2：调用lama-cleaner 接口 Python批处理清除水印

书接上回 《windows轻松搞定lama-cleaner 本地化部署运行》

https://blog.csdn.net/xiaoma0529/article/details/156940767?spm=1001.2014.3001.5502

上回咱们成功将 Lama-cleaner 请到本地，笔刷轻点，水印即消，好不痛快！ 今儿个，咱们更进一步——不靠手动，改用 Python 批量调兵遣将，让百张带水印的图，自动“净身”！ 本文将手把手教你：如何通过 Python 脚本，调用本地已部署的 Lama-cleaner 接口，实现批量去水印。

第一回：确保 lama-cleaner 已启动：

首先，请确认你已在命令行中启动服务：

lama-cleaner –model=lama –device=cpu –port=8080

接着，在浏览器中访问 http://localhost:8080，若能看到 Web 界面，说明服务已就绪。

第二回：开启“下载掩码图”功能

在 Web 界面右上角点击 “设置”（Settings） 按钮， 在弹出的设置面板中，勾选 “Download Mask” 选项，以便后续保存掩码图像。

✅ 此步骤至关重要！只有开启此选项，才能在保存结果时同时下载对应的掩码图。

在Settings界面中 打开 Download Mask 下载掩码图的开关，如下图所示：

第三回：制作并保存掩码图

⚠️ 重要提示： 请保留这张 mask.jpg！后续所有待处理图片必须与该掩码图尺寸完全一致，否则脚本会跳过处理。 （适用于水印位置固定、图片尺寸统一的场景，例如：水印均在右下角）

请保留这个掩码文件，后续脚本将复用它处理所有图片。 ⚠️ 注意：所有待处理图片必须与掩码图尺寸完全一致，否则会被跳过。

以下为掩码图片案例：

第四回：编写Python批处理脚本

代码文件命名为 batch_inpaint.py

项目目录结构建议如下：

your_project/
├── images/ # ✅ 存放待处理的原始图片（支持 .jpg/.jpeg/.png）
├── mask.jpg # ✅ 掩码文件（黑白图，白色区域表示要修复/去水印的位置）
├── out/ # 📁 脚本自动创建，存放处理后的输出图片
└── batch_inpaint.py # 👈 本脚本文件

省脑省心，将以下代码保存为 batch_inpaint.py

import os
import glob
import requests
from PIL import Image
# ================== 配置区 ==================
LAMA_URL = "http://localhost:8080/inpaint" # 确认可用
MASK_PATH = "mask.jpg" # 支持 jpg/png
INPUT_DIR = "images"
OUTPUT_DIR = "out"
# ==========================================
if not os.path.exists(MASK_PATH):
raise FileNotFoundError(f"掩码文件未找到: {MASK_PATH}")
os.makedirs(OUTPUT_DIR, exist_ok=True)
image_extensions = ["*.jpg", "*.jpeg", "*.png"]
image_paths = []
for ext in image_extensions:
image_paths.extend(glob.glob(os.path.join(INPUT_DIR, ext)))
if not image_paths:
raise ValueError(f"在 '{INPUT_DIR}' 中未找到任何图片")
print(f"找到 {len(image_paths)} 张图片，开始批量去水印…")
# 检查 mask 尺寸
try:
mask_img = Image.open(MASK_PATH)
mask_size = mask_img.size
except Exception as e:
raise RuntimeError(f"无法读取掩码: {e}")
# 完整的 form data 参数（来自你的浏览器截图）
form_data = {
"ldmSteps": "25",
"ldmSampler": "plms",
"zitsWireframe": "true",
"hdStrategy": "Crop", # 或 Original、Resize
"hdStrategyCropMargin": "196",
"hdStrategyCropTrigerSize": "800",
"hdStrategyResizeLimit": "2048",
"prompt": "", # 可留空
"negativePrompt": "",
"croperX": "712",
"croperY": "280",
"croperHeight": "512",
"croperWidth": "512",
"useCroper": "false",
"sdMaskBlur": "5",
"sdStrength": "0.75",
"sdSteps": "50",
"sdGuidanceScale": "7.5",
"sdSampler": "uni_pc",
"sdSeed": "-1",
"sdMatchHistograms": "false",
"sdScale": "1",
"cv2Radius": "5",
"cv2Flag": "INPAINT_NS",
"paintByExampleSteps": "50",
"paintByExampleGuidanceScale": "7.5",
"paintByExampleSeed": "-1",
"paintByExampleMaskBlur": "5",
"paintByExampleMatchHistograms": "false",
"p2pSteps": "50",
"p2pImageGuidanceScale": "1.5",
"p2pGuidanceScale": "7.5",
"controlnet_conditioning_scale": "0.4",
"controlnet_method": "control_v11p_sd15_canny",
}
for img_path in image_paths:
filename = os.path.basename(img_path)
output_path = os.path.join(OUTPUT_DIR, filename)
try:
orig_img = Image.open(img_path)
if orig_img.size != mask_size:
print(f"跳过 {filename}：尺寸不匹配")
continue
except Exception as e:
print(f"无法打开 {filename}: {e}")
continue
try:
with open(img_path, "rb") as f_img:
with open(MASK_PATH, "rb") as f_mask:
files = {
"image": f_img,
"mask": f_mask,
}
# 发送所有表单数据
response = requests.post(LAMA_URL, files=files, data=form_data, timeout=60)
if response.status_code == 200:
with open(output_path, "wb") as out_file:
out_file.write(response.content)
print(f"已处理: {filename}")
else:
print(f"处理失败 {filename}: HTTP {response.status_code}, 响应: {response.text}")
except Exception as e:
print(f"请求出错 {filename}: {e}")
print("批量处理完成！结果已保存至 'out/' 文件夹。")

这段 Python 脚本用于批量调用 LaMa（或类似）图像修复服务（inpainting）去除水印，其核心逻辑是：对指定目录中的每张图片，使用一张固定掩码（mask）标记要去除的区域，然后通过 HTTP 请求发送到本地运行的 inpainting 服务进行处理，并保存结果。

关键要求：所有 images/ 中的图片必须与 mask.jpg 尺寸完全一致，否则会被跳过。

第五回：执行脚本，见证奇迹

python batch_inpaint.py

代码运行后在控制台若看到类似以下输出，说明一切顺利！

所有去水印后的图片，将整齐存放在 out/ 目录中。

注：本案例中需要去除水印的312张图片，水印位置均在图片右小角固定不变。

结语 诸位看官，至此水印已除，千图焕然！ Python 为令，Lama 为工，掩码作眼，批量成风。 此法特别适用于：水印位置固定、图片尺寸统一的批量处理场景（如证件照、产品图、监控截图等）。 若你照此施为，保管图清如洗、心静如水。 下回若有新招——自动识别水印、智能生成掩码，咱们再摆香案，细说分明！ ——且散，且去，莫忘点赞收藏！✨