AI图像处理五件套 – 修图，扣图，无损放大等功能全部免费用

图像处理是 AI 最早落地也最成熟的领域之一。但大多数人不知道的是，把你日常遇到的图像问题——抠图、修复、放大、人脸修复——全部用开源工具覆盖，只需要这五个项目就够了。

rembg：最纯粹的抠图工具

Daniel Gatis 写的 rembg，28K Star，是目前最受欢迎的开源抠图工具。核心原理一句话：用 ONNX Runtime 跑一   预训练的深度学习模型，输出透明背景图。

技术选型上最聪明的一点是 ONNX Runtime。不是 PyTorch，不是 TensorFlow——ONNX 是一个跨平台的推理引擎，不需要 GPU 也能跑（CPU 推理完全可用），部署极度简单。一个pip install 就能用。

它提供了 10+ 种预训练模型，从通用的 U²-Net、ISNet、BiRefNet，到专门的人体分割、衣物分割、动漫分割。每个模型自动下载到~/.u2net/ 目录，切换模型只需要改一个参数。

使用方式也全：CLI（rembg i input.png output.png）、Python 库、HTTP 服务器、Docker、Windows exe。覆盖了”设计师一键抠图”到”后端批量处理”的所有场景。

这也是整个链条上最没有争议的环节——抠图的需求几十年没变过，AI 只是把它从”Photoshop 钢笔工具选半天”变成了”一行命令搞定”。

Real-ESRGAN：整个 AI 超分的基石

xinntao（王鑫涛）做的 Real-ESRGAN，是这五个项目里学术影响力最大的一个。CVPR 2021 论文，被引用量极高，几乎所有开源的 AI 图像放大工具都直接或间接建立在它的基础上。

核心创新是”纯合成数据训练盲超分”——用模拟的降质过程生成训练数据，让模型学会处理真实世界中复杂的图像退化（模糊、噪声、压缩伪影）。这个方法后来被广泛沿用。

技术栈是 PyTorch + BasicSR，提供了针对通用场景、动漫场景、视频场景的多个预训练模型。同时也提供了 NCNN 版本的便携式可执行文件，不需要 Python 环境就能跑。

Upscayl（后面会讲）的核心引擎用的就是 Real-ESRGAN。

GFPGAN：腾讯 ARC 出品的人脸修复

同样是 xinntao 参与的项目（这次在腾讯 ARC 实验室），同样是 CVPR 2021。GFPGAN 做的事情非常垂直：把模糊、低分辨率的人脸照片修复清楚。

它的技术思路是”用 StyleGAN2 的先验知识做盲人脸修复”——大模型的生成先验（StyleGAN2 里已经学到的人脸知识）指导修复过程，比纯降噪算法的效果好得多。

提供了 V1.0 到 V1.4 四个版本：V1.2 输出更锐利（有美颜效果），V1.3 输出更自然，V1.4 在两者之间取得平衡。用户可以根据输入质量选择。

它的定位是工具链里的一个专用模块——不解决”让整张图变清晰”的问题，只解决”图上人脸是糊的”这个问题。而 IOPaint 和 Real-ESRGAN 都支持将其作为插件集成，说明它在生态中的位置就是一个”可插拔的人脸修复单元”。

IOPaint：最全能的图像修复工作台

IOPaint 是这五个项目里功能最丰富的一个。它不是一个单一功能的工具，而是一个Web UI 形式的 AI 图像编辑工作台：

• 擦除（Erase）——用 LaMa 模型移除不需要的物体、水印、划痕
• 替换（Inpaint）——用 Stable Diffusion Inpainting 系列模型替换选中区域的内容”帮我用生成的树填上”
• 扩图（Outpainting）——用 PowerPaint 把画面向外扩展
• 绘制文字——用 AnyText 在图片里添加或替换文字

更关键的是它把其他四个项目的功能全收了——作为插件集成：

• Real-ESRGAN → 超分辨率插件
• GFPGAN → 人脸修复插件
• rembg → 背景移除插件
• Segment Anything → 交互式对象分割插件

这意味着你可以在 IOPaint 的 Web UI 里，完成从”抠图”到”修复”到”放大”到”人脸修复”的完整流程，不需要切换工具。

IOPaint 的核心维护者 Sanster 是个中国开发者，项目完全开源、自托管。最新版是 2025 年 3 月的 v1.6.0，目前处于维护模式，但功能齐全。

Upscayl：让超分辨率变成桌面应用

Upscayl 相对前四个项目的定位不同——它不在图像处理的技术链条上，而是在部署层。

前面四个项目都是 Python 工具，使用门槛相对高。Upscayl 用 Electron + Next.js 把它们封装成了一个跨平台的桌面应用（Windows、macOS、Linux），用户不需要装 Python、不需要写命令、不需要理解什么是模型推理。

背后调用的是upscayl-ncnn（基于 NCNN 的推理后端），核心算法是 Real-ESRGAN，同时集成了多个社区贡献的优化模型（Remacri、Ultrasharp、Ultramix Balanced）。

1,114 次提交，v2.15，持续活跃。App Store 上线、Flathub 上线、Homebrew 可安装——工程化程度在这五个项目里是最高的。

这个生态的结构

把这五个项目放在一起，可以看到一个清晰的生态分层：

应用层 — Upscayl（桌面 GUI） │ 工具层 — IOPaint（Web UI 工作台） │ 算法层 — rembg（抠图）│ Real-ESRGAN（超分）│ GFPGAN（人脸修复） │ 研究层 — 论文产出（CVPR 2021）

底层是学术研究（xinntao 的 Real-ESRGAN 和 GFPGAN 论文），中间层是算法实现（rembg 的 ONNX 推理、IOPaint 的扩散模型集成），上层是用户体验封装（Upscayl 的桌面应用）。

相互之间的依赖也很清晰：Upscayl 的核心依赖 Real-ESRGAN，IOPaint 集成了 rembg、Real-ESRGAN、GFPGAN 作为插件。上游研究→中间工具→上层产品，这条链路走得非常顺。

这些工具怎么选

需求	用哪个
一键抠图	rembg（命令行/API）
图片去水印/修复	IOPaint（Web UI）
低分辨率图放大	Real-ESRGAN（CLI）或 Upscayl（桌面端）
老照片人脸修复	GFPGAN
一整套工具箱	IOPaint（插件全开）
不想写代码就想用这些工具	Upscayl

每个工具单独用都能干活，串起来用能覆盖从”修图”到”放大”到”修复”的完整工作流。而且全部开源、免费、可本地部署。这在 AI 时代反而是个挺奢侈的事情。

rembg: https://github.com/danielgatis/rembg
Upscayl: https://github.com/upscayl/upscayl
IOPaint: https://github.com/Sanster/IOPaint
Real-ESRGAN: https://github.com/xinntao/Real-ESRGAN
GFPGAN: https://github.com/TencentARC/GFPGAN