2. FFmpeg基础回顾

好，咱们进入第二章。上一章我们把滤镜的基本概念捋了一遍，这一章要聊的，是FFmpeg滤镜体系里最核心、也最容易让人懵圈的东西——滤镜图语法。

说白了，就是怎么用一串字符串，把多个滤镜串起来、并联起来，组成一个处理流水线。我当年刚接触这个的时候，看着那一堆分号逗号，心里直犯嘀咕：这玩意儿到底是啥？后来在项目里被坑过几次，才真正搞明白。今天咱们就把这事彻底说透。

2.1 滤镜链：最简单的串联方式

先看最基础的情况。你只有一个滤镜，比如做缩放：

ffmpeg -i input.mp4 -vf "scale=1280:720" output.mp4

这没什么好说的。但如果你要先缩放，再转成灰度呢？

这时候就需要滤镜链了。多个滤镜用逗号 , 连接，前一个的输出自动成为后一个的输入。

ffmpeg -i input.mp4 -vf "scale=1280:720,format=gray" output.mp4

注意这个逗号。它的作用就是串联——数据从左往右流。scale处理完，交给format。

再复杂一点，三个滤镜串联：

ffmpeg -i input.mp4 -vf "scale=1280:720,format=gray,eq=brightness=0.1" output.mp4

顺序是：缩放 → 转灰度 → 调亮度。每个滤镜只处理上一级的结果。

2.2 滤镜图：分号带来的并联世界

单条链子好理解。但实际场景里，你经常需要同时处理多个输入，或者把一个输出分给多个滤镜。这时候逗号就不够用了。

分号 ; 登场。它的作用是分隔不同的滤镜链，或者说，分隔不同的处理分支。

看个经典例子——画中画（PIP）：

ffmpeg -i main.mp4 -i overlay.mp4 -filter_complex \
"[0:v]scale=1280:720[main]; \
 [1:v]scale=320:240[overlay]; \
 [main][overlay]overlay=10:10[out]" \
-map "[out]" output.mp4

这里有三条链，用分号隔开：

• 第一条：处理主视频，缩放后存为标签 [main]
• 第二条：处理叠加视频，缩放后存为标签 [overlay]
• 第三条：把两个标签喂给 overlay 滤镜，合成最终结果

分号的作用，就是让这些链并行存在，互不干扰。每条链可以有自己的输入源、自己的处理逻辑。

2.3 标签系统：给滤镜链起名字

刚才的例子里出现了 [main]、[overlay]、[out] 这样的东西。这就是标签（label）。

标签的作用是给某个处理阶段的输出命名，方便后面引用。没有标签，后面的滤镜就不知道从哪取数据。

标签的语法很简单：[名字]。名字随便起，但建议有意义。

看这个例子：

ffmpeg -i input.mp4 -filter_complex \
"[0:v]split[base][enhanced]; \
 [base]eq=brightness=0.0[base_out]; \
 [enhanced]eq=brightness=0.2,unsharp=5:5:1.0[enhanced_out]; \
 [base_out][enhanced_out]hstack[out]" \
-map "[out]" output.mp4

这里用到了 split 滤镜，它把一路视频分成两路。两路分别做不同的处理，最后用 hstack 并排显示。

标签就是管道上的阀门，你可以在任意位置接出来，也可以往任意位置送进去。

2.4 输入输出索引：0:v 是什么意思？

刚才的例子里有 [0:v] 和 [1:v]。这是FFmpeg引用输入流的方式。

• 0 表示第一个输入文件
• 1 表示第二个输入文件
• v 表示视频流（video）
• a 表示音频流（audio）

所以 [0:v] 就是「第一个输入文件的视频流」。

如果你有多个视频流，还可以用 [0:v:0]、[0:v:1] 这样更精确的写法。不过日常用 [0:v] 就够了。

写法	含义
[0:v]	第1个输入文件的视频流
[1:a]	第2个输入文件的音频流
[0:v:0]	第1个输入文件的第1个视频流
[0:v:1]	第1个输入文件的第2个视频流

2.5 滤镜图的分区：把复杂逻辑拆开看

当滤镜图变得很复杂时，我习惯把它分区理解。每个分区完成一个独立的功能。

举个例子，一个常见的视频处理流程：

ffmpeg -i input.mp4 -filter_complex \
"[0:v]split=3[bg][fg1][fg2]; \
 [bg]boxblur=10:5[bg_blur]; \
 [fg1]crop=iw/2:ih:0:0,scale=640:480[fg1_scaled]; \
 [fg2]crop=iw/2:ih:iw/2:0,scale=640:480[fg2_scaled]; \
 [bg_blur][fg1_scaled]overlay=0:0[tmp]; \
 [tmp][fg2_scaled]overlay=640:0[out]" \
-map "[out]" output.mp4

这个图可以分成三个区：

• 输入分区：split 把原视频分成三路
• 处理分区：一路做模糊背景，两路分别裁剪并缩放
• 合成分区：用两次 overlay 把两路前景叠到背景上

分区的好处是：出了问题，你能快速定位是哪一段的锅。我在项目里调试复杂滤镜图时，经常先跑通每个分区，再连起来。

2.6 核心知识图谱

下面这张图，把滤镜图语法的核心关系画出来了。建议你多看两眼，后面写复杂滤镜图的时候，脑子里有这个结构就不会乱。

2.7 实战：从简单到复杂的写法演进

咱们用同一个需求，看看写法怎么一步步变复杂。

需求：把视频缩放成1280x720，加上文字水印「Hello」，再调亮一点。

版本1：一条链搞定

ffmpeg -i input.mp4 -vf "scale=1280:720,drawtext=text='Hello':fontsize=48,eq=brightness=0.1" output.mp4

三个滤镜用逗号串起来，简单直接。但有个问题：如果我想让文字水印在缩放之前加上去，效果会不一样（文字会被缩放影响）。

版本2：用标签控制顺序

ffmpeg -i input.mp4 -filter_complex \
"[0:v]drawtext=text='Hello':fontsize=48[texted]; \
 [texted]scale=1280:720,eq=brightness=0.1[out]" \
-map "[out]" output.mp4

先加文字，再缩放。文字不会被缩放影响，保持清晰。

版本3：多输入场景

ffmpeg -i bg.mp4 -i logo.png -filter_complex \
"[0:v]scale=1280:720[bg]; \
 [1:v]scale=200:100[logo]; \
 [bg][logo]overlay=W-w-10:10[out]" \
-map "[out]" output.mp4

两个输入，一个背景视频，一个Logo图片。各自处理完再合成。

2.8 常见错误与避坑

最后聊几个我实际踩过的坑，你遇到了能少走弯路。