1. 为什么值得在 Ubuntu 上折腾 FFmpeg 源码编译
很多人第一次接触 FFmpeg，是在命令行里敲一句ffmpeg -i input.mp4 output.avi，觉得这玩意儿就是个格式转换器。但真正做过视频处理、计算机视觉数据集构建、多模态模型训练的人都知道，FFmpeg 是整个音视频数据流水线的地基。你要从一段监控录像里抽帧做目标检测标注，要把一批短视频统一转成固定帧率的图像序列喂给模型，要把手机拍的 HEVC 视频转成 H.264 方便网页播放，这些活儿全都绕不开它。
Ubuntu 自带的 apt 源里确实有 FFmpeg，一条sudo apt install ffmpeg就能装上。但问题在于，官方仓库为了稳定性和兼容性，往往打包的是比较旧的版本，而且编译时开启的编码器、解码器、滤镜支持是"够用就好"的裁剪版。我踩过最典型的一个坑：系统源里的 FFmpeg 不带libx264的某些高级参数支持，也不一定编进了libfdk-aac，做批量转码时要么报 "Unknown encoder"，要么音质怎么调都不对。另一个高频场景是抽帧——老版本在-vf fps和select滤镜的配合上有些行为差异，脚本跑出来的帧数对不上，排查半天才发现是版本问题。
所以这篇东西的核心就两件事：第一，在 Ubuntu 上从源码编译安装一个功能完整的最新版 FFmpeg；第二，把 FFmpeg 抽帧这件事讲透，包括按固定帧率抽、按关键帧抽、按时间点抽、批量抽，以及抽出来的图片怎么命名、怎么控制质量、怎么避免踩坑。适合谁看？做算法数据集的同学、做视频剪辑自动化的同学、做监控视频分析的同学，以及任何需要把"视频"变成"一帧一帧图片"的人。哪怕你之前只会复制粘贴命令，跟着走一遍也能搞明白每一步在干什么。
我下面给的编译方案是"最小依赖 + 按需开启"的思路，不会让你装一堆用不上的库，但会把抽帧和常见转码真正需要的编解码器都带上。整个过程在一台普通的 Ubuntu 22.04 或 24.04 机器上大概十几分钟能跑完，取决于 CPU 核数。
2. 编译前的环境准备与依赖取舍
2.1 先搞清楚你要哪些能力
源码编译 FFmpeg 最容易犯的错，是照着某篇老教程把几十个--enable-xxx全打开，结果编译到一半某个库找不到，或者版本对不上直接报错。正确的做法是先想清楚用途，再决定装哪些依赖。对"视频抽帧 + 常规转码"这个目标来说，真正需要的能力是这几块：
- 解码：能读 H.264、HEVC、VP9、AV1、MPEG-4 这些常见编码的视频，这部分 FFmpeg 原生支持就很强，基本不用额外装库。
- 编码：抽帧本身不需要编码器，但你可能顺手要转码，所以
libx264（H.264 编码）和libx265（HEVC 编码）值得带上。 - 图像输出：抽帧输出 PNG、JPEG 靠的是 FFmpeg 内置的
png、mjpeg编码器，以及libpng、libjpeg这类图像库，通常系统里已经有了。 - 滤镜：
fps、select、scale、crop这些滤镜是抽帧的核心，属于 FFmpeg 内置，不需要额外依赖。 - 硬件加速（可选）：如果你有独立显卡并且要做大规模解码，可以考虑开启对应的硬件加速支持，但这会让编译复杂度上升，新手建议先跳过。
基于这个判断，我推荐的依赖清单是精简但够用的：编译工具链、libx264、libx265、libvpx、libmp3lame、libopus，再加上pkg-config和nasm/yasm（汇编优化用，能显著提升性能）。
2.2 安装编译工具与依赖库
先更新一下包索引，然后把基础工具装上。这里有个细节：nasm和yasm二选一即可，新版本 FFmpeg 更推荐nasm，因为它的汇编语法支持更完整，编译 x264 时也更顺。
sudo apt update sudo apt install -y build-essential pkg-config nasm cmake git接着装编解码相关的开发库。注意装的是-dev结尾的开发包，因为编译时需要头文件和.pc配置文件，光装运行库是不够的。
