4. FFmpeg 滤镜系统：视频滤镜、音频滤镜、滤镜图构建、复杂滤镜链

滤镜系统，说白了就是FFmpeg的灵魂所在。我刚开始接触FFmpeg时，觉得它就是个转码工具。后来才发现，真正让它强大的，是这套灵活到变态的滤镜机制。

你想想看，视频处理无非就是：裁剪、缩放、加水印、调色、变速、去噪……这些操作，在FFmpeg里全都可以通过滤镜组合实现。而且，你可以把多个滤镜串起来，形成一个处理流水线。这就是所谓的滤镜图（Filter Graph）。

4.1 视频滤镜：从简单到复杂

视频滤镜，就是对每一帧画面做处理。我习惯把它们分成三类：几何变换类、色彩调整类、特效类。

4.1.1 常用视频滤镜一览

滤镜名称	功能	典型参数
scale	缩放视频尺寸	width:height，如 1280:720
crop	裁剪画面区域	out_w:out_h:x:y
rotate	旋转画面	角度（弧度），如 PI/6
hflip/vflip	水平/垂直翻转	无参数
drawtext	叠加文字水印	fontfile, text, x, y
fps	改变帧率	目标帧率，如 30

举个例子，把视频缩放到720p，同时加上文字水印：

ffmpeg -i input.mp4 -vf "scale=1280:720,drawtext=fontfile=/usr/share/fonts/truetype/arial.ttf:text='Hello World':x=10:y=10" output.mp4

这里有个坑，我踩过好几次。drawtext的fontfile路径，在Windows和Linux下写法完全不同。Windows要用双反斜杠或者正斜杠，Linux直接写路径就行。我曾经在Windows上折腾了半小时，就为了这个路径问题。

4.1.2 视频滤镜的链式调用

多个滤镜用逗号分隔，就是链式调用。数据从左到右依次流过每个滤镜。比如：

ffmpeg -i input.mp4 -vf "crop=640:480:0:0,scale=320:240,hflip" output.mp4

这个命令做了三件事：先裁剪左上角640x480区域，再缩放到320x240，最后水平翻转。顺序很重要，你想想看，如果先翻转再裁剪，结果完全不一样。

4.2 音频滤镜：不只是调音量

很多人觉得音频滤镜就是调调音量、加个回声。其实音频滤镜能做的事情多着呢。我做过一个项目，需要把直播中的环境噪音去掉，用的就是音频滤镜组合。

4.2.1 常用音频滤镜

滤镜名称	功能	典型参数
volume	调整音量	倍数或dB值，如 2.0 或 6dB
atempo	改变播放速度	0.5~2.0，如 1.5
aecho	添加回声效果	延迟时间:衰减系数
anull	静音处理	无参数
lowpass/highpass	低通/高通滤波	频率，如 3000Hz

音频滤镜的调用方式和视频类似，只是参数名从 -vf 变成了 -af：

ffmpeg -i input.mp3 -af "volume=1.5,atempo=1.2,aecho=0.8:0.9:1000:0.3" output.mp3

这个命令把音量放大1.5倍，速度加快到1.2倍，再加个回声效果。嗯，这里要注意，atempo的取值范围是0.5到2.0，超出这个范围会报错。我当初做变速处理时，想加速到3倍，结果直接崩了。后来才知道，需要串联两个atempo滤镜才能实现更大范围的变速。

4.3 滤镜图（Filter Graph）构建

单个滤镜链只能处理一路输入。但实际项目中，经常需要处理多路视频，或者把视频和音频分开处理再合并。这时候就需要滤镜图了。

滤镜图，说白了就是多个滤镜链的组合。用分号分隔不同的链，用方括号标记输入输出标签。

4.3.1 滤镜图的基本语法

[输入标签] 滤镜链 [输出标签]

看个例子，把视频和音频分开处理：

ffmpeg -i input.mp4 -filter_complex "[0:v]scale=640:480[v_out];[0:a]volume=2.0[a_out]" -map "[v_out]" -map "[a_out]" output.mp4

