第15章：视频滤镜实战：水印、缩放与截图

把第 2 章见过的 -vf 真正用起来：overlay 加水印、scale 缩放、drawtext 写字、-ss 截图——四个实战场景逐个跑通，每条命令都亲手验证

15.1 滤镜的入口：-vf 滤镜链与 -filter_complex 滤镜图

第 2 章我们用过 -vf scale=320:180 做缩放，这一章把滤镜真正用熟。先补概念：视频滤镜（video filter）说人话就是"画面的加工车间"——每一帧从车间入口进来，经过一台台机器（缩放、加字、叠加）再出去。滤镜有两条入口：-vf 只接收一个视频输入，多个滤镜用逗号 , 串成滤镜链（filter chain），像流水线逐台加工；-filter_complex 是滤镜图（filter graph），支持多输入、多输出、任意分支，滤镜之间用分号 ; 分隔。一条铁律：单输入用 -vf；多输入（水印 = 主视频 + logo 图）必须用 -filter_complex。

两条入口的写法差异很直观。滤镜链里每个滤镜的输出自动接下一个滤镜的输入，不用写名字；滤镜图里要给每个滤镜的输入输出贴标签（[0:v] 是"第 0 个输入的视频流"，[1:v] 是"第 1 个输入的视频流"），再用 [标签]滤镜名=参数[新标签] 显式连线。本章所有命令都在本机（ffmpeg 8.1.1）真实执行过，先看骨架：

# 滤镜链：单输入，逗号串联，逐个加工（不用写标签）
ffmpeg -i sample.mp4 -vf "scale=-2:180,drawtext=fontfile=...:text=..." -c:a copy out.mp4
#   sample.mp4 ──> scale ──> drawtext ──> out.mp4（一条流水线）

# 滤镜图：多输入必须用 -filter_complex，标签显式连线
ffmpeg -i sample.mp4 -i logo.png -filter_complex "[0:v][1:v]overlay=10:10" -c:a copy out.mp4
#   第 0 路视频 + 第 1 路视频 ──> overlay 叠加 ──> out.mp4

福尔摩斯查案的第一个习惯：怀疑哪个滤镜，就把它的参数表调出来看。ffmpeg 每个滤镜都自带说明，ffmpeg -h filter=滤镜名 一行命令就能看到全部可配参数、默认值和取值范围——这是排查"参数写错"的标准动作，后面每节我们都会用到。以 scale 为例（真实输出节选）：

# 查 scale 滤镜的参数表（标准动作，真实输出节选）
ffmpeg -hide_banner -h filter=scale
# Filter scale
#   Scale the input video size and/or convert the image format.
# scale AVOptions:
#    w / width   <string>  Output video width
#    h / height  <string>  Output video height
#    size / s    <string>  set video size
#    force_original_aspect_ratio <int>   ... (default disable)
#    force_divisible_by          <int>   ... (default 1)

入口	输入路数	滤镜连接方式	典型场景
-vf 滤镜链	单输入	逗号 , 串联，自动接力	缩放、加字、裁剪等单路加工
-filter_complex 滤镜图	多输入 / 多输出	分号 ; 分行，[标签] 显式连线	水印叠加、画中画、多路合成

15.2 overlay 水印：两路输入的第一课

第一个实战：给视频加水印。overlay 说人话就是"把一张图盖在视频画面上面"，是最常用的多输入滤镜——主视频一路输入，logo 图一路输入，必须用 -filter_complex。先准备素材：本机没有现成 logo，用 ffmpeg 的 color 虚拟源（纯色画面发生器）生成 160x60 黛青底图，再用 drawtext 写上 "AILab"（drawtext 下一节细讲，先借用）：

生成后先用 ffprobe 体检：png、160x60、像素格式 rgb24。这个 rgb24 意味着图片没有透明通道，叠加后是不透明矩形；真正的"透明水印"要用带 alpha 的 RGBA png，overlay 会尊重 alpha 让底下画面透出来。先用眼睛和 ffprobe 确认这个差别：

# 造一张 logo.png：160x60 的黛青底 + 白色 "AILab"（本机真实执行）
ffmpeg -y -f lavfi -i "color=c=0x3f7d76:size=160x60:duration=1:rate=1" \
  -vf "drawtext=fontfile=/System/Library/Fonts/Supplemental/Arial.ttf:text='AILab':fontsize=28:fontcolor=white:x=(w-text_w)/2:y=(h-text_h)/2" \
  -frames:v 1 logo.png
# 实测产物：logo.png = 2091 字节，160x60，png