sudo apt install -y \ libx264-dev \ libx265-dev libnuma-dev \ libvpx-dev \ libmp3lame-dev \ libopus-dev \ libass-dev \ libfreetype6-dev \ libpng-dev \ libjpeg-dev这里解释几个容易被忽略的点。libnuma-dev是libx265的依赖，不装的话编译 x265 相关功能会失败，很多人卡在这里。libass-dev和libfreetype6-dev是为了字幕和文字水印支持，如果你以后想在视频上烧字幕或者加时间戳，这两个必须有。libpng-dev和libjpeg-dev保证抽帧输出 PNG/JPEG 时走的是系统优化过的库，而不是 FFmpeg 内置的简化实现。
提示：如果你只是纯粹抽帧、完全不转码，其实可以只装
build-essential pkg-config nasm，然后编译时全部--disable-encoder只留图像编码器。但实际项目里几乎不可能只抽帧不转码，所以上面这套依赖是更实用的平衡点。
2.3 关于版本选择的一个经验
FFmpeg 的版本号是n.x这种形式，比如n6.1、n7.0。官方 git 仓库的master分支永远是最新的，但也是最不稳定的，偶尔会有编译不过或者行为变化的情况。我的建议是：生产环境用最新的 release tag，尝鲜或者需要某个新滤镜时再用 master。
获取源码有两种方式。想省事可以直接下 release 的 tar 包，想随时切换版本就用 git。我个人习惯用 git，因为切 tag 方便，也方便看提交记录排查问题。
git clone https://git.ffmpeg.org/ffmpeg.git ffmpeg cd ffmpeg git tag --sort=-creatordate | head -20这条命令会列出最近的 tag，按创建时间倒序。挑一个最新的稳定版，比如n7.0，然后切过去：
git checkout n7.0如果你不想用 git，也可以直接下载对应版本的源码压缩包解压，效果一样。切到指定 tag 这一步很重要，别直接留在 master 上编，否则哪天上游改了个 API，你的脚本可能就跑不通了。
3. 配置、编译与安装的完整实操
3.1 configure 参数怎么定
configure是整个编译过程里最关键的一步，它决定了最终二进制里有哪些能力。参数写错了，要么编译失败，要么编出来的 FFmpeg 缺功能。下面这份配置是我在抽帧 + 常规转码场景下反复验证过的，可以直接抄：
./configure \ --prefix=/usr/local/ffmpeg \ --enable-gpl \ --enable-libx264 \ --enable-libx265 \ --enable-libvpx \ --enable-libmp3lame \ --enable-libopus \ --enable-libass \ --enable-libfreetype \ --enable-shared \ --disable-static \ --enable-pic逐个说清楚为什么这么写。--prefix=/usr/local/ffmpeg把安装目录独立出来，不污染系统路径，以后想卸载直接删目录就行，这是我最推荐的做法。--enable-gpl是因为libx264和libx265是 GPL 协议的，不开这个选项它们没法启用。--enable-shared生成动态库，配合--disable-static避免同时生成静态库拖慢编译、增大体积。--enable-pic生成位置无关代码，动态库必须要有，否则链接时会报错。
--enable-libass和--enable-libfreetype是给字幕和文字渲染用的，抽帧时如果你想在图上叠加时间戳或者帧号，会用到drawtext滤镜，它依赖 freetype。
注意：如果你在 configure 时看到某个库 "not found"，八成是
-dev包没装，或者pkg-config找不到它的.pc文件。可以用pkg-config --exists libx264 && echo ok来单独验证某个库是否被正确识别。
