擦掉水印与杂物 全程不上传一张图

消除工具是一款完全在浏览器里运行的免费 AI 去水印与物体消除工具。你只需要把想去掉的东西涂掉——角落里的 Logo、日期水印、背景里的路人、产品图上横穿的电线——工具会重建它背后的内容。内置两套引擎：零下载的 Fast Marching 快速修复（适合简单背景），以及 LaMa 神经网络修复（适合其余场景）。全程不上传、无需注册、不按张收费。

它专门解决在线消除服务不合适的场景：清理不允许上传到他人服务器的客户照片、去除自有图片上的水印、抹掉个人影像里的时间戳、或是在商品图进入目录前清掉背景杂物。图片只进入浏览器内存，不会离开设备。

LaMa 如何填补空洞

AI 引擎是 LaMa（Large Mask Inpainting），一个带傅里叶卷积、约 5100 万参数的网络，导出为 ONNX 后用 ONNX Runtime Web 运行。LaMa 专为大掩膜修复训练：它不是复制邻近像素，而是学习场景的结构——墙面纹理的延续、地面的几何、重复图案的节奏——再合成合理的填充。这正是它能去掉占据画面很大一块的物体而不产生涂抹感的原因。

模型接收两个张量：RGB 图像和标记了涂抹区域的单通道蒙版，返回一张完整图像。工具只把蒙版区域融合回原图，未触及的像素与你导入时逐位相同。边缘用高斯羽化处理，即使在天空、皮肤这类平滑渐变上也看不出接缝。

两套引擎：快速 vs AI

快速模式使用 OpenCV 经典的 Fast Marching 与 Telea 修复算法（本项目用 TypeScript 配合二叉堆重新实现）。它们沿近似测地前沿把边界像素向内传播。没有模型下载、结果即时，非常适合位于平坦或弱纹理区域的水印——渐变上的半透明 Logo、天空里的时间戳。

AI 模式会一次性下载 LaMa（约 210 MB）并缓存到 IndexedDB，之后每次运行都可离线使用。它适合有结构的场景：从街上移除行人、从原野里删掉围栏、擦掉砖墙上的文字。如果两种模式在你的图上效果接近，优先用快速模式——零成本、毫秒级完成。

选区工具与精度

提供四种选区工具。笔刷是半径可调的手绘涂抹；矩形框拖拽最快，覆盖角落水印最省事；套索用于描摹不规则物体的轮廓；擦除蒙版用来去掉涂错的部分。撤销与重做覆盖每一笔，蒙版以半透明叠加层显示，你随时能看到哪些区域会被填充。

决定输出质量的首要因素是蒙版质量，而不是模型。涂抹时略微超出物体边界——四周各留几像素余量——让网络在空洞的每一侧都有上下文。涂得太紧会留下光晕；涂得过广则让模型凭空编造过多内容。处理大物体时分多次进行：先去掉主体，再清理残留。

分辨率、显存与为什么要裁剪

在一张 2400 万像素的照片上全分辨率跑 5100 万参数的模型需要数 GB 内存。因此工具会先算出蒙版的包围盒，外扩留白后只在这一区域上推理——即 ROI（感兴趣区域）推理。图像其余部分完全不进入模型，最后再把 ROI 以羽化边缘合成回去。

ROI 还会进一步缩放：桌面端长边 1024 px，手机和低核数设备 512 px，再补齐到 8 的倍数以适配计算图。你的导出不受影响——只有这一小块被降采样用于推理，再放大回原分辨率，所以 6000 × 4000 的照片依然导出 6000 × 4000。

WebGPU 与 WASM 回退

浏览器支持时推理跑在 WebGPU 上，不支持时回退到 WebAssembly（CPU）。WebGPU 通常快数倍；回退路径依然可用，只是更慢。部分驱动会报告支持 WebGPU 却在首次真实调度时失败，因此工具会在运行时捕获这类错误、禁用本次会话的 GPU 并自动改用 WASM 重试，而不是把你卡在进度条上。

源图使用浏览器自带的解码管线，长边限制为 4096 px——远高于模型能有效利用的分辨率，同时让移动版 Safari 的内存占用可预测。

限制与要求

修复是重建，不是还原。水印背后的内容确实已经丢失，模型只是根据周围上下文猜测。在强结构场景中的大面积消除——被 Logo 遮住半张的脸、密集文字、铁丝网这类细密规则图案——可能生成看起来合理但错误的细节。这时可以试试快速模式、缩小蒙版，或分多次处理。

AI 模式需要一次性下载约 210 MB，并且设备要有足够空闲内存运行 1024 px 的 fp32 计算图；很老的手机建议只用快速模式。没有服务端排队，因此既没有速率限制也没有队列——但同样没有云上 GPU，所以 CPU 上处理大面积填充可能要几秒。

隐私

你的图片不会离开设备。解码、涂抹、推理与导出全部在页面内完成。没有上传接口、没有账号、没有针对图片内容的分析，也没有记录你删除了什么的服务端日志。唯一的网络请求是从模型 CDN 一次性下载权重，LaMa 缓存进 IndexedDB 之后，工具可以完全离线工作。