# ffprobe 体检：width,height,codec_name / pix_fmt
ffprobe -v error -show_entries stream=width,height,pix_fmt -of csv=p=0 logo.png
# 实测输出：160,60,rgb24  ← rgb24 表示无 alpha，水印将是不透明矩形

水印叠加命令：两个 -i 引入两路输入，滤镜图里 [0:v] 取主视频、[1:v] 取 logo，overlay 的 10:10 是"离左上角往右 10 像素、往下 10 像素"。x:y 默认 0:0（左上角贴齐），且支持表达式：main_w/main_h 是主画面宽高，overlay_w/overlay_h 是水印宽高，"右下角留 10 像素边距"写成 main_w-overlay_w-10:main_h-overlay_h-10。两条命令都实测跑过：

# 左上角水印：离边 10 像素（本机真实执行）
ffmpeg -y -i sample.mp4 -i logo.png \
  -filter_complex "[0:v][1:v]overlay=10:10" -c:a copy overlay_10.mp4
# 实测产物：overlay_10.mp4 = 498070 字节，分辨率仍为 640x360（overlay 不改变尺寸）

# 右下角水印：main_w-overlay_w-10 表达式逐帧求值
ffmpeg -y -i sample.mp4 -i logo.png \
  -filter_complex "[0:v][1:v]overlay=main_w-overlay_w-10:main_h-overlay_h-10" -c:a copy overlay_br.mp4
# 实测产物：overlay_br.mp4 = 482328 字节，水印出现在右下角

水印位置	overlay 的 x:y 写法
左上角	overlay=10:10
右上角	overlay=main_w-overlay_w-10:10
左下角	overlay=10:main_h-overlay_h-10
右下角	overlay=main_w-overlay_w-10:main_h-overlay_h-10

15.3 scale 缩放：尺寸计算的语法

第二个实战：缩放。scale 语法是 scale=宽:高，但工程里几乎不写死两个数字——等比缩放要保持宽高比，写死就变形了。答案是 -2：某一边写 -2，另一边按原始宽高比自动算，且保证结果是偶数（偶数约束来自编码：H.264 的 yuv420p 要求宽高都是偶数，第 2 章提过的 -pix_fmt yuv420p 就是它）。本机实测：640x360 素材 scale=-2:180 得 320x180；scale=180:-2 得 180x102——360 按 16:9 折算宽度 101.25，就近取偶成 102：

# 指定高度 180，宽度按 16:9 自动算（-2 = 自动且保证偶数）（本机真实执行）
ffmpeg -y -i sample.mp4 -vf "scale=-2:180" -c:a copy scaled.mp4
ffprobe -v error -select_streams v:0 -show_entries stream=width,height -of csv=p=0 scaled.mp4
# 实测输出：320,180  ← 640:360 = 16:9，等比成立

# 指定宽度 180，高度自动算：101.25 就近取偶数 = 102
ffmpeg -y -i sample.mp4 -vf "scale=180:-2" -c:a copy s180.mp4
ffprobe -v error -select_streams v:0 -show_entries stream=width,height -of csv=p=0 s180.mp4
# 实测输出：180,102

更复杂的场景是"塞进一个盒子"：平台要求封面 200x200，但视频是 16:9——直接 scale=200:200 会拉变形。解法是 force_original_aspect_ratio=decrease（保持宽高比缩到能完整放进盒子，不拉伸），再配合 pad 滤镜（补黑边到指定尺寸）。这条命令第一次跑就报错了，福尔摩斯式排错现场：等比计算高度是 200÷16×9 = 112.5，scale 就近取整得到 200x113——113 是奇数，libx264 拒绝开工：

# 第一次跑：等比缩进 200x200 盒子，真实报错（本机完整复现）
ffmpeg -y -i sample.mp4 -vf "scale=200:200:force_original_aspect_ratio=decrease" -c:a copy far.mp4
# 实测报错（关键两行）：
# [libx264] height not divisible by 2 (200x113)
# [enc:libx264] Error while opening encoder - maybe incorrect parameters ...