3.2 编译与安装
配置通过后，先看它打印出来的总结信息，确认libx264、libx265这些显示为yes。确认无误就可以编译了。nproc会自动取你机器的 CPU 核数，核越多越快。
make -j$(nproc) sudo make install编译时间参考：4 核机器大概 8 到 15 分钟，8 核以上基本 5 分钟内搞定。如果中途报错，最常见的原因是内存不够（-j开太大导致 OOM），这时候把-j$(nproc)改成-j2或者干脆make单线程重来。
安装完成后，二进制在/usr/local/ffmpeg/bin/下。因为没进系统 PATH，直接敲ffmpeg还是老版本。有两种处理方式，我推荐第二种：
第一种是临时用，每次敲全路径/usr/local/ffmpeg/bin/ffmpeg，麻烦。第二种是把它加进 PATH，并且让动态库能被找到。编辑~/.bashrc，在末尾加上：
export PATH=/usr/local/ffmpeg/bin:$PATH export LD_LIBRARY_PATH=/usr/local/ffmpeg/lib:$LD_LIBRARY_PATH然后source ~/.bashrc生效。LD_LIBRARY_PATH这一行很多人会漏，结果运行时报 "error while loading shared libraries: libavcodec.so.xx"，就是因为动态库路径没告诉系统。
验证一下：
ffmpeg -version输出的第一行会显示版本号和编译配置。重点看configuration:那一长串里有没有你开启的--enable-libx264等选项，有就说明装对了。
3.3 一个容易忽略的收尾动作
如果你之前用 apt 装过 FFmpeg，现在系统里其实有两套。which ffmpeg应该指向/usr/local/ffmpeg/bin/ffmpeg才对。如果还指向/usr/bin/ffmpeg，说明 PATH 顺序不对，检查一下~/.bashrc里那行是不是加在了文件末尾（越靠后优先级越高，但要在其他 PATH 设置之后）。
另外，ffprobe和ffplay也一起装好了，ffprobe在抽帧前用来查看视频信息特别有用，后面会大量用到。
4. 视频抽帧的核心原理与命令拆解
4.1 抽帧到底在做什么
视频本质上是一连串按时间排列的图片，加上音频轨道和一些元数据。抽帧，就是把这些图片按某种规则"取出来"存成独立文件。规则可以是"每秒取一张"、"每 30 帧取一张"、"只取关键帧"、"取第 10 秒那一帧"。FFmpeg 处理这件事的机制是：解码器把压缩的视频流还原成一帧帧原始图像，然后滤镜链决定哪些帧被保留、哪些被丢弃，最后编码器把保留的帧写成 PNG 或 JPEG。
理解这个流程很重要，因为它解释了为什么抽帧速度主要取决于解码速度而不是输出速度。视频压缩率越高、分辨率越大，解码越慢。这也是为什么带硬件加速的 FFmpeg 在大批量抽帧时优势明显。
4.2 用 ffprobe 先摸清视频底细
动手抽帧之前，先花十秒钟看一眼视频的基本信息，能避免很多"为什么抽出来帧数不对"的问题。
ffprobe -v error -select_streams v:0 \ -show_entries stream=width,height,r_frame_rate,nb_frames,duration,codec_name \ -of default=noprint_wrappers=1 input.mp4这条命令会输出视频的宽高、帧率、总帧数、时长和编码格式。几个关键点：r_frame_rate显示的是30000/1001这种分数形式，实际帧率约等于 29.97，不是整数，这在按帧率抽帧时会影响计算。nb_frames有时候是N/A，说明容器没记录总帧数，这时候只能靠时长乘帧率估算。
提示：如果
r_frame_rate是25/1这种，说明是恒定帧率（CFR）；如果是0/0或者变化的值，说明是可变帧率（VFR）。VFR 视频抽帧时帧号和时间戳的对应关系会变得复杂，后面会专门讲怎么处理。
4.3 按固定帧率抽帧：最常用的方式
