视频抽帧全攻略：从FFmpeg到OpenCV的实战方法与避坑指南-代码聚汇网

视频抽帧全攻略：从FFmpeg到OpenCV的实战方法与避坑指南

骑lv上高速·2026-09-01·阅读 23 GEO检测（免费）

视频抽帧FFmpegOpenCV

|难度：普通|阅读约 38 分钟

视频抽帧这件事，说起来很简单，就是把视频里的一帧帧画面提取成图片，但真正做起来，坑比想象中多。我早期做目标检测数据集时，面对几十个小时的监控视频，直接按帧全部导出，结果半小时后磁盘爆了，训练集里还全是模糊帧和重复帧，模型效果惨不忍睹。后来慢慢把FFmpeg、OpenCV、场景切分这些方法都摸了一遍，才算把抽帧这件事真正玩明白。

这篇笔记整理的，就是我从纯小白到能应对各种抽帧需求的完整方法合集。不管你是做深度学习数据集、做视频封面、做内容审核，还是单纯想把某个精彩瞬间保存下来，这里面都有可以直接抄的方案。

1. 视频抽帧到底在解决什么问题

1.1 什么是视频抽帧，常见业务场景

视频本质上是连续播放的静态图片序列，常见的帧率有24fps、25fps、30fps、60fps等。以30fps为例，一秒视频就有30张完整画面，十分钟的短视频就有18000张。如果全部导出，不仅占空间，处理起来也是灾难。视频抽帧的核心，就是按照某种规则从这一大堆画面中，挑选出真正有价值的少量画面。

我接触过的高频场景大概有这几类：

深度学习数据集制作：目标检测、图像分类、动作识别等任务，需要大量的标注图片。从视频中抽帧是获取训练数据最经济高效的方式之一。比如训练一个安全帽检测模型，你只需要从工地监控视频里每隔几秒抽一帧，然后标注，就能快速攒出几千张图片。
视频封面和缩略图：视频平台需要好看的封面，直接从视频中间截取一帧，或者抽取多个候选帧再人工挑选，比专门设计封面省事得多。
内容审核和视频检索：审核人员不可能一秒一秒看视频，抽帧后按图片审核效率高得多。视频相似度检索、指纹提取，也大量依赖关键帧。
OCR和文本识别：扫描版视频、PPT录屏、字幕提取，都需要先把视频画面转成图片再跑OCR。
摄影和剪辑辅助：从连拍视频中选出一张最清晰的瞬间，或者用抽帧做延时摄影效果。

可以说，只要视频和图像处理沾边，抽帧就是绕不开的前置步骤。而不同场景对抽帧的要求完全不同，有的要均匀，有的要清晰，有的要智能识别关键内容，盲目用一种方法走天下，后面肯定要返工。

1.2 抽帧方案选型的底层逻辑

很多人上来就问"用什么工具抽帧"，但我的建议是，先想清楚四件事：抽出来的图给谁用、需要多均匀、允许多少重复、对清晰度有没有要求。

给谁用：如果人看，比如做封面，那抽出来的帧要好看有意义；如果给模型训练，那均匀性和多样性更重要；如果给OCR，那清晰度第一，模糊帧必须过滤。
均匀性：按固定时间间隔抽，能保证时间上的均匀分布，比如每2秒一帧；按固定帧数抽，适合帧率稳定的视频；按关键帧（I帧）抽，抽出来的是编码器认为的关键画面，但时间间隔不均匀。
重复性：如果视频场景变化小，比如会议室监控，均匀抽帧可能抽到大量几乎一模一样的画面，白白浪费存储。这时应该用场景切换检测，只在画面变化大时抽帧。
清晰度：镜头抖动、人物快速运动都可能造成模糊帧。运动模糊严重的帧，人眼可能勉强能看，但喂给模型就是毒药。抽帧后加一个清晰度筛选步骤，能省下后面不少清洗数据的功夫。

拿我做数据集的亲身体验来说，当时图省事，用一个最简单的命令把监控视频按1秒抽一帧，结果抽出来5000张图，有3000张画面几乎没变化，训练出来的模型检测精度低了整整好几个点。后面改用"时间均匀抽帧+Laplacian方差筛选"的组合，数据量少了三分之一，模型精度反而上去了。所以选型这件事，真不能马虎。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 三类主流抽帧方式对比