# 修复：force_divisible_by=2 强制结果可被 2 整除 → 200x112
ffmpeg -y -i sample.mp4 -vf "scale=200:200:force_original_aspect_ratio=decrease:force_divisible_by=2,pad=200:200:(ow-iw)/2:(oh-ih)/2:color=black" -c:a copy pad2.mp4
ffprobe -v error -select_streams v:0 -show_entries stream=width,height -of csv=p=0 pad2.mp4
# 实测输出：200,200  ← 黑边补满盒子，画面不变形（letterbox 信箱式）

需求	scale 写法	本机实测结果
指定高度、宽度等比	scale=-2:180	320x180
指定宽度、高度等比	scale=180:-2	180x102（101.25 就近偶数）
塞进盒子不拉伸	scale=200:200:force_original_aspect_ratio=decrease	200x113 → 报错，需 force_divisible_by=2
盒子 + 黑边补齐	上面写法 + ,pad=200:200:(ow-iw)/2:(oh-ih)/2:color=black	200x200

15.4 drawtext 文字：字体路径与动态时间戳

第三个实战：画面上写字。drawtext 滤镜（需 ffmpeg 编译时带 libfreetype，本机 ffmpeg-full 自带）说人话就是"往每一帧打印一行文字"。最关键参数是 fontfile——字体文件必须写绝对路径。macOS 系统字体在 /System/Library/Fonts/Supplemental/（英文 Arial.ttf，中文 Songti.ttc），Linux 一般在 /usr/share/fonts/。先写一行静态文字：白色 24 号、离左上角 10 像素。文字里若有冒号必须转义成 \:（冒号是滤镜参数的天然分隔符），本命令没有冒号所以直接写：

# 静态文字：白色 24px，左上角（本机真实执行）
ffmpeg -y -i sample.mp4 -vf "drawtext=fontfile=/System/Library/Fonts/Supplemental/Arial.ttf:text='AILab Tutorial':fontsize=24:fontcolor=white:x=10:y=10" -c:a copy texted.mp4
# 实测产物：texted.mp4 = 517863 字节；抽帧检查左上角确有白色文字

# 中文字体：宋体 Songti.ttc（说人话：ttc 是字体集合，drawtext 直接支持）
ffmpeg -y -i sample.mp4 -vf "drawtext=fontfile=/System/Library/Fonts/Supplemental/Songti.ttc:text='福尔摩斯排除不可能':fontsize=28:fontcolor=white:x=(w-text_w)/2:y=(h-text_h)/2" -frames:v 1 -f image2 zh_text.png
# 实测：抽帧检查画面中央确有白色中文（x=(w-text_w)/2 是水平居中表达式）

drawtext 的杀手锏是动态文字：text 支持 %{...} 占位符，每渲染一帧求值一次。text='%{pts}' 显示当前帧时间戳（pts，presentation timestamp，显示时间戳——第 4 章讲过 B 帧重排的 pts/dts 两套时间轴），text='%{pts\:hms}' 格式化成"时:分:秒"。注意 \: 的转义：%{pts} 内部也要用冒号，不转义就会被滤镜当成参数分隔符，文字直接解析失败——drawtext 最经典的参数格式坑。两条都实测过，抽帧能看到画面底部黄色时间戳逐帧跳动：

# 动态时间戳：%{pts} 原始时间戳（单位随容器而定，这里是微秒级数值）（本机真实执行）
ffmpeg -y -i sample.mp4 -vf "drawtext=fontfile=/System/Library/Fonts/Supplemental/Arial.ttf:text='%{pts}':fontsize=24:fontcolor=yellow:x=10:y=h-40" -c:a copy texted_pts.mp4
# 实测产物：texted_pts.mp4 = 537921 字节；抽帧底部有黄色数字

# 人类可读时间戳：%{pts\:hms} 显示为 00:00:02 形式（冒号必须转义成 \:）
ffmpeg -y -i sample.mp4 -vf "drawtext=fontfile=/System/Library/Fonts/Supplemental/Arial.ttf:text='%{pts\:hms}':fontsize=24:fontcolor=yellow:x=10:y=h-40" -c:a copy texted_hms.mp4
# 实测产物：texted_hms.mp4；抽帧底部显示黄色 "00:00:02" 样式的动态时间

15.5 截图：-ss 快准 + 单帧输出

第四个实战：截图。核心是 -frames:v 1（只输出 1 帧就收工）加 -ss 跳转。第 2 章裁剪矩阵验证过 -ss 的位置决定快慢与精度，截图同理：-ss 2 -i sample.mp4（-ss 在 -i 前）是输入侧跳转——先跳关键帧再解码，快；-i sample.mp4 -ss 2 是输出侧跳转——从头解码丢掉前 2 秒，慢但帧级精确。截图要"快"和"差不多准"，工程上默认 -ss 放 -i 前。本机实测：30 秒素材截第 28 秒，输入侧 0.09 秒，输出侧 0.16 秒，两图画面一模一样（同一关键帧）：

