FFmpeg Filter语法详解：缩放、裁剪、叠加和组合滤镜

FFmpeg 的 Filter 是它区别于其他转码工具的核心能力——不只是格式转换，而是对画面的像素、音频的采样点做任意变换。但 Filter 的语法是出了名的难读：方括号标签、分号逗号混用、多个输入输出的管线。这篇文章先把语法规则讲透，再按场景列举常用滤镜。

Filter 语法：三分钟搞懂

简单滤镜 vs 复杂滤镜

• -vf "滤镜链"：简单视频滤镜，单个输入，单个输出
• -af "滤镜链"：简单音频滤镜，同上
• -filter_complex "滤镜图"：复杂滤镜，可以有多个输入输出、分支和合并

能用 -vf/-af 解决的，不要用 -filter_complex——简单滤镜更快更不容易出错。

语法规则

bash
# 逗号：串联同一链的滤镜，前一个的输出是后一个的输入
-vf "scale=1280:720,crop=640:360"

# 分号：分隔不同的滤镜链（用于 -filter_complex）
-filter_complex "[0:v]scale=1280:720[v1];[1:v]scale=640:360[v2]"

# 方括号标签：给输入/输出命名
-filter_complex "[0:v]scale=1280:720[big];[1:v]scale=640:360[small];[big][small]overlay=10:10"

[0:v] 表示第一个输入的视频流，[0:a] 表示第一个输入的音频流。[big]、[small] 是自定义标签，后续滤镜用这个标签引用。

最常见的语法错误

bash
# 错误：简单滤镜里用了分号
-vf "scale=1280:720;crop=640:360"    # 报错

# 正确：简单滤镜用逗号
-vf "scale=1280:720,crop=640:360"    # OK

视频滤镜

缩放（scale）

bash
# 固定分辨率
ffmpeg -i input.mp4 -vf "scale=1280:720" output.mp4

# 保持宽高比（只指定宽度，高度自动计算）
ffmpeg -i input.mp4 -vf "scale=1280:-1" output.mp4

# 等比缩小到一半
ffmpeg -i input.mp4 -vf "scale=iw/2:ih/2" output.mp4

# 限制最大尺寸（不超过 1280x720，小的保持原尺寸）
ffmpeg -i input.mp4 -vf "scale='min(1280,iw)':'min(720,ih)'" output.mp4

-1 是"自动计算"的写法，FFmpeg 根据原始宽高比算出高度。注意：某些编码器要求宽高都是偶数，如果算出来是奇数会报错，可以用 scale=1280:trunc(ow/2)*2 强制偶数。

裁剪（crop）

bash
# 从中心裁剪 640x480（默认居中）
ffmpeg -i input.mp4 -vf "crop=640:480" output.mp4

# 指定裁剪起点（左上角偏移 100,50）
ffmpeg -i input.mp4 -vf "crop=640:480:100:50" output.mp4

# 自动检测黑边并裁掉
ffmpeg -i input.mp4 -vf "cropdetect" -f null - 2>&1 | grep crop
# 然后用输出的 crop 值
ffmpeg -i input.mp4 -vf "crop=1920:800:0:140" output.mp4

cropdetect 是调优利器——先跑一遍检测黑边参数，再用 crop 裁掉。

叠加（overlay）

给视频加 logo、画中画都用 overlay：

bash
# 左上角加 logo
ffmpeg -i video.mp4 -i logo.png -filter_complex "overlay=10:10" output.mp4

# 右下角加 logo（W=视频宽, w=logo宽）
ffmpeg -i video.mp4 -i logo.png -filter_complex "overlay=W-w-10:H-h-10" output.mp4

# 居中画中画
ffmpeg -i main.mp4 -i pip.mp4 -filter_complex   "[1:v]scale=320:240[pip];[0:v][pip]overlay=(W-w)/2:(H-h)/2" output.mp4

overlay 的坐标用 x:y 格式，支持表达式。W 和 H 是主视频的宽高，w 和 h 是叠加层的宽高。

旋转（transpose）

bash
# 顺时针 90 度
ffmpeg -i input.mp4 -vf "transpose=1" output.mp4

# 逆时针 90 度
ffmpeg -i input.mp4 -vf "transpose=2" output.mp4

# 180 度（两次 90 度）
ffmpeg -i input.mp4 -vf "transpose=1,transpose=1" output.mp4

# 水平翻转（镜像）
ffmpeg -i input.mp4 -vf "hflip" output.mp4

旋转后分辨率会变（1080x1920 变 1920x1080），如果编码器有分辨率限制需要注意。

文字水印（drawtext）

bash
# 静态文字
ffmpeg -i input.mp4 -vf "drawtext=text='Hello':fontcolor=white:fontsize=24:x=10:y=10" output.mp3

