-
下载并解压ffmpeg主体，配置系统环境变量path，方便命令行使用。
-
使用ffprobe提取出IPB帧的统计信息。
准备好一个示例视频，这里以2010秋季OP为例子。这个视频的基本信息为：
General
Complete name : D:\BaiduNetdiskDownload\Spotsommer_Mumpitz..6722544.flv
Format : Flash Video
File size : 9.95 MiB
Duration : 1 min 47 s
Overall bit rate : 774 kb/s
Tagging application : Version 1.9
description : Bilibili VXCode Swarm Transcoder v0.2.30(gap_fixed:False)
Video
Format : AVC
Format/Info : Advanced Video Codec
Format profile : [email protected]
Format settings : CABAC / 6 Ref Frames
Format settings, CABAC : Yes
Format settings, Reference fra : 6 frames
Codec ID : 7
Duration : 1 min 47 s
Bit rate : 642 kb/s
Width : 960 pixels
Height : 540 pixels
Display aspect ratio : 16:9
Frame rate mode : Constant
Frame rate : 30.000 FPS
Color space : YUV
Chroma subsampling : 4:2:0
Bit depth : 8 bits
Scan type : Progressive
Bits/(Pixel*Frame) : 0.041
Stream size : 8.48 MiB (85%)
Color range : Limited
Matrix coefficients : BT.470 System B/G
Audio
Format : AAC LC
Format/Info : Advanced Audio Codec Low Complexity
Codec ID : 10-2
Duration : 1 min 47 s
Bit rate : 105 kb/s
Channel(s) : 2 channels
Channel layout : L R
Sampling rate : 48.0 kHz
Frame rate : 46.875 FPS (1024 SPF)
Compression mode : Lossy
Delay relative to video : 100 ms
Stream size : 1.44 MiB (14%)
关键信息如下：
- 时长1 min 47 s，一共60+47=107秒。这里只是粗略数值。
- Video的 Frame rate 为 30.000 FPS。
ffprobe -i .\Spotsommer_Mumpitz..6722544.flv -v quiet -select_streams v -show_entries frame=pkt_pts_time,pict_type- -v quiet: 表示安静模式，减少logging信息。
- -select_streams v：表示只选取video进行处理。 https://ffmpeg.org/ffmpeg.html#toc-Stream-specifiers-1
- -show_entries frame=pkt_pts_time,pict_type： 表示只显示frame信息，并且frame信息只显示pkt_pts_time和帧类型。
这里，帧类型容易理解，分为PBI三种类型。但是pkt_pts_time是什么含义？
输出的结果很长，这里选取一段连续的片段进行分析：
...
[FRAME]
pkt_pts_time=15.067000
pict_type=P
[/FRAME]
[FRAME]
pkt_pts_time=15.100000
pict_type=I
[/FRAME]
[FRAME]
pkt_pts_time=15.133000
pict_type=B
[/FRAME]
...- 相邻的FRAME的pkt_pts_time差值为0.033，0.033*帧率30=0.99 -> 1。的确证明了这里是一帧。
由于这个信息很长，terminal往往无法保存所有信息，一般需要将stdout输出到本地文件，方便使用其他编辑器查看。
ffprobe -i .\Spotsommer_Mumpitz..6722544.flv -v quiet -select_streams v -show_entries frame=pkt_pts_time,pict_type > spot.txt注意末尾的> spot.txt，在windows系统中，将标准输出管道定向到文件。
ffmpeg -i .\Spotsommer_Mumpitz..6722544.flv -vf "select=eq(pict_type\,I)" -vsync vfr -qscale:v 1 -f image2 ./I-frames/%04d.jpg其中：
-
-vf "select=eq(pict_type,I)"
表示只取I帧。
-
-vsync vfr 这里务必使用vfr，使用cfr会使用编码器复制多个图片，导致输出3000+图片。
-vsync parameter
Video sync method. For compatibility reasons old values can be specified as numbers. Newly added values will have to be specified as strings always.
1, cfr
Frames will be duplicated and dropped to achieve exactly the requested constant frame rate.
2, vfr
Frames are passed through with their timestamp or dropped so as to prevent 2 frames from having the same timestamp.
-
-qscale:v 2
qscale表示质量缩放，:v表示只应用于video部分，取值为1-31，值约小，质量越高。这里取1。
-
-f image2
使用image2 分路器
结果，生成22张图片。
对比原视频可以看出，原作的镜头组远超过22个，所以抽取I帧不能达到目的，这个方法不可行。但是这个方法可以迅速为一个MAD生成大致的关键帧预览列表。
初步尝试：
ffmpeg -i .\Spotsommer_Mumpitz..6722544.flv -filter:v "select='gt(scene,0.1)',showinfo" -f null - 2>&1这会输出到控制台。下图为末尾的log。
...
