Python实现RGB转YDbDr时Db、Dr通道出现严重像素化问题

你遇到的像素化问题和转换公式无关，核心是输入值域与转换函数的预期要求不匹配，叠加可视化阶段的数值截断问题，具体排查点如下：

• 输入值域校验
  你参考的手写转换逻辑、Kornia内置的rgb_to_ycbcr接口，默认都要求输入的RGB张量值域为[0, 255]。如果你的预处理流程已经把图像归一化到[0, 1]的浮点范围，直接传入函数计算时：
  • Y分量的加权和刚好落在[0,1]区间，视觉上无明显异常
  • Db、Dr这类带正负系数的色差分量，计算结果会被压缩到极窄区间，后续可视化、存图时要么被直接截断为0/1二值，要么被极小的数值差拉伸成块状断层，就是你看到的像素化效果。
• 转换后数值范围校验
  标准YDbDr色彩空间各分量的合法值域（输入RGB为[0,255]时）为：
  • Y：[0, 255]
  • Db：[-1.333255, 1.333255] ≈ [-339.9, 339.9]
  • Dr：[-1.333255, 1.333255] ≈ [-339.9, 339.9]
    你可以直接打印转换后Db、Dr通道的最大值、最小值，如果结果范围远小于上述区间，即可确认是输入值域错误。
• 可视化逻辑修正
  就算转换计算正确，Db、Dr通道包含负值，不能直接传入常规存图/可视化函数（这类函数默认只处理[0,1]或[0,255]范围的非负值）。需要先对色差分量做偏移归一化，把数值映射到[0,1]区间再展示。

修正后的可直接运行的实现代码如下：

import torch

def RGB_to_YDbDr(obs_RGB: torch.Tensor):
    # 自动适配输入值域：如果是[0,1]范围的浮点输入，先转到[0,255]
    if obs_RGB.dtype.is_floating_point and obs_RGB.max() <= 1.0:
        obs_RGB = obs_RGB * 255.0

    r = obs_RGB[:, 0]
    g = obs_RGB[:, 1]
    b = obs_RGB[:, 2]

    y = 0.299 * r + 0.587 * g + 0.114 * b
    db = -0.450 * r - 0.883 * g + 1.333 * b
    dr = -1.333 * r + 1.116 * g + 0.217 * b

    ydbdr = torch.stack([y, db, dr], dim=-3)

    # 生成适配可视化的[0,1]范围张量
    y_vis = y / 255.0
    db_vis = (db + 1.333 * 255) / (2 * 1.333 * 255)
    dr_vis = (dr + 1.333 * 255) / (2 * 1.333 * 255)
    vis_ydbdr = torch.stack([y_vis, db_vis, dr_vis], dim=-3)

    return ydbdr, vis_ydbdr

补充说明：Kornia接口出现同类像素化问题也是同一个原因，该接口的官方文档明确标注输入要求为0-255值域的图像，传入0-1范围的归一化图像必然得到错误的色差分量结果，和库本身实现无关。

内容的提问来源于stack exchange，提问作者Gooby