# 带阴影的文字（提高可读性）
ffmpeg -i input.mp4 -vf   "drawtext=text='Hello':fontcolor=white:fontsize=32:x=10:y=10:shadowcolor=black:shadowx=2:shadowy=2"   output.mp4

# 显示时间戳
ffmpeg -i input.mp4 -vf "drawtext=text='%{pts\:hms}':fontcolor=white:fontsize=20:x=10:y=10" output.mp4

drawtext 需要编译时启用 libfreetype。如果报 "Unknown filter 'drawtext'"，说明你的 FFmpeg 没有这个支持。

模糊和锐化

bash
# 高斯模糊
ffmpeg -i input.mp4 -vf "gblur=sigma=2" output.mp4

# 锐化
ffmpeg -i input.mp4 -vf "unsharp=5:5:1.0" output.mp4

模糊常用于背景虚化或隐私遮挡，锐化常用于低分辨率素材的提升（但过度锐化会产生光晕伪影）。

音频滤镜

音频滤镜用 -af，语法和视频一样：

bash
# 音量调整
ffmpeg -i input.mp4 -af "volume=2.0" output.mp4

# 淡入淡出
ffmpeg -i input.mp4 -af "afade=t=in:st=0:d=3" output.mp4

# 混合两路音频
ffmpeg -i voice.mp3 -i bgm.mp3 -filter_complex "amix=inputs=2:duration=first" output.mp3

# 延迟
ffmpeg -i input.mp4 -af "adelay=500|500" output.mp4

音频滤镜的详细用法参见"FFmpeg 音频处理"一文。

组合滤镜实战

四宫格

bash
ffmpeg -i v1.mp4 -i v2.mp4 -i v3.mp4 -i v4.mp4 -filter_complex   "[0:v]scale=640:360[v0];[1:v]scale=640:360[v1];[2:v]scale=640:360[v2];[3:v]scale=640:360[v3];   [v0][v1]hstack[top];[v2][v3]hstack[bottom];[top][bottom]vstack"   output.mp4

hstack 水平拼接，vstack 垂直拼接。所有输入的分辨率必须一致。

视频变速

bash
# 2 倍速
ffmpeg -i input.mp4 -filter_complex   "[0:v]setpts=0.5*PTS[v];[0:a]atempo=2.0[a]"   -map "[v]" -map "[a]" output.mp4

# 0.5 倍速
ffmpeg -i input.mp4 -filter_complex   "[0:v]setpts=2.0*PTS[v];[0:a]atempo=0.5[a]"   -map "[v]" -map "[a]" output.mp4

视频用 setpts 调速（乘以系数），音频用 atempo。atempo 范围 0.5-2.0，超出要链式：atempo=2.0,atempo=2.0 达到 4 倍速。

加 logo + 时间戳 + 淡入

bash
ffmpeg -i input.mp4 -i logo.png -filter_complex   "[0:v]drawtext=text='%{pts\:hms}':fontcolor=white:fontsize=20:x=10:y=10[vt];   [vt][1:v]overlay=W-w-10:10"   -af "afade=t=in:st=0:d=2"   output.mp4

性能提示

滤镜是 CPU 密集操作，优化思路：

• 滤镜顺序：先 crop 再 scale，减少处理的像素量
• GPU 滤镜：NVIDIA 用 scale_npp 替代 scale，hwupload_cuda 后在 GPU 上做滤镜
• 避免不必要的滤镜：每个滤镜都增加一帧的处理时间，去掉不必要的
• 预览时降低分辨率：调参时加 scale=640:360 加快迭代，确认效果后再用原始分辨率输出