📹 PPT-Extractor-Pro：全学科通用的“科研素材收割机”

👋 起因 (Why I made this)

各位被组会、学术会议、网课回放折磨的科研特种兵们，Hello！👋

众所周知，科研的起步往往是从模仿开始的。 看到行业大牛在顶会上的 PPT 做得那么漂亮，逻辑那么丝滑，图表那么精致，我们第一反应是什么？ ——“截下来！以后写论文/做汇报时参考（抄）一下！”

但是，手动截图真的太痛苦了：

1. 废手：一场 2 小时的讲座，全程紧盯屏幕按 PrtSc，右手食指差点腱鞘炎。
2. 废眼：稍不留神低头回个消息，大牛翻页了，错过了最关键的数据图。
3. 废脑：截下来的图全是散的，想复盘大牛的“讲故事逻辑”，还得自己在文件夹里拼图，心态崩了。

为了高效建立自己的科研素材库，也为了从大牛的 PPT 里汲取灵感，我搓了这个工具。 核心宗旨：视频丢进去，我去拿外卖，回来直接看 PDF。把别人的精华，变成我的素材。

---

🧬 核心算法架构 (Core Algorithmic Architecture)

本系统摒弃了低效的“时钟驱动（Timer-driven）”采样策略，转而采用了一套 时空联合的视觉显著性感知框架 (Spatio-Temporal Visual Saliency Perception Framework)。

1. 空间域注意力屏蔽机制 (Spatial Domain Attentional Masking)

针对非结构化视频流中的高频噪声（如讲师肢体语言、UI 控件闪烁、弹幕），我引入了 ROI 空间滤波技术。 通过构建一个正交的感兴趣区域（Region of Interest），系统能够对视频帧进行 语义分割 的预处理，将信噪比（SNR）极低的背景区域在硬编码层级直接剔除。

(人话：只盯着 PPT 那块地，讲师的脸、底下的进度条，通通不看。)

2. 时域动能收敛检测 (Temporal Kinetic Convergence Detection)

为了精准捕获 PPT 的“稳态”，算法计算连续帧之间的 均方误差 (MSE) 及其梯度变化。 我将视频流视为一个动态的时间序列，只有当帧间差异的 L2 范数收敛至一个极小的 $\epsilon$ 邻域，并保持 $N$ 个时间步长（Time Steps）的视觉静默(Visual Quiescence)时，状态机才会触发捕获中断。

(人话：等翻页动画彻底停稳了再动手，保证抓下来的图是高清无重影的，方便后续 OCR 识别文字。)

3. 感知哈希拓扑去重 (Perceptual Hashing Deduplication)

为了解决视觉冗余问题，系统维护了一个 特征指纹注册表 (Feature Fingerprint Registry)。 每一帧候选图像都会经过 dHash (差分哈希) 算法降维，映射为一个 64-bit 的特征向量。通过计算当前帧与历史帧向量之间的 汉明距离 (Hamming Distance)，我们能够以 $O(1)$ 的时间复杂度判定语义重复性。

(人话：如果大牛在一页 PPT 上讲了 20 分钟没翻页，系统绝对不会给你存两张一样的图。素材库要精简，不要垃圾。)

---

🚀 几个极其舒适的功能 (Features)

1. 🎯 "时空双域" 精准打击 (Spatio-Temporal Precision)

我们不只截取屏幕，我们是在做外科手术级的素材提取。

• 📐 空间域 - ROI 狙击模式：
  • 点击 [+] 设定 ROI，直接在画面上画框。
  • 效果：像切掉面包边一样，把视频四周的黑边、弹幕、右下角讲师的头像通通切掉，只留纯净的 PPT 内容。
• ✂️ 时域 - 可视化时间轴裁剪：
  • 痛点：大牛讲座前 10 分钟是废话，最后 20 分钟是无聊的 Q&A？
  • 解决：内置可视化剪辑器，支持帧级微调（上一帧/下一帧）。你可以精准锁定大牛开始讲干货的那一秒，只处理精华片段，绝不浪费算力。

2. 📂 强迫症福音的文件治理 (Structured Asset Management)