这是抽帧里用得最多的场景——不管原视频多少帧，我就要每秒 N 张。命令长这样：
ffmpeg -i input.mp4 -vf fps=1 output_%04d.png-vf fps=1的意思是每秒输出 1 帧。output_%04d.png里的%04d是格式化占位符，会生成output_0001.png、output_0002.png这样的文件名，补零到 4 位。补零很重要，否则文件排序会变成output_1、output_10、output_2这种乱序，后续脚本处理会出问题。
想每秒抽 5 帧就写fps=5，想每 2 秒抽 1 帧就写fps=1/2。注意fps=1/2这种分数写法，分子是帧数、分母是秒数，表示"每 2 秒 1 帧"。
这里有个细节值得说：fps滤镜的工作原理是"重采样"。它会在时间轴上按目标帧率重新取点，如果原视频帧率高于目标，就丢弃多余的帧；如果低于目标，就重复某些帧。所以fps=1抽出来的帧，是时间上均匀分布的，而不是简单地"每 30 帧取第 1 帧"。这个区别在做精确时间对齐时很关键。
4.4 按帧间隔抽帧：需要精确控制帧号时用
有时候你要的不是"每秒一张"，而是"每 30 帧取一张"，这时候用select滤镜更合适：
ffmpeg -i input.mp4 -vf "select='not(mod(n,30))'" -vsync vfr output_%04d.pngselect='not(mod(n,30))'的意思是：当帧号n对 30 取模等于 0 时保留这一帧。-vsync vfr是必须加的，它告诉 FFmpeg 用可变帧率模式输出，否则 FFmpeg 会试图把输出"补齐"成恒定帧率，导致重复帧。这个坑我踩过，不加-vsync vfr抽出来的帧数会比预期多很多。
select滤镜的强大之处在于它的表达式可以很复杂。比如只保留前 100 帧：select='lt(n,100)'；只保留偶数帧：select='not(mod(n,2))'；按时间选：select='gt(t,10)'表示 10 秒之后的帧全要。
4.5 只抽关键帧：速度最快的方案
关键帧（I 帧）是视频里可以独立解码的帧，抽关键帧不需要解码中间的 P 帧和 B 帧，速度极快，适合做视频缩略图或者快速预览。
ffmpeg -skip_frame nokey -i input.mp4 -vsync vfr keyframe_%04d.png-skip_frame nokey放在-i前面，表示解码时跳过非关键帧。这个参数的位置很讲究，放错位置就不生效。抽关键帧的缺点是帧的间隔不均匀，取决于视频的 GOP 结构，可能一秒好几个，也可能好几秒一个。
4.6 按时间点抽单帧：做封面图的利器
只要某一时刻的那一帧，比如做视频封面：
ffmpeg -ss 00:00:05 -i input.mp4 -frames:v 1 cover.png-ss 00:00:05表示跳到第 5 秒，-frames:v 1表示只输出 1 帧。这里-ss放在-i前面是"快速定位"，FFmpeg 会先跳到最近的关键帧再解码，速度快但可能不够精确；放在-i后面是"精确解码"，会从开头解到指定时间，慢但准。做封面图一般放前面就够了，做精确帧对比就放后面。
5. 批量抽帧与输出参数的精细控制
5.1 批量处理整个目录的视频
实际项目里很少只处理一个视频，通常是一个文件夹几十上百个。用 shell 循环是最直接的办法：
mkdir -p frames for f in videos/*.mp4; do name=$(basename "$f" .mp4) mkdir -p "frames/$name" ffmpeg -i "$f" -vf fps=1 "frames/$name/${name}_%04d.png" done这段脚本给每个视频建一个独立子目录，避免不同视频的帧混在一起。basename "$f" .mp4去掉路径和扩展名，得到纯文件名。实测下来，这种写法对几百个视频的批量任务很稳，唯一要注意的是磁盘空间——1080p 的 PNG 单张可能 2 到 3 MB，一个 10 分钟的视频每秒抽 1 帧就是 600 张，接近 2 GB。如果空间紧张，改用 JPEG 能省 80% 以上。
