图像修复与扩展：填充缺失区域与扩展画布

什么是图像修复与扩展？

图像修复（Inpainting）与扩展（Outpainting）是数字图像处理与生成式AI领域的核心技术。修复指智能填充图像内的缺失、损坏或不需要的区域，使结果看起来自然连贯；扩展则是在图像边界之外生成新内容，扩大画布的同时保持原图风格与语义一致。这两项技术广泛应用于老照片修复、水印去除、构图调整、创意视觉设计等场景。

图像修复的核心方法

传统算法：从纹理合成到扩散模型

• 基于样本的纹理合成
  早期方法从图像已知区域采样小块纹理，拼贴到缺失区域。如Photoshop的“内容识别填充”就基于PatchMatch算法，它快速寻找最佳匹配块并融合边缘，擅长重复纹理但难以处理复杂结构。

• 偏微分方程与扩散模型
  通过计算周边像素的梯度信息，将平滑信息向内扩散。例如，Navier-Stokes方程方法能保持边缘连续性，适合小面积划痕修复，但大面积缺失时会产生模糊。

• 深度学习方法
  卷积神经网络（CNN）通过编码器-解码器结构直接预测缺失像素。代表性模型有Context Encoder、Partial Convolution（部分卷积）和Gated Convolution。这些方法能理解图像语义，补全人脸、物体等复杂内容。现代工具如Stable Diffusion Inpainting模型更进一步，利用扩散模型根据文本提示或周围上下文生成高保真内容。

实操步骤：使用AI工具进行智能修复

此处以Stable Diffusion WebUI中的Inpaint功能为例：

1. 上传图像并绘制蒙版
   在img2img标签页中选择Inpaint子标签。上传原始图像，用画笔工具在需要修复的区域涂黑（蒙版）。

2. 设置去噪强度与蒙版模式

   • 去噪强度（Denoising strength）：建议0.75-0.85，值越高生成的内容与原始区域融合度越低，但创意性更强。
   • 蒙版模式：选择Inpaint masked（仅重绘蒙版区域）或Inpaint not masked（重绘非蒙版区域，用于背景替换）。

3. 调整上下文与分辨率

   • Mask blur：设置4-8像素使蒙版边缘羽化，过渡更自然。
   • Masked content：选original会在修复时参考原图该区域的颜色纹理；选latent noise则完全重生成新内容。
   • Inpaint area：选择Whole picture（生成后整体融合）或Only masked（仅处理蒙版区域，尺寸较小时速度更快）。

4. 编写提示词并生成
   根据想修复的内容输入正向提示词（如“a clear blue sky”），负面提示词（如“blurry, watermark”）。勾选Restore faces可借助人脸修复模型优化面部。批量生成后挑选最佳结果。

5. 精细化后处理
   若修复区域仍有接缝，可降低去噪强度后再次小范围修复，或使用图像处理软件中的修复画笔工具做局部微调。

图像扩展：突破画布边界

扩展的原理与挑战

图像扩展（Outpainting）需要模型根据已有图像内容推测画布外的合理延伸。这比修复更具挑战性，因为模型必须理解全局构图、透视关系和场景逻辑。传统算法几乎无法完成，而扩散模型通过“上下文窗口”逐步外推，是目前最主流方法。

使用扩散模型进行Outpainting

以Stable Diffusion WebUI为例：

1. 进入Outpainting专用脚本
   在img2img标签页选择Script下拉菜单中的Outpainting mk2或Poor man's outpainting。mk2版本支持更智能的渐变扩张。

2. 调整画布扩展方向与像素
   设置上下左右各扩展多少像素（如向右扩展512像素以获得16:9横幅）。Outpainting mk2会生成一个新的更大画布，原图居中。

3. 设置生成参数

   • 采样步数：20-30步即可。
   • 去噪强度：一般用0.8-0.95，因大部分区域是凭空生成。
   • CFG Scale：5-8，保持与原图风格一致。
   • 蒙版模糊：边界处需适当模糊（16-32像素），避免生硬线条。

4. 编写全局提示词
   描述整个场景，如“a vast meadow under sunset, cinematic lighting”，帮助模型统一生成与原图风格匹配的内容。也可以在“Stable Diffusion checkpoint”中选择匹配原画风的模型。

5. 逐步扩展避免畸变
   若一次性扩展幅度太大，容易产生重复纹理或透视崩塌。建议每次扩展画布置的20%-30%，多次迭代生成。例如，原始图片512×512，第一次向右扩展128像素，第二次再扩展128像素，使模型逐步适应。

6. 后期融合
   生成后检查接缝处，如有不自然过渡，可将原图与扩展图导入Photoshop，用蒙版轻轻擦出融合区域，或使用Inpaint功能对边界做局部修复。

实用场景与最佳实践

老照片修复

去除折痕、污渍并补全撕裂缺失的边角。先用传统修图工具清理灰尘，再用AI修复大面积缺损，最后用扩展功能重建缺失的背景，如完整的人物肩膀或建筑边缘。

构图重铸

为肖像照扩展出上半身，或为产品图添加环境背景。先在扩展区域生成粗稿，再整体进行高分辨率放大（Upscale），保证细节一致性。

创意合成

将小幅纹理扩展成无缝图案，或将名画边角延伸，创作现代延展作品。利用Outpainting的“无限画布”概念，可多次向外迭代，生成连续的叙事画卷。

避免常见问题

• 重复纹理：若生成区出现明显重复，降低去噪强度或增加采样步数，并尝试切换模型。
• 边界接缝：提高蒙版模糊值，或使用Euler a采样器，其随机性有助于自然过渡。
• 人脸修复失效：当修复或扩展区域含人脸时，单独启用Restore faces，或使用专门的Inpaint模型（如Realistic Vision Inpainting）。

工具选择指南

开始动手：从一小块水印去除练起，逐步尝试为照片扩展更广阔的天地。图像修复与扩展不仅是技术操作，更是重新构思视觉叙事的起点。