2.1 FFmpeg命令行抽帧：最普适的主力工具

FFmpeg几乎是所有音视频处理任务的首选，抽帧也只是它的基础功能之一。它的优势在于：

全平台支持，Windows、Linux、macOS都能跑；
性能极高，底层是C语言优化过的解码和滤镜链；
支持几乎所有的视频编码格式；
抽帧的同时还能做缩放、裁剪、质量压缩等操作，一步到位。

FFmpeg的抽帧思路主要分四种：

第一种是按时间间隔抽帧，用 fps 过滤器。fps=1 表示每秒输出1帧，fps=1/5 表示每5秒输出1帧，fps=2 表示每秒输出2帧。这个过滤器会丢弃不符合时间点的帧，同时保留符合时间的画面，输出稳定。

命令示例：

bash复制# 每1秒抽1帧
ffmpeg -i input.mp4 -vf fps=1 output_%04d.jpg

# 每5秒抽1帧
ffmpeg -i input.mp4 -vf fps=1/5 output_%04d.jpg

# 每秒抽2帧
ffmpeg -i input.mp4 -vf fps=2 output_%04d.jpg

第二种是按帧号间隔抽帧，用 select 过滤器和 mod 函数。select='not(mod(n,30))' 表示每30帧抽1帧，n是帧序号，从0开始。这种方式的优势是精确，不受时间精度影响，但有一个前提——你得知道视频的帧率，才能算清楚30帧到底对应多少秒。

bash复制# 每30帧抽1帧，假设视频30fps，即每1秒抽1帧
ffmpeg -i input.mp4 -vf "select='not(mod(n,30))'" -vsync vfr output_%04d.jpg

第三种是抽关键帧（I帧）。视频编码时为了压缩，会周期性地插入完整编码的I帧，直接解码I帧就能得到完整画面，不需要参考其他帧。用 eq(pict_type,I) 可以把所有I帧抽出来。

bash复制# 抽出全部I帧
ffmpeg -i input.mp4 -vf "select='eq(pict_type,I)'" -vsync vfr i_frames_%03d.jpg

I帧的抽取速度和压缩率都很高，但时间分布不均匀，适合做视频粗索引、快速预览，不适合做时间均匀的数据集。

第四种是按场景切换抽帧，也是用 select，但凭借的是 scene 评分。FFmpeg会对相邻帧做画面差异分析，计算一个0到1之间的场景变化值，gt(scene,0.3) 表示当画面变化超过0.3时输出这一帧。

bash复制# 场景变化阈值0.3
ffmpeg -i input.mp4 -vf "select='gt(scene,0.3)',showinfo" -vsync vfr scene_%03d.jpg

这个方法最适合从长时间监控、录屏中抽取有内容差异的关键画面。阈值的调校我后面会细说，太高会漏帧，太低会产生大量相似帧。

2.2 OpenCV逐帧处理：适合二次开发和精细控制

FFmpeg虽强，但当你需要结合业务逻辑做判断时，比如"抽出的帧中包含人脸才保存""画面太暗跳过"等，FFmpeg的滤镜写起来就非常痛苦。这时候OpenCV就派上用场了。

OpenCV用 VideoCapture 读取视频流，通过 read() 一帧一帧地读，然后用Python代码自由控制保存逻辑。它的核心优势是灵活，所有判断都可以自己写。缺点是纯Python逐帧读取速度较慢，需要手动管理内存和文件I/O。

一个基本的OpenCV抽帧骨架：

python复制import cv2
import os

video_path = "input.mp4"
out_dir = "frames"
os.makedirs(out_dir, exist_ok=True)

cap = cv2.VideoCapture(video_path)
fps = cap.get(cv2.CAP_PROP_FPS)           # 视频帧率
frame_count = 0
saved_count = 0

# 每2秒保存一帧
interval = int(round(fps * 2))

while True:
    ret, frame = cap.read()
    if not ret:
        break
    if frame_count % interval == 0:
        out_path = os.path.join(out_dir, f"{saved_count:06d}.jpg")
        cv2.imwrite(out_path, frame, [cv2.IMWRITE_JPEG_QUALITY, 95])
        saved_count += 1
    frame_count += 1

cap.release()
print(f"处理完成，共读取{frame_count}帧，保存{saved_count}张图片")