[Parsed_showinfo_1 @ 00000221fb31fcc0] n: 233 pts: 100667 pts_time:100.667 pos: 10282619 fmt:yuv420p sar:1/1 s:960x540 i:P iskey:0 type:B checksum:7D3ED25F plane_checksum:[0189C153 E751B666 A5C75A97] mean:[41 130 125] stdev:[57.8 3.7 7.7]
[Parsed_showinfo_1 @ 00000221fb31fcc0] color_range:tv color_space:bt470bg color_primaries:unknown color_trc:unknown
frame= 234 fps=115 q=-0.0 size=N/A time=00:01:42.18 bitrate=N/A speed=50.1x
frame= 234 fps=111 q=-0.0 Lsize=N/A time=00:01:47.69 bitrate=N/A speed=51.3x
video:122kB audio:20196kB subtitle:0kB other streams:0kB global headers:0kB muxing overhead: unknown但是因为仅仅是一大段文字，没有实际意义。
所以下面将抽取结果输出为图片，然后人工判断是否达到期望。
ffmpeg -i .\Spotsommer_Mumpitz..6722544.flv -filter:v "select='gt(scene,0.1)',showinfo" -vsync 0 ./change-frames/%05d.jpg
一共234张图片，按序号递增排列。
看起来不错，于是我们可以放大图片预览看下效果。
- 红线表示第1个场景
- 蓝线表示第2个场景
- ...
参考链接：
上面这种方式提取出来的场景变化帧，效果取决于这个参数：select='gt(scene,0.1)
这里0.1表示场景可能变化的概率，0.1是很低的概率。如果对0.1的效果不满意，那么可以改变概率。
下面我们继续尝试。这次分别采取0.05，0.2的概率值进行实验。结果汇总如下。
| 概率值 | 生成图片数 |
|---|---|
| 0.05 | 452 |
| 0.1 | 234 |
| 0.2 | 101 |
以0.1为参考值，当值变小时，例如0.05，生成的图片数变多，此时镜头划分更加精确。
而0.2这个值生成图片数101，比0.1还少，明显不是我们想要的发展方向，舍弃。
但是，这个概率值不是越小越好，因为值越小，图片数生成越多。当值小到一个极小值时，会退化为没有任何抽帧。此时输出的结果，就和完全输出原视频的每一帧一样。
而且，这个值没有最优解，根据视频的场景信息，ffmpeg的内部切分算法，导致的结果也会不同。
所以，这个值的确定，我们目前只能人工尝试几次，对比不同值的生成趋势，然后选择一个稍微满意的值即可。
如果不想使用这个方法，可以考虑硬编码解析，也就是下面的固定帧间隔抽帧（均匀采样抽帧）。
# -r 抽取的帧率，即从视频中每秒钟抽取图片的数量。4代表每秒抽取4帧。
ffmpeg -i .\Spotsommer_Mumpitz..6722544.flv -r 4 -q:v 2 -f image2 ./uniform-extract-4ps/%04d.jpg这里抽取结果为433张。它的结果和抽取场景转换帧的结果张数很像。但是存在下面的缺点：
-
过于死板，对于快速变化的分镜，提取的信息比较少。举例：
抽取场景转换帧 自定义帧率均匀抽帧(每1秒抽取4帧) 
这个例子中，人物入场非常快速，抽取场景转换帧保留的分镜信息（9张）比固定帧间隔抽帧更多（3张）。从抽取场景转换帧中，我们可以得到更多关于人物过渡的镜头信息。相反，固定帧间隔抽帧在这个方面表现欠佳。
上面的例子中，我们关注的是变化帧的排列分布信息，而忽略了它的时间位置。如果可以的话，我们希望在抽取每一帧的时候，保留某帧对应的时间点信息。但是，目前在ffmpeg似乎没找到开箱即用的参数设置API。
在本文中，我们探讨了使用开源组件ffmpeg来处理视频帧的提取，主要介绍了3种方式：
- 抽取特定类型的帧，例如只抽取I帧。
- 使用ffmpeg内置的场景识别功能来抽取场景转换帧。其中，初步结论是ffmpeg的场景识别对于ACG视频支持效果不是很好。
- 自定义帧率来均匀抽帧，例如每1秒均匀地抽取4帧。
对于每一个提取帧的时间点信息，内置的ffmpeg并没有提高便利的API来直接获取，而是需要进行中间转换。
如果需要界面友好的视频帧分析工具，可以考虑ScreenGif或者Keyframe Pro。其中ScreenGif为开源软件，Keyframe Pro为商业付费软件。