一、真实痛点引入：买网课如山倒，做笔记如抽丝
作为一个长期坚持技术输入的人，我经常在周末刷各类高阶架构和 AI 课程。但看视频学习有一个极大的痛点——信息密度极低，复习极其痛苦。
遇到硬核的架构图或者核心公式，传统的做法是：暂停 ->Win + Shift + S截图 -> 粘贴到 Word/Obsidian -> 继续播放。一堂 40 分钟的课下来，手腕酸痛不说，文件夹里堆满了命名混乱的image_01.png，毫无检索价值。
有些所谓的“偷懒”方法，是用播放器自带的“生成视频缩略图”功能，但这根本不是笔记，里面充斥着讲师喝水、鼠标乱晃的无效帧。
能不能写个程序，让它像一个尽职的“学霸同桌”一样，帮我只把干货 PPT 页面提取出来，自动合并成一本高清 PDF？今天，我们就用 Python 从零实现这个需求，不仅要能用，还要做到工业级的精准去重。
二、核心问题拆解：这不仅仅是“截图”，而是一个图像去重引擎
把视频转成图片太简单了，OpenCV 两行代码搞定。真正的难点在于：如何准确地判断“PPT 翻页了”？
如果每秒提取一帧，一小时的视频会产生 3600 张图片。我们需要一个“帧对比引擎”来过滤掉 99% 的冗余帧。这里有三个技术卡点：
- 不能直接用 MD5 或哈希：视频流经过 H.264 压缩，即使是完全静止的画面，由于压缩噪点，每一帧