这段代码的逻辑很简单：读视频、算间隔、按帧号取模保存。实际项目中，我会在这个框架上叠加时间戳判断、清晰度过滤、内容判断等逻辑。

2.3 按场景/关键帧智能抽帧：面向内容理解的高级玩法

如果说FFmpeg的scene过滤器是"初阶版"场景抽帧，那基于深度学习的内容理解抽帧，就是"进阶版"的玩法。这个思路适用于对画面内容有更高要求的场景，比如：

从一段对话视频中抽帧，需要确保画面里始终有人脸且人脸清晰；
从教学录屏中抽帧，需要保留每个PPT页面变化的瞬间；
从运动视频中抽帧，需要避开剧烈运动导致的运动模糊。

实现方式通常是把OpenCV抽出的候选帧，送进一个轻量级分类器或检测器（比如YOLO、RetinaFace），只保留满足条件的帧。虽然速度会慢不少，但输出的帧质量极高，几乎不需要二次清洗。

我做过一个课堂录播的视频切片项目，录屏里面内容切换频繁，但FFmpeg的scene阈值很难调到完美。最后我采用"每0.5秒抽一帧 → 用感知哈希计算帧间相似度 → 只保存相似度低于阈值的帧"的方案，效果立竿见影，视频去重率从不到50%提升到了90%以上。这里的感知哈希可以理解为给每张图算一个唯一的"指纹"，指纹差异越大，画面变化就越大，这个方法比像素级的scene计算更稳定。

3. 实操演示：FFmpeg与OpenCV的完整抽帧流程

3.1 FFmpeg按时间间隔抽帧的完整命令与参数说明

先看一个最常用的完整示例，把一段视频每3秒抽一帧，保存成高质量JPEG，并且把分辨率控制到1280宽度：

bash复制ffmpeg -i input.mp4 -vf "fps=1/3,scale=1280:-1" -q:v 2 frames_%04d.jpg

这里有几个参数值得展开讲：

fps=1/3：每3秒输出一帧。注意 fps 表示输出帧率，1/3 这个分数值非常直观，就是每3秒一个画面。如果你要每0.5秒抽一帧，就是 fps=2；每10秒一帧，就是 fps=1/10。
scale=1280:-1：把画面宽度缩放到1280，高度按比例自动计算。做数据集时，分辨率不一定要原图全尺寸，统一缩放到一个适中的尺寸，能显著减少存储和后续处理时间。但要注意，如果业务要保留所有细节，比如OCR识别小字，就不要缩放。
-q:v 2：JPEG质量参数，取值范围一般是2到31，数值越小质量越高。2到5是高质量区间，肉眼几乎看不出压缩痕迹。默认值是2，我建议数据集用2，日常缩略图用5就行。
%04d.jpg：输出文件名按4位数字补零递增，输出为 frames_0001.jpg、frames_0002.jpg……如果想从1开始而不从0开始，可以在输出前加 -start_number 1。

如果只需要抽取视频中间某段时间内的帧，可以用 -ss 和 -t 限定范围：

bash复制# 从第1分钟开始，抽取10秒，每1秒一帧
ffmpeg -ss 00:01:00 -t 10 -i input.mp4 -vf "fps=1" segments_%04d.jpg

这里有个经验：当 -ss 放在 -i 前面时，FFmpeg会先快速定位再解码，速度极快；放在 -i 后面时，会从视频开头解码到指定时间点才停，很慢。但如果要的抽帧时间戳极其精确，放在 -i 后面的方式更准。一般场景下，建议把 -ss 放在 -i 前，兼顾速度和精度。

3.2 FFmpeg按帧号间隔抽帧与场景抽帧的操作细节

按帧号间隔抽帧，核心是 select 过滤器加 mod 函数。这里有个容易踩的坑：用 select 抽了帧以后，输出帧率会变得不连续，必须在后头加上 -vsync vfr，告诉FFmpeg用可变帧率输出，否则它会用空帧把时间戳补齐，导致输出一堆空白或重复帧。

bash复制# 每30帧抽1帧
ffmpeg -i input.mp4 -vf "select='not(mod(n,30))'" -vsync vfr frames_%04d.jpg

n 就是帧序号，mod(n,30) 是帧序号对30取余，not() 取反，意思是余数为0，也就是第0帧、第30帧、第60帧……满足条件。这个逻辑很直白，你可以把30改成任意数字，比如15就是每15帧抽一帧。

按场景抽帧的命令：

bash复制ffmpeg -i input.mp4 -vf "select='gt(scene,0.3)',showinfo" -vsync vfr scene_%04d.jpg