拒绝桌面上一堆 截图1.png, 截图2.png 这种让科研人崩溃的垃圾堆！

• 🗂️ 项目制管理：
  • 输入项目名（如 Prof_Li_CVPR2025），软件自动清洗非法字符并创建独立目录。
• 📦 自动归档与合成：
  • Runs/: 存放所有抽取出的高清原始图片（适合做论文插图素材）。
  • PDFs/: 程序跑完自动调用内置引擎，将图片合并为高清 PDF。
  • 贴心细节：任务结束时自动弹出文件夹，无需你去硬盘里翻箱倒柜。

3. ⚡ 性能与交互的平衡 (Performance & Interaction)

• 📺 摸鱼开关 (LIVE Toggle)：
  • ON (调试模式)：右上角实时播放截取过程，看着 PPT 一张张被抓取，极其解压。
  • OFF (狂暴模式)：一旦确认参数无误，关掉它！系统将跳过 UI 渲染，全速运行（速度提升 30%+）。此时你可以把窗口最小化，假装自己在读文献。
• 🎛️ 参数热调节：
  • 灵敏度 (Threshold)：PPT 背景太花容易误触？调高它。
  • 防抖 (Stability)：翻页动画太慢？调高防抖等级。
  • 所见即所得：拖动滑块实时生效，无需重启程序，比调教你的实验设备容易多了。

---

📸 界面长这样

( 界面：左边配置参数，右边实时监控，底部状态反馈 )

🖥️ 主界面 (Main UI)

⚙️ 参数配置 (Settings)

---

💾 怎么下载 (Download)

考虑到大家的电脑环境五花八门（有的还在用 Win7，有的 Python 环境乱得像盘丝洞），我打包了个 免安装的 .exe 版本。 下载 -> 解压 -> 双击 就能跑。

• 🚀 下载地址：👉 点击这里下载最新版本 (Latest Release)
• 系统支持：Win 10 / Win 11

---

📂 喂饭级操作指南 (User Guide)

⚠️ 简单三步，把视频变成科研素材：

1. 准备视频 (Prepare)

把你要拆解的视频准备好。支持 .mp4, .avi, .mkv。建议画质高点，方便后续作为高质量素材引用。

2. 配置参数 (Configure)

• 设定 ROI (重点!)：点击 [+] 设定 ROI 扫描区域，框它！
  • 小技巧：框选时尽量避开字幕区，不然字幕一变，程序就以为 PPT 翻页了。
• 项目命名：给这次任务起个名，比如 AI_Trend_Report。
• 参数微调：
  • 判定阈值：默认 10。如果 PPT 背景很花（渐变色、大图背景），调高点（12-15）；如果是纯白底学术风，默认就行。
  • 防抖等级：默认 5。如果视频里 PPT 翻页动画慢得像老太太过马路，建议调高到 8-10。

3. 启动 (Run)

点击 INITIALIZE ENGINE。

• 此刻你可以去冲咖啡 / 拿外卖 / 刷抖音。
• 跑完后，去 输出目录/项目名/PDFs 里收货。

---

🌍 适用场景 (Use Cases)

1. 模仿大牛逻辑：下载顶会/大牛讲座视频，提取 PPT，研究他们是如何排版、如何讲故事、如何设计图表的。
2. 构建素材库：把视频里精彩的架构图、数据图提取出来，分类保存，下次做汇报没灵感时翻一翻。
3. 网课/MOOC 笔记：Coursera, B站, 学堂在线……只想要讲义，不想要废话。
4. 学术会议记录：Zoom/腾讯会议录屏，提取汇报人的 Slide，方便组会讨论。

---

⚖️ 版权与开源协议 (Copyright & License)

• 版权所有 (Copyright)：© 2026 李庆 (Li Qing). 保留所有权利。
• 开源协议：本项目基于 MIT License 协议开源。
• 免责声明：本项目仅供学术交流与办公效率提升使用，作者不对使用过程中可能产生的任何直接或间接损失负责。
• 禁止商业行为：未经作者本人书面授权，禁止将本项目及其打包产物（EXE）用于任何商业售卖或盈利活动。

---

🛠️ 开发者指南 (For Developers)

如果你想魔改算法或者加个 OCR 自动提取文字功能，欢迎 Clone。

本项目基于 Python 3.9+ 构建，主要依赖：tkinter (UI), ttkbootstrap (美化), opencv-python (视觉核心), pillow (图像处理)。

快速开始

# 1. 克隆仓库
git clone https://github.com/liqinglq666/PPT-Extractor-Pro.git

# 2. 安装依赖 
pip install -r requirements.txt

# 3. 启动
python main.py