视频帧精简：剔除无效帧，按帧率智能抽帧？

视频帧图片批量精简工具：清理无效帧 + 按帧率抽帧 在处理视频抽帧后的图片数据集时，我们常面临两个问题：一是存在大量空白 / 无效图片（比如纯黑 / 纯白帧、文件体积极小的损坏图），二是原始帧率过高（如 30fps）导致图片数量冗余。今天分享的这个工具能一站式解决这两个问题，自动清理无效帧并按指定帧率精简图片，大幅降低数据集体积且不丢失关键信息。 一、工具核心用途 扫描指定目录下所有含图片帧的子目录，批量处理； 智能清理无效图片：删除文件体积过小（可自定义阈值）或图像内容近乎纯色（灰度方差判定）的空白帧； 按帧率规则精简图片：比如从 30fps 抽帧结果中，按 2fps 保留（每 15 帧保留 1 张），按需调整原始 / 目标帧率； 支持 “干运行” 模式：仅统计删除 / 保留数量，不实际删除文件，安全验证策略； 输出详细处理报告：含各目录原始 / 保留 / 删除数量、总压缩率、耗时等。 二、核心实现方式 工具基于 Python 开发，核心逻辑分为三步，整体流程清晰易懂： 1. 前置准备：目录扫描与依赖加载 扫描指定根目录，过滤掉无关目录（如标注工具目录），仅保留包含图片的子目录； 依赖 Pillow 处理图片、numpy 计算图像方差，缺失时自动提示安装。 2. 无效图片判定（双重过滤） 文件体积过滤：读取文件大小，低于指定字节阈值（默认 5KB）直接判定为无效； 图像内容过滤：将图片转为灰度图，计算像素值方差 —— 方差越低说明像素越均匀（越接近纯色），低于阈值则判定为空白帧。 3. 帧率精简逻辑 从图片文件名中提取帧号（匹配第一段数字）； 计算抽帧步长（步长 = 原始帧率 / 目标帧率），仅保留帧号为步长整数倍的图片，其余删除； 对无法提取帧号的图片，默认保留（避免误删）。 4. 流程管控 逐目录处理，输出每一步操作（删除原因、失败报错）； 处理完成后汇总所有目录数据，计算总保留数、删除数、压缩率。 三、依赖安装方式 工具依赖 Python 第三方库 Pillow（图片处理）和 numpy（数值计算），执行以下命令即可完成安装： bash 运行 pip install Pillow numpy 注：建议在虚拟环境中安装，避免依赖冲突；Python 版本推荐 3.7 及以上。