FFmpeg Filters：读懂 Filterchain 与 Filtergraph

Filter 是 FFmpeg 中处理画面或声音的节点。scale 改尺寸，fps 改帧率，overlay 把两路画面叠起来。将这些 Filter 连成命令时，需要说明帧从哪里来、经过哪些处理、结果写到哪里。

这篇从一条短命令开始，逐步走到多输入 Filtergraph。文中的示例都按 Windows PowerShell 单行命令编写，input.mp4、logo.png 和 output.mp4 替换成自己的路径即可。

先跑一条 Filterchain

把视频宽度设为 1280，高度按比例计算，并输出 25 FPS。输入宽度不足 1280 时也会放大：

ffmpeg -i input.mp4 -vf "scale=w=1280:h=-2,fps=25" -c:v libx264 -crf 23 -preset medium -c:a copy output.mp4

视频经过缩放和帧率处理后重新编码，音频使用 Stream Copy。复制的前提是 MP4 支持源音频编码，否则需要改用兼容编码器或容器。

-vf 后面的内容在本例中是一条 Video Filterchain，从左向右读：

Decoded Video Frame → scale → fps → Encoder

• scale=w=1280:h=-2 把宽度设为 1280，高度按原比例计算并取偶数；
• , 把两个 Filter 串在同一条 Filterchain 中；
• fps=25 重新安排输出帧，使输出成为 25 FPS；
• -c:v libx264 对处理后的帧重新编码；
• 音频流没有经过 Filter，因此这里尝试用 -c:a copy 保留原始音频包。

Filter 工作在什么位置

FFmpeg 从容器中解封装出压缩的 Packet，解码器再把 Packet 还原成帧。Filter 接触的是解码后的帧，不是压缩 Packet。

flowchart LR
  I[Input] --> DM[Demux]
  DM --> P[Packet]
  P -->|Stream Copy| MX[Mux]
  P --> DC[Decode]
  DC --> F1[Frame]
  F1 --> FL[Filter]
  FL --> F2[Frame]
  F2 --> EN[Encode]
  EN --> P2[Packet]
  P2 --> MX
  MX --> O[Output]

这也解释了一个常见报错：

Filtering and streamcopy cannot be used together

同一条视频流一旦经过 scale、crop、fps、drawbox 或 overlay，就不能再使用 -c:v copy。音频流如果完全没改，仍有机会单独使用 -c:a copy；反过来也一样。

Filter、Filterchain、Filtergraph

这三个名称很相似，但对应三个层级。

每个 Filter 可以有 Input Pad 和 Output Pad，用于接收、输出 Frame；Pad 之间的连接称为 Link。方括号中的名字称为 Link Label，例如 [main]、[logo]、[outv]，用于标识连接的两端。本文保留这些官方术语，中文说明只解释它们的作用。

scale 通常一路输入、一路输出；split 将一路分成多路；overlay 接收两路，合成一路。出现分支或合并后，用 Link Label 标明连接，便于核对各路 Frame 的去向。

四种符号怎样读

[0:v]scale=w=1280:h=-2,fps=25[base];[base][1:v]overlay=x=W-w-24:y=H-h-24[outv]

按分隔符拆开。Link Label 标识连接，不能像普通变量一样任意重复读取；需要分出多路时使用 split：

:   同一个 Filter 里的不同 option     scale=w=1280:h=-2
,   同一条链上前后相接               scale,...,fps
;   这条链结束，下一条开始           ...[base];[base]...
[]  给中间结果起名字                 [base]、[outv]

于是上面的内容可以读成：从第一个输入取视频流，经过 scale 和 fps 后命名为 [base]；再把 [base] 与第二个输入的视频交给 overlay，结果叫 [outv]。

参数按位置传入，或写出名称

下面两种写法都很常见：

crop=1280:720:0:0
crop=w=1280:h=720:x=0:y=0

第一种按位置传参，第二种写出参数名。不同 Filter 的参数顺序不同，显式名称便于核对尺寸和坐标。

当前 FFmpeg 构建实际支持什么，以本机帮助为准：

ffmpeg -hide_banner -h filter=scale
ffmpeg -hide_banner -h filter=crop
ffmpeg -hide_banner -h filter=overlay

-vf、-af 与 -filter_complex

选择入口时只看连接形状，不需要把简单任务写成复杂图。

-lavfi <graph_description> 是 -filter_complex 的别名；-f lavfi -i "..." 则通过 libavfilter 虚拟输入设备生成测试画面或声音：

ffmpeg -y -f lavfi -i "testsrc2=size=1280x720:rate=25:duration=5" -c:v libx264 -pix_fmt yuv420p test.mp4