这里 [0:v] 表示第一个输入文件的视频流，[0:a] 表示第一个输入文件的音频流。处理完后，分别输出到 [v_out] 和 [a_out]，再用 -map 映射到输出文件。

4.3.2 多路输入的处理

我做过一个视频会议项目，需要把两个摄像头画面拼在一起。用overlay滤镜就能实现：

ffmpeg -i main.mp4 -i logo.png -filter_complex "[0:v][1:v]overlay=10:10" output.mp4

这个命令把logo.png叠加到main.mp4的左上角（坐标10,10）。overlay滤镜接受两个输入，第一个是背景，第二个是前景。

更复杂的场景，比如画中画效果：

ffmpeg -i big.mp4 -i small.mp4 -filter_complex "[0:v]scale=1280:720[bg];[1:v]scale=320:240[fg];[bg][fg]overlay=900:500" output.mp4

先把大视频缩放到720p作为背景，小视频缩放到240p作为前景，然后叠加到右下角。这种多步处理，用滤镜图就特别清晰。

4.4 复杂滤镜链实战

理论知识讲完了，咱们来点实战。我挑几个典型的复杂场景，带你走一遍。

4.4.1 场景一：视频加水印+调色+变速

ffmpeg -i input.mp4 -filter_complex "[0:v]scale=1920:1080,drawtext=fontfile=font.ttf:text='Watermark':x=100:y=100:fontsize=24:fontcolor=white,colorbalance=rs=0.1:gs=0.05:bs=-0.05,setpts=0.8*PTS[v_out];[0:a]atempo=1.25[a_out]" -map "[v_out]" -map "[a_out]" output.mp4

这个命令做了四件事：缩放、加水印、调色、变速。注意视频变速用setpts，音频变速用atempo，两者要匹配。我刚开始做时，只改了视频没改音频，结果画面和声音对不上，那叫一个尴尬。

4.4.2 场景二：视频拼接+过渡效果

视频拼接用concat滤镜。但要注意，concat要求所有输入视频的分辨率、帧率、编码格式完全一致。我曾经在这个坑里摔过好几次。

ffmpeg -i part1.mp4 -i part2.mp4 -filter_complex "[0:v][0:a][1:v][1:a]concat=n=2:v=1:a=1" output.mp4

n=2表示两段视频，v=1表示输出视频流，a=1表示输出音频流。如果视频参数不一致，先统一处理：

ffmpeg -i part1.mp4 -i part2.mp4 -filter_complex "[0:v]scale=1280:720,fps=30[v0];[1:v]scale=1280:720,fps=30[v1];[v0][0:a][v1][1:a]concat=n=2:v=1:a=1" output.mp4

4.4.3 场景三：画中画+音频混合

这个场景在直播中很常见，比如主播画面+游戏画面：

ffmpeg -i host.mp4 -i game.mp4 -filter_complex "[0:v]scale=320:240[host_scaled];[1:v]scale=1280:720[game_scaled];[game_scaled][host_scaled]overlay=10:10[final_v];[0:a][1:a]amix=inputs=2:duration=first[final_a]" -map "[final_v]" -map "[final_a]" output.mp4

这里用了amix滤镜混合两路音频。duration=first表示以第一个音频的时长为准。如果你想两个音频同时播放完，可以用duration=longest。

4.5 避坑指南

做滤镜开发这几年，我踩过的坑能写一本书。挑几个最常见的分享给你：

• 滤镜顺序搞反：先缩放再裁剪，和先裁剪再缩放，结果完全不同。画个流程图再动手，能省很多时间。
• 标签名写错：方括号里的标签名必须完全匹配，大小写敏感。我经常因为 [v_out] 和 [V_out] 这种低级错误浪费半小时。
• 内存溢出：处理4K视频时，滤镜链太长会导致内存暴涨。建议分段处理，或者用硬件加速。
• 音频视频不同步：变速处理时，setpts和atempo的系数要对应。比如视频加速到0.8倍，音频就要加速到1.25倍（1/0.8）。

滤镜系统就讲到这里。说白了，它就是FFmpeg最核心的武器。掌握了滤镜图，你就能随心所欲地处理音视频。下一章，咱们聊聊硬件加速，那又是另一个世界了。