MKV in PNG umwandeln

Nach einem Vortrag auf dem Chaos Communication Congress, der re:publica oder einer Fachkonferenz landet die Aufzeichnung fast immer bei media.ccc.de oder auf YouTube, die Folien selbst aber nicht immer — mancher Vortragende stellt sie nie online, oder erst Wochen später mit anderem Stand. Wer eine bestimmte Grafik oder Tabelle aus dem Vortrag braucht, muss sie sich also aus der Aufzeichnung selbst holen, und diese liegt bei den meisten Aufnahmesystemen als Matroska vor.

Die Aufgabe ist einfach und wiederholt sich: ein Zeitstempel, ein Bild, wieder und wieder für jede Folie, die gebraucht wird. Bei einem Foliensatz mit einem Dutzend Folien ist das eine Sache von Minuten, keine Sache eines eigenen Werkzeugs.

JPG wurde für Fotografien entworfen, und diese Herkunft zeigt sich an allem, was kein Foto ist. Es speichert Farbe in halber Auflösung und arbeitet blockweise, was um jede harte Kante einen leichten Schleier legt — bei einer Folie, die praktisch nur aus harten Kanten besteht, wird kleine Schrift dadurch grau und schwerer lesbar, ausgerechnet dort, wo sie ohnehin schon knapp war.

PNG speichert genau die Pixel, die es bekommt, ohne Annäherung. Bei einem Foto aus dem Publikum ist der Unterschied kaum sichtbar, und JPG erzeugt die deutlich kleinere Datei. Bei einer Folie, einer Tabelle, einem Terminal-Ausschnitt oder Quellcode ist PNG der Unterschied zwischen lesbar und beinahe lesbar.

Verlustfrei beschreibt nur den Schritt vom dekodierten Bild zur Datei, nichts davor. Das Video wurde bei der Aufzeichnung komprimiert, das Aufnahmesystem hat eine Bitrate gewählt, und was mit der kleinen Schrift auf Folie elf dabei passiert ist, liegt lange vor dieser Umwandlung. PNG gibt genau das wieder — es macht nichts davon rückgängig.

Praktisch heißt das: Auflösung und Bitrate der Aufzeichnung sind die Obergrenze, und keine Formatwahl hebt sie an. Eine in 720p aufgezeichnete Folie mit kleiner Schrift bleibt kaum lesbar, egal welches Bildformat gewählt wird — dann hilft nur, die Folien selbst zu suchen oder den Vortragenden direkt zu fragen.

Der Zeitstempel ist die ganze Bedienoberfläche, und wo er gesetzt wird, entscheidet mehr über das Ergebnis als alles andere auf dieser Seite. Nicht im Moment des Folienwechsels selbst wählen: Ein Übergang oder eine Animation ist Bewegung, und ausgerechnet bei Bewegung spart ein Codec am meisten — das dort gespeicherte Bild ist eine grobe Skizze, die erst die folgenden Bilder korrigieren.

Zwei bis drei Sekunden warten, bis die Folie ruhig steht, gibt dem Kodierer Zeit, ein echtes Standbild aufzubauen, und die Schrift ist so scharf, wie diese Aufzeichnung es überhaupt hergibt. Aus demselben Grund wirkt ein Standbild einer gestikulierenden Referentin oder eines gestikulierenden Referenten weich, während ein Standbild im Stehen es nicht ist.

Videoplayer zeigen Stunden, Minuten und Sekunden an, das Eingabefeld hier verlangt Sekunden — die einzige Rechnung auf dieser Seite. Eine Stunde und zwölf Minuten werden zu 4320, plus die angezeigten Sekunden. Kommazahlen sind erlaubt, sodass sich ein Wert wie 4320.5 auch um eine halbe Sekunde verschieben lässt, falls der erste Versuch mitten in einer Bewegung liegt.

Wer die Aufzeichnung einmal komplett durchspult und dabei jede Folienzeit in einer Notiz festhält, spart sich das Hin- und Herwechseln zwischen Ansehen und Umwandeln — aus achtzehn kleinen Unterbrechungen werden so zwei zusammenhängende Arbeitsschritte.

Eine Folie mit flachen Flächen und klarer Schrift ist für ein verlustfreies Format erstaunlich klein — bei 1080p landet sie oft im niedrigen dreistelligen Kilobyte-Bereich. Ein Standbild des Publikums oder der Bühne dagegen ist deutlich größer, weil fotografisches Rauschen fast zufällig ist und Zufälliges sich nicht gut komprimieren lässt.

Jedes Bild wird nach dem Kodieren zusätzlich optimiert statt unbearbeitet abgelegt, was noch einmal einen spürbaren Teil der Größe kostet — bei rund einer halben Sekunde Wartezeit. Diese halbe Sekunde lohnt sich: Ein Ordner mit achtzehn Folien, der zwei Drittel so groß ausfällt, ist auch für alle anderen, die den Vortrag verpasst haben, billiger zu verschicken.

Diese Umwandlung kennt keine Größeneinstellung. Eine 1080p-Aufzeichnung liefert ein PNG mit 1920 mal 1080 Pixeln, eine 4K-Aufzeichnung eines mit 3840 mal 2160 — das Bild wird in seiner ursprünglichen Größe dekodiert und genauso geschrieben. Für eine Folie ist das genau richtig, denn jedes Pixel eines Text-Standbilds kann gebraucht werden.

Das bedeutet auch, dass die Bilder größer ausfallen können, als das Zieldokument sie braucht. Sie danach in einem Bildbearbeitungsprogramm zu verkleinern ist unproblematisch und verlustfrei in die einzig relevante Richtung. Nicht möglich ist das Umgekehrte: Kein Werkzeug kann Details erfinden, die die Aufzeichnung nie festgehalten hat.

Jedes hier erzeugte PNG trägt einen Alphakanal, und dieser ist vollständig undurchsichtig — ein Videobild kennt keine Transparenz, also gibt es für den Kanal nichts zu speichern außer „vollständig sichtbar" an jeder Stelle. Wer die Datei in einem Programm öffnet, das den Kanal anzeigt, sieht deshalb keine Löcher, sondern ein durchgängig gefülltes Bild.

Das ist kein Fehler und keine verschenkte Möglichkeit, sondern schlicht die ehrliche Konsequenz daraus, dass die Quelle ein Videoframe ohne jede Transparenzinformation ist.

Dekodierung und PNG-Kodierung laufen beide im Browser-Tab. Nichts, das die Aufzeichnung enthält, wird irgendwohin gesendet — bei einem internen Vortrag, einem Betriebs-Meetup oder einer Aufzeichnung unter Sperrfrist ist das häufig der entscheidende Punkt, nicht nur ein Nebenaspekt.

Die freie Nutzung erlaubt bis zu hundert Megabyte je MKV-Datei. Aufzeichnungen von Konferenzvorträgen sind oft größer, was die ehrliche Schwäche dieses Paares ist: Ausgerechnet die Dateien, bei denen sich Folien-Extraktion lohnt, passen am seltensten hinein. Für diese hilft VLC über das Menü Video mit einem Schnappschuss an der aktuellen Position, mpv über eine einzelne Taste — beide arbeiten direkt mit der Datei, ohne Größenbegrenzung, dafür weniger genau beim Zeitstempel.