qwen-image-dit-demoire

📖 项目介绍

本项目基于 Qwen-Image-Edit 模型，专注于图像摩尔纹去除任务，提供高效、便捷、高精度的摩尔纹消除解决方案。

摩尔纹是拍摄屏幕、网格状物体时常见的干扰条纹，严重影响图像清晰度和视觉效果。本项目借助QwenImageEdit的图像编辑能力，针对不同场景（屏幕截图、印刷品拍摄、工业图像等）的摩尔纹，实现自动化、智能化去除，同时最大程度保留图像原有细节，无需手动调参，上手门槛极低。

✨ 核心特性

• 高效去纹：基于Qwen-Image-Edit优化算法，快速处理图像，摩尔纹去除效果显著，兼顾速度与精度。
• 细节保留：去除摩尔纹的同时，最大程度保留图像纹理、色彩、边缘等核心细节，避免图像模糊、失真。
• 多场景适配：支持屏幕截图、印刷品、织物、网格物体等多种场景下的摩尔纹去除，适配不同分辨率图像。
• 多图支持：原项目仅支持单张推理，新增支持batch图像的输入，在多图场景下效率更高耗时更少，不仅仅局限于单张图片编辑。

📋 环境准备

1. 基础环境要求

• Python 3.8 及以上版本
• PyTorch 1.10+（GPU加速推荐，可提升处理速度）
• CUDA 11.3+（可选，GPU加速需配置）

2. 依赖安装

克隆项目后，执行以下命令安装依赖：

# 克隆项目
git clone https://github.com/gusaiworld/DiffSynth-Studio.git


# 安装依赖
cd DiffSynth-Studio
pip install -e .

🚀 快速开始

本项目支持 单张图像去摩尔纹 和 批量图像去摩尔纹 两种方式，推荐使用命令行快速体验。 模型地址| 网盘链接: 提取码: cgj6 |

图像去摩尔纹

python inference_edit.py 

📊 效果展示

以下为摩尔纹去除效果对比：

场景：摩尔纹数据集

对比项	图片展示
moire图
espnet
our

🔧 常见问题

• 问题1：处理速度慢？
  解决：确保已安装PyTorch GPU版本，配置CUDA加速；降低图像分辨率或减小批量处理规模。
• 问题2：图像无法正常读取？
  解决：检查输入路径是否正确，确保图像格式为jpg/png，避免路径含中文或特殊字符。

自定义模型配置

若需优化特定场景的去纹效果，可修改config.py文件中的模型参数，调整QwenImageEdit的推理配置（如输入分辨率、迭代次数等）。

📄 许可证

本项目采用 MIT许可证 开源，允许个人和商业使用，修改和分发，需保留原作者声明。

🤝 贡献指南

欢迎大家参与项目贡献，具体方式：

1. Fork本仓库
2. 创建新分支（git checkout -b feature/xxx）
3. 提交修改（git commit -m "add xxx feature"）
4. 推送分支（git push origin feature/xxx）
5. 提交Pull Request

📞 联系作者

若有问题、建议或合作需求，可通过以下方式联系：

• GitHub：gusaiworld

---

🌟 感谢使用QwenImageEdit去摩尔纹项目，祝您使用愉快！ 🌟