文章
提取視頻幀用於縮圖和聯繫表
視頻是靜止圖像的序列。從中取出一張圖像可以得到縮圖、封面或聯繫表。當您了解視頻編碼器如何儲存幀以及哪些時刻值得捕獲時，結果會更清晰且更可預測。
幀與幀率
視頻檔案是一系列靜止圖像，以足夠快的速度顯示以創造運動的幻覺。每秒顯示的圖像數量是幀率，以 fps 表示。常見值為電影的 24 fps、PAL 廣播的 25 fps、網路視頻的 30 fps 和遊戲影片的 60 fps。在 24 fps 時，一部兩小時的電影包含約 172,800 個單獨的幀。每個幀對應時間中的一個特定時刻；提取一個幀就將那個時刻凍結為獨立的圖像。幀率還決定了批量提取時每秒影片中獲得多少幀：在 30 fps 時，從一分鐘的視頻中提取每一幀可以得到 1,800 張圖像，這通常遠超所需。以較低的幀率提取，或在支援的工具中每隔 N 幀提取一次，是減少數量同時仍覆蓋完整時長的實用方法。
關鍵幀與插值幀
現代視頻編碼器不將每一幀儲存為完整圖像。它們使用三種幀類型來節省空間。I-frame，也稱為關鍵幀，是一個完整的、自包含的圖像。P-frame 只儲存自上一個 I-frame 或 P-frame 以來發生變化的像素。B-frame 相對於前一幀和後一幀儲存變化，需要兩側的幀才能重建。由於 P-frame 或 B-frame 本身是不完整的，解碼一個需要周圍的參考幀。如果這些參考幀包含運動模糊或過渡，重建的圖像會繼承該模糊。相比之下，I-frame 是獨立解碼的。它始終清晰，因為它不從鄰近幀借用任何東西。提取用作縮圖的幀時，落在 I-frame 上可以得到最乾淨的結果。大多數編碼器在場景切換處放置 I-frame，這些自然是清晰的起始點。
選擇正確的時刻
即使是解碼良好的 I-frame，如果捕獲的時刻不理想，也可能成為糟糕的縮圖。幾個因素會降低縮圖品質。當相機或主體在幀曝光期間快速移動時，就會出現運動模糊；產生的拖影使幀看起來柔和，即使解碼是乾淨的。在溶解或淡入淡出中間捕獲的過渡幀包含兩個疊加的圖像，很少適合作為獨立圖片。曝光不足或過度曝光的幀，常見於場景開始前自動曝光穩定之前，在陰影或高光部分失去細節。最佳縮圖幀來自有清晰動作或表情、良好照明和穩定相機的時刻。使用顯示精確時間戳的播放器瀏覽視頻，讓您在提取前識別這些時刻。在播放器中暫停看起來好的幀，作為靜止圖像匯出通常也會很好。
匯出：解析度、格式與每隔 N 幀
提取幀時，匯出的圖像應與視頻的原始解析度相符。放大會引入插值偽影；縮小會丟棄您可能需要的像素。1080p 的視頻產生 1920x1080 像素的圖像，4K 視頻產生 3840x2160 的圖像。對於格式，PNG 精確保留每個像素，是需要最大清晰度用於編輯或進一步縮放時的正確選擇。JPEG 較小，適合預覽或分享，但在銳利邊緣附近引入壓縮偽影。如果您正在製作聯繫表（覆蓋完整時長的小代表幀網格），以固定幀率提取，而非逐幀提取，是標準做法：從 30 fps 的來源要求每秒 1 幀，可以得到每秒一張畫面的影格；使用 5 或 10 fps 等較高的幀率，則可以得到更密集的一組畫面供仔細檢視。確切的幀率取決於您需要多少細節，以及您想要處理多少圖像。
使用 video-extract-frames 在本地完成
Sunasty 上的 video-extract-frames 工具使用編譯為 WebAssembly 的 FFmpeg，完全在瀏覽器內部解碼您的視頻。您放入一個檔案，選擇每秒 1 到 30 幀之間的幀率，選擇 PNG 或 JPEG，工具就會以該幀率在您瀏覽器的記憶體中解碼影格，並將結果以個別下載的方式提供，每次執行上限為 300 張。您的視頻檔案從不離開您的裝置。在整個過程中，沒有任何位元組傳送到伺服器。這對包含個人或敏感內容的影片尤為重要：家庭錄影、訪談，或編輯前的原始素材。瀏覽器將視頻載入 RAM 中的虛擬檔案系統，執行 FFmpeg 解碼，然後將圖像返回給您。取捨是解碼透過 WebAssembly 在您的 CPU 上以軟體方式完成，因此長時間或高解析度的視頻需要比原生應用程式更多的時間。對於提取少量幀或從短片製作聯繫表，速度是實用的。
本文涉及的工具
常見問題
為什麼我提取的幀看起來模糊？
最常見的原因是在有運動的時刻落在 P-frame 或 B-frame 上。這些幀儲存差異而非完整圖像，源素材中的運動模糊會進入解碼中。嘗試提取最近的 I-frame（對應場景切換或定期關鍵幀），以獲得更清晰的結果。
應該將幀匯出為 PNG 還是 JPEG？
如果您計畫編輯幀、放大它，或在壓縮偽影會可見的環境中使用它，請選擇 PNG。如果您需要較小的檔案用於快速分享或預覽，且輕微的品質損失是可以接受的，請選擇 JPEG。對於以固定小尺寸顯示的縮圖，以合理品質設定的 JPEG 通常就足夠了。
如何從視頻製作聯繫表？
請選擇一個夠低的幀率，讓靜態畫面的數量控制在可管理的範圍內，而不是設定單一時間戳。對於一段兩分鐘的片段，每秒 1 幀會得到約 120 張畫面，已足夠密集，可以從中挑選出理想的網格；不論如何，每次執行的輸出上限都是 300 張。目前沒有比每秒 1 幀更低的幀率了，因此若想要更稀疏的畫面表，請以每秒 1 幀提取，再自行保留最終網格所需的畫面。