几个常用 Video Filter

scale：固定宽度与固定画布

ffmpeg -i input.mp4 -vf "scale=w=1280:h=-2" -c:v libx264 -crf 23 -preset medium -c:a copy output.mp4

h=-2 按比例计算高度，并使高度能被 2 整除。例如 640×360 的方形像素素材会变成 1280×720；这条命令会放大小视频。

如果需求是固定 1280×720 并用黑边补齐，单独一个 scale 不够：

ffmpeg -i input.mp4 -vf "scale=w=1280:h=720:force_original_aspect_ratio=decrease:force_divisible_by=2,pad=w=1280:h=720:x=(ow-iw)/2:y=(oh-ih)/2:color=black" -c:v libx264 -crf 23 -preset medium -c:a copy output.mp4

scale 先保持比例装进 1280×720 的尺寸框，force_divisible_by=2 使缩放尺寸为偶数，pad 再居中补黑边。decrease 相对的是给定的尺寸框，不是原视频尺寸，因此不保证只缩小。这个例子按方形像素素材理解；非方形像素还要检查 sample_aspect_ratio 和显示比例。

原画面 → 等比缩放 → 放到固定画布中央
                   ┌─────────────────┐
                   │      黑边       │
                   │    缩放画面     │
                   │      黑边       │
                   └─────────────────┘

crop：从 Frame 中取一块区域

从画面中心裁出 1280×720：

ffmpeg -i input.mp4 -vf "crop=w=1280:h=720:x=(iw-1280)/2:y=(ih-720)/2" -c:v libx264 -crf 23 -preset medium -c:a copy output.mp4

iw、ih 是输入宽度和高度。如果原视频小于目标尺寸，这条命令会失败。面对来源不固定的素材，可以先用 ffprobe 看宽高，再决定是先 scale 还是直接 crop。

fps：改变输出 Frame 的节奏

ffmpeg -i input.mp4 -vf "fps=fps=25" -c:v libx264 -crf 23 -preset medium -c:a copy output.mp4

fps 会通过丢弃或复制帧形成目标恒定 FPS。它不是“给文件标签改成 25”，也不等于编码器的 -r 在所有位置都具有相同语义。只在交付规格、播放器或后续算法明确要求时改变 FPS。

format：约束 Pixel Format

ffmpeg -i input.mp4 -vf "format=pix_fmts=yuv420p" -c:v libx264 -crf 23 -preset medium -c:a aac -b:a 128k output.mp4

yuv420p 对普通 8-bit SDR 网页视频兼容性较好，但不是 HDR、10-bit 和专业调色的万能答案。遇到这些素材，还要一起确认 bit depth、color primaries、transfer characteristics 和播放器能力。

drawbox：在画面上加一层标记

ffmpeg -i input.mp4 -vf "drawbox=x=20:y=20:w=320:h=180:color=red@0.7:t=4" -c:v libx264 -crf 23 -preset medium -c:a copy output.mp4

这里的 t=4 表示边框厚度为 4 像素。只在特定时间段显示红框用 enable；运行中改变坐标可用运行时命令，下一篇有对应例子。

两个常用 Audio Filter

把音量放大 1.5 倍：

ffmpeg -i input.mp4 -af "volume=1.5" -c:v copy -c:a aac -b:a 128k output.mkv

把采样率转换为 48 kHz：

ffmpeg -i input.mp4 -vn -af "aresample=48000" -c:a pcm_s16le output.wav

volume 与 aresample 都处理解码后的音频帧，所以音频流需要重新编码；它们不会让未参与处理的视频流自动重新编码。

从 Logo 叠加读懂 -filter_complex

现在给主视频右下角加一张 Logo，并把 Logo 宽度缩到 160：

ffmpeg -i input.mp4 -i logo.png -filter_complex "[1:v]scale=w=160:h=-1[logo];[0:v][logo]overlay=x=W-w-24:y=H-h-24[outv]" -map "[outv]" -map 0:a:0? -c:v libx264 -crf 23 -preset medium -c:a copy output.mkv

flowchart LR
  V[0:v main video] --> OV[overlay]
  L[1:v logo] --> SC[scale 160:-1]
  SC --> LB[logo]
  LB --> OV
  OV --> OUT[outv]
  OUT --> MAP[-map outv]