注意这里的两个点。第一，gt(scene,0.3) 表示场景变化评分大于0.3才输出。这个阈值怎么定？我实测的经验是：0.1到0.2之间，抽帧比较敏感，适合PPT切换、字幕变化这种小变化；0.3到0.5之间，适合摄像头快速晃动、场景大幅切换的视频；超过0.6，基本只抽硬切镜头了。建议先用小范围视频试跑，看输出数量再调阈值。

第二，我加了 showinfo，这个参数会在命令行输出日志里打印每个保留帧的时间戳和帧号，方便你对比抽出的图片是否合理。每张图片对应的 pts_time 会显示在日志里，这个信息在排查问题时非常有用。

3.3 OpenCV逐帧保存与时间戳抽帧实战

OpenCV的基础抽帧代码前面已经给了，但实际项目里，我更推荐用时间戳控制抽帧，而不是帧号。原因很简单：CAP_PROP_POS_MSEC 返回的是当前帧在视频中的毫秒位置，按时间间隔抽不依赖帧率，逻辑更直观。

python复制import cv2
import os

video_path = "input.mp4"
out_dir = "frames_by_time"
os.makedirs(out_dir, exist_ok=True)

cap = cv2.VideoCapture(video_path)
fps = cap.get(cv2.CAP_PROP_FPS)
interval_ms = 2000  # 每2秒
next_target_ms = 0
saved_count = 0

while True:
    ret, frame = cap.read()
    if not ret:
        break
    current_ms = cap.get(cv2.CAP_PROP_POS_MSEC)
    if current_ms >= next_target_ms:
        out_path = os.path.join(out_dir, f"{saved_count:06d}.jpg")
        cv2.imwrite(out_path, frame, [cv2.IMWRITE_JPEG_QUALITY, 95])
        saved_count += 1
        next_target_ms += interval_ms

cap.release()
print(f"已保存 {saved_count} 张图片")

这段代码唯一要注意的是 cv2.imwrite 的质量参数。JPEG质量在OpenCV里通过 [cv2.IMWRITE_JPEG_QUALITY, 95] 控制，范围0到100，95已经是很高的质量了。如果你要保存无损PNG，可以用 [cv2.IMWRITE_PNG_COMPRESSION, 3]，压缩级别0到9，3是速度和体积的平衡点。

3.4 批量处理多视频的脚本框架

实际工作中，很少只抽一个视频。几十个上百个视频批量处理才是常态。这里给一个我用OpenCV封装的批量处理框架，支持遍历目录、自动创建输出目录、按时间戳抽帧、过滤模糊帧，全部包含：

python复制import cv2
import os
import glob
from pathlib import Path

def variance_of_laplacian(image):
    # 拉普拉斯方差，值越大代表图像纹理越清晰，越小越模糊
    return cv2.Laplacian(image, cv2.CV_64F).var()

def process_video(video_path, out_root, interval_ms=2000, blur_threshold=50.0):
    cap = cv2.VideoCapture(video_path)
    if not cap.isOpened():
        print(f"[跳过] 无法打开: {video_path}")
        return 0

    video_name = Path(video_path).stem
    out_dir = os.path.join(out_root, video_name)
    os.makedirs(out_dir, exist_ok=True)

    next_target_ms = 0
    saved_count = 0
    total_read = 0

    while True:
        ret, frame = cap.read()
        if not ret:
            break
        total_read += 1
        current_ms = cap.get(cv2.CAP_PROP_POS_MSEC)
        if current_ms >= next_target_ms:
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
            score = variance_of_laplacian(gray)
            if score >= blur_threshold:
                out_path = os.path.join(out_dir, f"{saved_count:06d}.jpg")
                cv2.imwrite(out_path, frame, [cv2.IMWRITE_JPEG_QUALITY, 95])
                saved_count += 1
            next_target_ms += interval_ms

    cap.release()
    print(f"[完成] {video_name}: 读取{total_read}帧, 保存{saved_count}张, 输出到{out_dir}")
    return saved_count

def batch_process(input_dir, out_root):
    video_files = glob.glob(os.path.join(input_dir, "*.mp4")) + \
                  glob.glob(os.path.join(input_dir, "*.avi")) + \
                  glob.glob(os.path.join(input_dir, "*.mov"))
    total = 0
    for vf in video_files:
        total += process_video(vf, out_root)
    print(f"批量处理结束，共保存 {total} 张图片")

if __name__ == "__main__":
    batch_process("videos", "output_frames")