5.2 输出格式与质量参数
抽帧输出 JPEG 时，可以用-q:v控制质量，范围是 2 到 31，数字越小质量越高、文件越大。经验值是 2 到 5 之间肉眼几乎看不出差别：
ffmpeg -i input.mp4 -vf fps=1 -q:v 2 output_%04d.jpg输出 PNG 时，可以用-compression_level控制压缩级别，0 到 9，越高越慢但文件越小：
ffmpeg -i input.mp4 -vf fps=1 -compression_level 6 output_%04d.png如果抽出来的帧尺寸太大，想缩小，直接在滤镜链里加scale：
ffmpeg -i input.mp4 -vf "fps=1,scale=640:-1" output_%04d.pngscale=640:-1表示宽度固定 640，高度按比例自动算（-1是占位，让 FFmpeg 自己保持宽高比）。注意宽高最好都是偶数，某些编码器对奇数尺寸不友好，所以更稳妥的写法是scale=640:-2，-2会保证结果是偶数。
5.3 抽帧时叠加帧号或时间戳
做数据集标注时，经常需要在图上显示帧号或时间，方便人工核对。这就要用到drawtext滤镜，它依赖前面编译时开启的 freetype：
ffmpeg -i input.mp4 -vf "fps=1,drawtext=text='%{n}':x=10:y=10:fontsize=24:fontcolor=white" output_%04d.png%{n}是当前帧号，x、y是文字位置，fontsize和fontcolor控制大小和颜色。想显示时间戳就用%{pts\:hms}，会输出时:分:秒.毫秒格式。这个功能在排查"抽出来的帧对应视频哪个时刻"时特别有用。
注意：
drawtext里的冒号需要转义成\:，否则会被当成参数分隔符。这是新手最容易报错的地方，报错信息通常是 "Unable to parse option value"。
5.4 处理可变帧率视频的坑
前面提过 VFR 视频。这类视频常见于手机录屏、屏幕录制，帧率不固定。用fps滤镜抽帧时，FFmpeg 会按时间戳重采样，结果通常是对的。但用select='not(mod(n,30))'这种按帧号抽的方式，因为帧号和时间不是线性关系，抽出来的帧在时间上会不均匀。
处理 VFR 的稳妥做法是先用fps滤镜把它转成恒定帧率，再抽：
ffmpeg -i input.mp4 -vf "fps=30" -c:v libx264 -crf 18 temp.mp4 ffmpeg -i temp.mp4 -vf fps=1 output_%04d.png多了一步转码，但能保证后续抽帧的时间对齐是准确的。如果对时间精度要求不高，直接抽也行，心里有数就好。
6. 常见问题排查与性能优化实录
6.1 抽帧相关的典型报错与解决
下面这张表是我这些年遇到过的抽帧问题里最高频的，整理出来方便对照排查。
| 现象 | 可能原因 | 解决办法 |
|---|---|---|
| 输出帧数比预期多很多 | 没加-vsync vfr，FFmpeg 补齐了重复帧 | 在输出前加-vsync vfr |
| 报错 Unknown encoder 'libx264' | 编译时没开--enable-libx264或没装libx264-dev | 重新 configure 并确认依赖 |
| 运行时报找不到 .so 库 | LD_LIBRARY_PATH没设置 | 在~/.bashrc里导出库路径 |
| 抽出来的图全黑或花屏 | 视频是 10bit 或特殊色彩空间，PNG 输出不兼容 | 加-pix_fmt rgb24强制转换 |
| 文件名排序错乱 | 占位符位数不够 | 用%05d这种更宽的补零 |
| 处理到一半内存爆掉 | 批量脚本没释放，或-j编译参数过大 | 分批处理，控制并发数 |
其中"全黑或花屏"这个坑值得多说一句。有些视频是 10bit 色深（比如 HDR 内容），直接输出 PNG 时如果像素格式没指定，可能得到异常结果。加-pix_fmt rgb24或者-pix_fmt yuv420p通常能解决。这个参数放在输出文件名前面。