沿着连接读一遍就不难了：

1. -i input.mp4 是输入 0，-i logo.png 是输入 1；
2. [1:v] 取输入 1 的第一条视频流；
3. scale 的输出命名为 [logo]；
4. overlay 的第一个输入是主画面，第二个输入是覆盖层；
5. 合成结果命名为 [outv]，再由 -map "[outv]" 送进输出文件；
6. -map 0:a:0? 尝试带上输入 0 的第一条音频流，末尾 ? 表示没有音频时不要报错。

把 x、y 写成名称更不容易读错。W、H 是主画面尺寸，w、h 是覆盖层尺寸，所以 W-w-24:H-h-24 就是距右边、下边各 24 像素。

本例使用 overlay 默认的 eof_action=repeat 和 repeatlast=1，辅助图片结束后会继续使用最后一帧，直至主视频结束。带 Link Label 的输出 [outv] 必须映射且仅映射一次；没有 Link Label 的 Complex Filtergraph 输出会自动加入第一个输出文件。更多结束策略见下一篇的 framesync 部分。

一个分支 Filtergraph

下面这个例子把输入一分为二：上半部分经过 crop 和 vflip，再覆盖到原画面的下半部分。

ffmpeg -i input.mp4 -filter_complex "[0:v]split[main][tmp];[tmp]crop=w=iw:h=ih/2:x=0:y=0,vflip[flip];[main][flip]overlay=x=0:y=H/2[outv]" -map "[outv]" -map 0:a:0? -c:v libx264 -crf 23 -preset medium -c:a aac -b:a 128k output.mp4

把长字符串按分号拆开，会得到三条 Filterchain：

[0:v]split[main][tmp]
[tmp]crop=...,vflip[flip]
[main][flip]overlay=...[outv]

split 分出两路：一路保留原画面，另一路裁出上半幅并翻转；最后在 overlay 处合并。

PowerShell 的字符串与转义

Filtergraph 已经有自己的逗号、冒号、分号和方括号，外面还套着 PowerShell 字符串。描述稍长时，可以把路径和 Filtergraph 放进变量：

$sourcePath = ".\input.mp4"
$logoPath = ".\logo.png"
$outputPath = ".\output.mkv"
$filterGraph = "[1:v]scale=w=160:h=-1[logo];[0:v][logo]overlay=x=W-w-24:y=H-h-24[outv]"
ffmpeg -i $sourcePath -i $logoPath -filter_complex $filterGraph -map "[outv]" -map 0:a:0? -c:v libx264 -crf 23 -preset medium -c:a copy $outputPath

路径含空格时让变量保存完整字符串即可。不要把 Bash 教程里的反斜杠续行原样复制到 PowerShell。

drawtext 会再引入文字、字体路径和更多转义。长文案优先使用 textfile=，字体位置用 fontfile= 明确指定，并先查看当前构建的帮助：

ffmpeg -hide_banner -h filter=drawtext

Filter 处理后怎样编码

Filtergraph 决定 Frame 怎样变化，Encoder 决定处理后的 Frame 怎样压缩。

ffmpeg -i input.mp4 -vf "scale=w=1280:h=-2" -c:v libx264 -crf 23 -preset medium -c:a aac -b:a 128k output.mp4

• libx264 是视频编码器；当前构建未必都带有它，可用 ffmpeg -encoders 查询；
• -crf 23 是 x264 常见的质量起点，不是 23% 画质，也不能原样套到每种编码器；
• -preset medium 主要权衡编码速度与压缩效率；
• -c:a aac -b:a 128k 为音频流选择 AAC 与目标码率。

查看当前机器的 Filter 和编码器：

ffmpeg -hide_banner -filters 2>&1 | Select-String "scale|crop|fps|overlay|drawtext|volume"
ffmpeg -hide_banner -encoders 2>&1 | Select-String "libx264|libx265|aac|libopus"

检查尺寸、解码和播放效果

先用 ffprobe 看容器和 Stream 参数：

ffprobe -v error -show_entries "format=format_name,duration:stream=index,codec_type,codec_name,width,height,pix_fmt,avg_frame_rate" -of json output.mp4

再完整解码一遍，同时检查错误日志和退出码：

ffmpeg -v error -i output.mp4 -map 0:v? -map 0:a? -f null -

最后实际播放，因为结构正确不代表比例、位置、音量和观感一定正确：

ffplay -autoexit output.mp4

遇到错误时，下面几个检查方向通常比反复改引号更快：

调试长 Filterchain 时，先只保留第一个 Filter，确认输出后逐个接回去。每次只改变一个环节，便于核对尺寸、像素格式、时间戳或编码器报错。

继续阅读：FFmpeg Filters 进阶：Timeline、framesync 与 Audio。

参考：Filtergraph syntax、scale、overlay、Complex filtergraphs 的输出映射。