这个脚本里加入了拉普拉斯方差筛选，blur_threshold 默认50。这个阈值的物理意义是：画面纹理越丰富，拉普拉斯方差越大。纯色背景的画面方差几乎为0，复杂场景能到几百上千。监控视频的抽帧，50到100是一个比较合理的区间；如果是高清电影，画面本身细节多，阈值可以放宽到100以上。需要提醒的是，这个阈值不是固定的，最好抽出来一批后，肉眼检查一下被过滤的和保留的，再微调。

4. 抽帧质量优化与效率调优

4.1 抽帧频率与输出格式怎么选最合适

抽帧频率是最基础也最容易被拍脑袋决定的参数。我的建议是，先想清楚下游任务对画面时间粒度的要求：

视频封面/缩略图：全视频抽5到20张候选图就够了，人工挑选。
动作识别/行为分析：时间粒度要细，通常每秒1到5帧，太快会重复，太慢会丢失关键动作。
目标检测/图像分类数据集：时间间隔大一点，每1到5秒一帧即可，关键是要场景多样，而不是时间密集。
OCR/文本识别：PPT类录屏建议每0.5到1秒一帧，因为文字停留时间短，间隔太大容易漏页。
视频指纹/去重：按场景切换抽帧，不做固定间隔。

输出格式方面，我强烈建议：训练数据用JPEG，质量85到95；需要二次编辑或标注的用PNG；不需要透明度信息的，别用PNG，太占空间。 JPEG的一张1920x1080高质量图片大概500KB到1MB，PNG可能5MB以上。1000张图，差距就是几个GB的磁盘空间。

输出分辨率上也提个醒。很多新人直接把原视频分辨率全量输出，4K视频一帧就是10MB，很快磁盘就满了。正确做法是：如果模型输入端就是640x640，就先用 scale 把帧缩到合适大小再输出；如果后面要人工标注，1280宽度足够看清细节。保存前缩放到目标精度，是省空间最直接的方式。

4.2 加速与资源控制技巧

抽帧看着简单，但视频一多，时间成本立刻显现。这里分享几个我常用的提速手段：

第一，优先用FFmpeg，不要用OpenCV逐帧跑长视频。OpenCV的Python接口逐帧读取有巨大的GIL开销，同样的任务FFmpeg可能几秒完成，OpenCV要几分钟。OpenCV的值在业务逻辑，不在速度。

第二，FFmpeg加 -preset ultrafast 和解码硬件加速。-preset ultrafast 主要影响编码速度（输出图片时不明显），真正提速的是 -hwaccel。比如Nvidia显卡可以加 -hwaccel cuda，Intel核显可以加 -hwaccel qsv：

bash复制# 用Nvidia硬件解码加速抽帧
ffmpeg -hwaccel cuda -i input.mp4 -vf fps=1 frames_%04d.jpg

硬件解码能显著降低CPU占用，尤其是批量处理4K视频时，效果非常明显。但没有合适的显卡驱动时，加了反而报错，稳妥起见先不加。

第三，用 -ss 做时间定位跳跃。如果你只需要视频中某几段的内容，直接用 -ss 跳跃，不要从头解码，能省大量时间。

第四，多进程并行处理多视频。多个视频文件之间完全独立，用Python的 multiprocessing 或Shell的 xargs -P 开多进程同时跑，能把CPU吃满，整体时间缩短好几倍。但要注意磁盘I/O可能成为瓶颈，如果同时写入几百个文件，建议每个进程输出到独立目录，减少锁竞争。

第五，磁盘空间预估算。抽帧之前先算一下会有多少张图片。比如视频时长10分钟，每3秒抽1帧，总共200帧，每帧1MB，总占用200MB。批量处理前先按这个公式算一遍，避免跑一半磁盘满了。

