以直接与博主进行对话&#xff0c;而且无需添加好友。 先研究一下网页源代码&#xff1a; <a href"tencent://message/?uin88888888&Siteqq&Menuyes">联系我</a>很明…

Decoupled Knowledge Distillation(CVPR 2022)原理与代码解析

paper&#xff1a;Decoupled Knowledge Distillationcode&#xff1a;https://github.com/megvii-research/mdistiller/blob/master/mdistiller/distillers/DKD.py背景与基于响应logits-based的蒸馏方法相比&#xff0c;基于特征feature-based的蒸馏方法在各种任务上的表现更好…

【教学典型案例】14.课程推送页面整理-增加定时功能

目录一&#xff1a;背景介绍1、代码可读性差&#xff0c;结构混乱2、逻辑边界不清晰&#xff0c;封装意识缺乏![在这里插入图片描述](https://img-blog.csdnimg.cn/bbfc5f04902541db993944ced6b62793.png)3、展示效果不美观二&#xff1a;案例问题分析以及解决过程1、代码可读性…

现代操作系统——Linux架构与学习

小白的疑惑 在我决定从事嵌入式&#xff08;应用层&#xff09;方面的工作时&#xff0c;我查询了大量资料该如何学习&#xff0c;几乎所有观点不约而同的都指向了学习好Linux&#xff0c;大部分工作都是在Linux环境下来进行工作的。于是我雄心勃勃的去下载Linux&#xff0c;可…

GEE开发之降雨(CHIRPS)数据获取和分析

GEE开发之降雨CHIRPS数据获取和分析1.数据介绍2.初识CHIRPS2.1 代码一2.2 代码二3.逐日数据分析和获取4.逐月数据分析和获取4.1 代码一4.2 代码二(简洁)5.逐年数据分析和获取5.1 代码一5.2 代码二(简洁)前言&#xff1a;主要获取和分析UCSB-CHG/CHIRPS/DAILY的日数据、月数据和…

一文带你入门,领略angular风采(上)!!!

话不多说&#xff0c;上代码&#xff01;&#xff01;&#xff01; 一、脚手架创建项目 1.安装脚手架指令 npm install -g angular/cli 2.创建项目 ng new my-app(ng new 项目名) 3.功能选择 4.切换到创建好的项目上 cd my-app 5.安装依赖 npm install 6.运行项目 npm start或…

32 openEuler使用LVM管理硬盘-管理卷组

文章目录32 openEuler使用LVM管理硬盘-管理卷组32.1 创建卷组32.2 查看卷组32.3 修改卷组属性32.4 扩展卷组32.5 收缩卷组32.6 删除卷组32 openEuler使用LVM管理硬盘-管理卷组 32.1 创建卷组 可在root权限下通过vgcreate命令创建卷组。 vgcreate [option] vgname pvname ...…

曹云金郭德纲关系迎曙光,新剧《猎黑行动》被德云社弟子齐点赞

话说天下大势&#xff0c;分久必合&#xff0c;合久必分。这句话经过了历史的证明&#xff0c;如今依然感觉非常实用。 就拿郭德纲和曹云金来说&#xff0c;曾经后者是前者的得门生&#xff0c;两个人不但情同父子&#xff0c;曹云金还是郭德纲默认接班人。然而随着时间的流逝&…

数据库基本概念及常见的数据库简介

数据库基本概念 【1】数据库基本概念 &#xff08;1&#xff09;数据 所谓数据&#xff08;Data&#xff09;是指对客观事物进行描述并可以鉴别的符号&#xff0c;这些符号是可识别的、抽象的。它不仅仅指狭义上的数字&#xff0c;而是有多种表现形式&#xff1a;字母、文字…

设计模式-策略模式

前言 作为一名合格的前端开发工程师&#xff0c;全面的掌握面向对象的设计思想非常重要&#xff0c;而“设计模式”是众多软件开发人员经过相当长的一段时间的试验和错误总结出来的&#xff0c;代表了面向对象设计思想的最佳实践。正如《HeadFirst设计模式》中说的一句话&…

【Verilog】——模块,常量,变量

目录 1.模块 1.描述电路的逻辑功能 2. 门级描述 3.模块的模板​编辑 2.关键字 3.标识符 4.Verilog源代码的编写标准 5.数据类型 1.整数常量​ 2.参数传递的两种方法 3.变量 4.reg和wire的区别 5.沿触发和电平触发的区别​ 6.memory型变脸和reg型变量的区别​ 1.模块 1.描…

Mybatis一级缓存与二级缓存

一、MyBatis 缓存缓存就是内存中的数据&#xff0c;常常来自对数据库查询结果的保存。使用缓存&#xff0c;我们可以避免频繁与数据库进行交互&#xff0c;从而提高响应速度。MyBatis 也提供了对缓存的支持&#xff0c;分为一级缓存和二级缓存&#xff0c;来看下下面这张图&…

docker安装即docker连接mysql(window)

一 安装docker 1.什么是docker Docker容器与虚拟机类似&#xff0c;但二者在原理上不同。容器是将操作系统层虚拟化&#xff0c;虚拟机则是虚拟化硬件&#xff0c;因此容器更具有便携性、高效地利用服务器。 2.WSL2 WSL&#xff0c;即Windows Subsystem on Linux&#xff0c;中…

JavaScript高级 XHR - Fetch

1. 前端数据请求方式 早期的网页都是通过后端渲染来完成的&#xff1a;服务器端渲染&#xff08;SSR&#xff0c;server side render&#xff09; 客户端发出请求 -> 服务端接收请求并返回相应HTML文档 -> 页面刷新&#xff0c;客户端加载新的HTML文档 当用户点击页面中…

C++:哈希:闭散列哈希表

哈希的概念 哈希表就是通过哈希映射&#xff0c;让key值与存储位置建立关联。比如&#xff0c;一堆整型{3,5,7,8,2,4}在哈希表的存储位置如图所示&#xff1a; 插入数据的操作&#xff1a; 在插入数据的时候&#xff0c;计算数据相应的位置并进行插入。 查找数据的操作&…