6.2 性能优化的几个实用手段
抽帧是 CPU 密集型任务，优化空间主要在三个方向。
第一是用对线程数。FFmpeg 默认会用多线程解码，但有时候线程数设置不合理反而拖慢。可以显式指定：
ffmpeg -threads 8 -i input.mp4 -vf fps=1 output_%04d.png第二是跳过不需要的解码。如果只要关键帧，-skip_frame nokey能带来数倍加速。如果只要某个时间段，用-ss和-t限定范围，避免解码整个视频：
ffmpeg -ss 00:01:00 -t 00:00:30 -i input.mp4 -vf fps=1 output_%04d.png这条命令只处理第 1 分钟到第 1 分 30 秒这 30 秒的内容，速度提升非常明显。
第三是输出格式选择。PNG 无损但慢且大，JPEG 快且小。如果后续是喂给模型训练，JPEG 质量开到-q:v 2完全够用，处理速度能快一倍以上。我做过对比，同样一个 1080p 视频抽 600 帧，PNG 花了约 40 秒、占用 1.8 GB，JPEG 只花了 18 秒、占用 300 MB。
6.3 几个只有踩过才知道的细节
第一个细节：fps滤镜和-r参数不是一回事。-r是输出帧率，作用在编码阶段；fps是滤镜，作用在解码后的图像流上。抽帧时用fps更可控，-r有时候会产生意料之外的重复或丢帧。我现在的习惯是抽帧一律用-vf fps=N，不碰-r。
第二个细节：批量脚本里最好加个失败重试和日志。视频文件损坏、编码异常的情况在真实数据集里很常见，一个视频失败不该让整个脚本中断：
for f in videos/*.mp4; do name=$(basename "$f" .mp4) mkdir -p "frames/$name" if ! ffmpeg -i "$f" -vf fps=1 "frames/$name/${name}_%04d.png" 2>> extract.log; then echo "FAILED: $f" >> failed.txt fi done把错误输出重定向到日志，失败的视频单独记录，跑完再统一处理，比中途崩掉强太多。
第三个细节：抽帧前先确认磁盘剩余空间。用df -h看一眼，估算一下大概需要多少。我见过有人抽一个 4K 视频的帧，跑到一半磁盘满了，前面几十分钟白跑。养成先估算的习惯，能省很多时间。
第四个细节：如果视频有旋转元数据（手机竖屏拍摄常见），抽出来的帧可能是横的。加-vf "fps=1,transpose=1"或者用-autorotate让 FFmpeg 自动处理。这个在手机视频数据集里几乎必踩。
7. 从抽帧到数据集：一个完整的落地思路
把上面这些串起来，一个典型的"视频转图像数据集"流程是这样的：先用ffprobe批量扫描所有视频，记录分辨率、帧率、时长，生成一份清单；然后根据任务需求决定抽帧策略——做目标检测通常每秒 1 到 2 帧就够，做动作识别可能要每秒 10 帧以上；接着用带日志和失败记录的批量脚本跑抽帧，输出统一命名、统一尺寸的图片；最后做一轮质量检查，把全黑帧、重复帧、尺寸异常的挑出来。
这套流程我在多个项目里用过，最深的体会是：抽帧参数没有标准答案，只有和任务匹配的答案。同样是抽帧，做静态图像分类和做视频理解，需要的帧率、分辨率、是否保留时间信息完全不同。与其照搬别人的命令，不如先想清楚"我拿这些帧去干什么"，参数自然就定了。
另外，FFmpeg 的滤镜链是可以无限组合的，抽帧只是其中一环。你完全可以在抽帧的同时做裁剪、缩放、去噪、加标注，一条命令搞定。但组合越多，出错概率越高，调试也越麻烦。我的建议是分步来，先跑通最简单的抽帧，确认结果对了，再逐步加滤镜。这样出问题时能快速定位是哪一步的锅。
最后分享一个我常用的"抽帧质量自检"小脚本思路：抽完帧后，用identify（ImageMagick 的命令）或者 Python 的 PIL 遍历所有图片，统计尺寸分布和平均亮度，把尺寸不一致或者亮度接近 0 的图片列出来。这一步能帮你提前发现视频损坏、色彩空间异常等问题，避免把脏数据喂进后续流程。数据集的质量，往往就藏在这些不起眼的检查里。