5. 常见问题与避坑经验

5.1 常见问题速查表

我在抽帧过程中踩过和帮别人排查过不少问题，整理成了一张速查表，基本覆盖了90%的报错和异常。

问题现象	可能原因	解决方法
抽出的帧数量远少于预期	`fps` 参数理解错误，以为 `fps=1/10` 是每秒抽10帧	`fps=1/10` 表示每10秒抽1帧，每秒抽10帧要写 `fps=10`
抽出的帧全是重复的黑屏帧	视频编码有问题，或 `select` 输出时没有加 `-vsync vfr`	使用 `-vsync vfr`；或者改用按时间间隔抽帧
输出文件名不连续	FFmpeg默认从0开始计数，且中间可能有输入错误帧	加 `-start_number 1`，并检查输入视频是否有损坏片段
图片有明显锯齿或模糊	缩放后未做滤波，或 `scale` 尺寸和原始宽高比不一致	用 `scale=1280:-2` 保证偶数高度，必要时用 `-sws_flags lanczos`
抽帧非常慢，CPU占用100%	纯CPU软解高清视频，没有启用硬件加速	尝试 `-hwaccel cuda` 或 `-hwaccel qsv`；或用 `-threads 0` 自动多线程
OpenCV读取帧时间戳不准	部分封装格式中 `CAP_PROP_POS_MSEC` 不稳定	改用帧号计数，或先读取 `fps` 按帧数换算时间
视频明明是25fps，按 `mod(n,25)` 抽出来间隔不均	视频实际是可变帧率（VFR），帧的时间戳不一致	先用 `ffprobe` 查看 `avg_frame_rate` 和 `r_frame_rate`，确认帧率稳定后再用帧号抽帧
抽出来的帧画面偏色	视频流是HDR或10bit色彩，解码映射不对	加 `-pix_fmt yuv420p` 强制转8bit；或使用 `-vf "zscale=t=linear:npl=100,tonemap=clip"` 处理
批量抽帧到一半报错"Permission denied"	输出目录没有写权限，或已有文件被占用	检查目录权限，换一个输出目录；或先删除已有输出文件再重跑

5.2 基于内容筛选模糊帧的实用技巧

除了拉普拉斯方差，还有几个判断画面质量的指标可以组合使用：

Tenengrad梯度：用Sobel算子计算水平和垂直方向的梯度，响应值越高越清晰。比拉普拉斯方差对噪声更鲁棒，特别适合夜景或低光视频。
FFT高频能量：把图像转成频域，看高频分量占比。清晰图像高频分量多，模糊图像只有低频信息。这个计算量偏大，适合离线筛选。
图像熵：熵值衡量信息量，纯色背景熵低，复杂场景熵高。但它无法区分"清晰复杂"和"噪声复杂"，所以通常和梯度方法组合使用。

我自己常用的组合是：先用拉普拉斯方差粗筛，再抽出来人工抽检。公式很简单，score < 阈值 的直接扔掉。阈值怎么定？找10张你认为"勉强能用"的模糊帧，计算它们的方差值，取一个比这个值稍高的数作为阈值。这个方法比拍脑袋猜靠谱得多。

5.3 抽帧前的视频体检与元数据检查

很多抽帧问题其实在视频本身，和代码没关系。我强烈建议，在任何批量抽帧开始前，先用 ffprobe 把视频的元数据看一下：

bash复制ffprobe -v error -show_format -show_streams input.mp4

重点关注这几个字段：

duration：视频时长。如果你预期"每2秒抽1帧"，但抽出来的帧数比 时长/2 少很多，说明视频有流截断或者损坏。
avg_frame_rate：平均帧率。如果显示 30000/1001，说明是NTSC制式（29.97fps），直接按30fps算间隔会有时间漂移，越往后误差越大。
nb_frames：总的帧数，和 duration × fps 对比一下。如果相差很大，可能存在丢帧。
codec_name：编码格式。h264、hevc、av1 的处理复杂度不同。av1 的软解特别慢，有条件一定要开硬件加速。

有一次我排查了半天，发现抽帧数量忽多忽少，最后用 ffprobe 一看，那个视频是拍摄设备导致的可变帧率，帧的时间戳完全不均匀。用帧号抽帧就飘了，改用时间戳抽帧才正常。这个教训让我养成了"先体检、后抽帧"的习惯。

最后再分享一个工作流技巧

从纯命令行到一个可用的抽帧流程，我建议你把所有步骤固化成一个固定工作流：先 ffprobe 看元数据，再根据业务需求选抽帧策略，然后小样本试抽（比如先抽20帧检查质量和数量），最后批量执行。批量执行以后别忘了做抽检，随机看20到50张图，确认没有黑屏、重复和严重模糊。

另外，抽帧输出目录最好带上视频名和抽帧策略参数，比如 input_1fps_1280w。这样不仅方便排查问题，后续清洗数据时，你也知道这批图片是怎么来的。否则过了几个月，你自己都分不清哪个目录是哪个视频抽出来的。

抽帧是个看似简单、实则细节极多的工作。希望这篇笔记能帮你把每条路上的坑都提前填平。