# 截图：-ss 放 -i 前（输入侧快跳转）+ -frames:v 1 只出 1 帧（本机真实执行）
ffmpeg -y -ss 2 -i sample.mp4 -frames:v 1 -q:v 2 shot_ss2.png
# 实测产物：shot_ss2.png = 53138 字节，png，640x360（-q:v 2 控制质量，范围 2-31，越小越好）

# 截图 + 缩放一步到位：先 -ss 跳转，再 -vf scale 缩小输出
ffmpeg -y -ss 2 -i sample.mp4 -frames:v 1 -vf "scale=320:-2" shot_small.png
# 实测产物：shot_small.png = 20233 字节，png，320x180（缩略图比原图小一半多）

输出单帧还有个小坑：image2 图像封装器（muxer，把帧打包成图片文件）默认以为你要输出图片序列，碰到不带序号通配符的文件名会发一条提示——加 -frames:v 1 就能正常写单张图（实测不写 -f image2 也能靠 .png 后缀自动识别封装器）。要 jpg 就把输出名改成 .jpg，-q:v 同样管用。放一张"快与准"的对照：

# -ss 位置对照实测：30 秒素材，截第 28 秒（本机真实计时）
# 输入侧：-ss 28 在 -i 之前 —— 先跳关键帧再解码
ffmpeg -y -hide_banner -ss 28 -i long30.mp4 -frames:v 1 in_side.png  # real 0m0.090s
# 输出侧：-ss 28 在 -i 之后 —— 从头解码丢掉前 28 秒
ffmpeg -y -hide_banner -i long30.mp4 -ss 28 -frames:v 1 out_side.png  # real 0m0.159s
# 实测结论：输入侧 0.090s <- 输出侧 0.159s；两图字节数相同（54487 B），画面一致

15.6 组合拳：一条命令同时水印、缩放、加字

三个滤镜都过关了，最后拧成一条命令——这也是滤镜图真正的威力：多输入 + 多步加工 + 中间产物命名。[0:v]scale=-2:180[base] 意思是"第 0 路视频先缩放，结果贴标签 [base]"；[base][1:v]overlay=10:10[ov] 叠加 logo，结果贴标签 [ov]；[ov]drawtext=... 最后加一行小字。三条滤镜用分号 ; 分行（滤镜图分隔符，区别于滤镜链的逗号），音频用 -c:a copy 原样搬运——滤镜只动视频流：

实测产物 320x180（缩放生效）、144678 字节（比原片 526497 字节小得多）、左上角有黛青 logo、底部有一行白色小字 "AILab"——每步效果都能用 ffprobe 和抽帧验证。这条命令就是"转码工程"里最典型的滤镜管线雏形：

# 组合拳：缩放 → 水印 → 加字，一条命令完成（本机真实执行）
ffmpeg -y -i sample.mp4 -i logo.png \
  -filter_complex "[0:v]scale=-2:180[base];[base][1:v]overlay=10:10[ov];[ov]drawtext=fontfile=/System/Library/Fonts/Supplemental/Arial.ttf:text='AILab':fontsize=16:fontcolor=white:x=10:y=h-24" \
  -c:a copy combo.mp4
# 实测产物：combo.mp4 = 144678 字节；x264 统计 kb/s:151.92

# 验收：ffprobe 确认尺寸，抽帧确认水印与文字都渲染了
ffprobe -v error -select_streams v:0 -show_entries stream=width,height -of csv=p=0 combo.mp4
# 实测输出：320,180
ffmpeg -y -hide_banner -ss 2 -i combo.mp4 -frames:v 1 check_combo.png
# 实测抽帧检查：左上角黛青 logo（约 9053 像素命中品牌色），底部白色小字清晰可读

到此，水印、缩放、加字、截图四件兵器都验过了。回看这一章：两条入口、overlay 的位置表达式、scale 的偶数约束与盒子缩放、drawtext 的字体路径与动态占位符、-ss 的快与准——每一个"效果不对"背后，都是一次"排除不可能"的推理。下一章也是最后一章，我们会把命令行、滤镜、探针这些零散环节串成一张转码工程全景：从拿到素材到交付成品，一条完整的生产管线长什么样，敬请期待。