Color Correction for Tone Mapping
目錄
Color Correction for Tone Mapping
色調映射算法提供了用於將實際亮度範圍映射到輸出介質的亮度範圍的複雜方法，但是它們通常會導致顏色外觀發生變化。 在這項工作中，我們進行了一系列主觀的外觀匹配實驗，以測量對比度壓縮和增強後圖像色彩的變化。 結果表明，對比度壓縮和與顏色外觀匹配的顏色飽和度校正之間的關係是非線性的，並且對於較小的對比度變化需要較小的顏色校正。 我們證明了這種關係不能由顏色外觀模型完全解釋。 我們提出了可以與現有色調映射算法一起使用的顏色校正公式。 我們擴展了現有的全局和局部色調映射運算符，並證明了所提出的色彩校正公式在色調比例操縱後可以保留原始圖像顏色。
1、介紹
儘管許多色調映射算法提供了用於將實際亮度範圍映射到輸出介質的亮度範圍的複雜方法，但它們通常會導致顏色外觀發生變化。最常見的色調處理是亮度壓縮，通常會導致較暗的色調顯得更亮，並使對比度關係失真。圖1B顯示了在將亮度對比度壓縮0.3倍後保留像素色度值（根據CIE xy色座標）的HDR圖像。與圖1A中的非壓縮圖像（曝光調整+ sRGB顯示模型）相比，顏色強烈過飽和。如果不是壓縮亮度，而是壓縮所有三個顏色通道（紅色，綠色和藍色），則生成的圖像飽和度不足，如圖1C所示。爲了解決這個問題，色調映射算法通常採用特定的顏色去飽和步驟，該步驟可以改善結果，但不能保證保留顏色外觀，並且需要爲每個色調映射的圖像進行手動參數調整（圖1D）。
圖1：原始圖像A）與對比壓縮後的三個圖像。 將兩種常見的色彩校正方法B）和C）與手動色彩調整D）進行了比較。 現有的色彩校正方法無法爲大對比度壓縮調整色彩。
論文的貢獻：
-
在第3節中分析了色調映射中常用的色彩校正方法的色彩還原特性。
-
我們在實驗研究中測量了必要的顏色校正，並在第4節中推導出顏色校正模型。
-
在第5節中，我們證明了顏色外觀模型不能完全解釋實驗測量的顏色校正。
-
在另一個實驗中，我們測量了CIELAB顏色空間中的顏色校正[Col86](第6節)，然後在第7節討論了該方法的侷限性。
-
在第8節中，擴展了局部和全局色調映射算子，以包括提出的色彩校正。
2、相關工作
在色域映射[ML01，GSS * 07]的背景下，已經很好地研究了有限色域的設備上的顏色再現。 但是，色域映射在三個主要方面與我們的問題有所不同：首先，色域映射嘗試同時修改亮度（亮度）和色度（色度）以保留顏色外觀。 在我們的例子中，亮度修改（色調曲線）由色調映射運算符給出，我們只能修改色度。 其次，色域映射主要考慮將顏色從一個設備映射到可比較動態範圍的另一設備。 因此，用於色域映射的對比度壓縮比用於色調映射的對比度壓縮小得多，後者需要將在現實世界中發現的動態範圍壓縮到輸出設備上可用範圍的一部分。 最後，色域映射對已經由攝像機進行色調映射的顯示參考圖像進行操作，而色調映射對場景參考圖像進行操作。
顏色外觀研究已經揭示了許多影響我們顏色感知的因素。 已經發現，均勻色塊的表觀色彩隨亮度（亨特效應）[Hun52]，圖像尺寸[NB06]和周圍顏色[BM97]而變化。 異色斑塊的表觀亮度或亮度取決於色度（Helmholtz＆Kohlrausch效應）[Nay97]，表觀色相取決於亮度（Abney效應）[ANK87]。 Calabria和Fairchild [CF03]發現，隨着色度的降低，複雜圖像的感知對比度降低，並且該關係爲S型。 該S形關係不適用於消色差圖像，該消色差圖像被認爲比色度爲20％的圖像具有更高的對比度。
色調映射中顏色再現的大部分工作都集中在在計算機屏幕[PFFG98，PTYG00，FJ04，AR06，KJF07]上保留人眼感知的真實場景的顏色外觀。 Pattanaik等。介紹一種複雜的人類色彩視覺模型，其中包括杆和錐視覺的獨立路徑，對手色彩處理以及亮度和對比度信號的增益控制[PFFG98]。以後的工作[PTYG00]着重於時間適應方面，使用感光器模型代替亮度增益控制，並採用基於亨特模型的簡化外觀模型。早期的iCAM顏色外觀模型[FJ04]通過對LMS顏色空間中的三個顏色通道應用空間變化的冪函數來實現對比度壓縮。較新的iCAM06模型[KJF07]用光感受器響應模型代替了冪函數，並分別考慮了暗視和明視信號。它也考慮到由於史蒂文斯效應[SS63]而產生的亮度變化，以及由於Bartleson-Breneman效應[BB67]而引起的周圍亮度變化，並通過亨特效應[Hun52]補償了亮度增加引起的色彩變化。儘管這些論文描述瞭解決色彩外觀問題的獨立式色調映射器，但Akyüz和Reinhard [AR06]提出了一種色彩處理框架，該框架可適用於保留色彩通道之間比率的任何色調映射。他們的方法使用向前和向後的CIECAM’02顏色外觀模型[MFH * 02]轉換HDR圖像，然後將所得的亮度圖替換爲色調映射運算符的結果。
上述色調映射運算符解決了色差，這些色差是現實場景與顯示器查看條件之間不同的亮度和色度適應性所導致的。 但是，這些方法均未考慮由色調映射曲線本身引起的顏色外觀變化，這是我們研究的主題。
圖2：CIECAM02預測非線性校正（公式2頂部的兩個曲線）和色彩校正公式的亮度保持（公式2底部的兩個曲線）的色調，色度和亮度。 這些線描述了當飽和度因子s從0變爲2時，六種具有不同亮度的基本顏色（紅色，品紅色，藍色，青色，綠色和黃色）的感知屬性的變化。初始點（s = 1）標記爲 黑色方塊。 非線性公式（公式2）會嚴重扭曲亮度，但與保留亮度的公式（公式3）相比，可以更好地保留色相。
3.色調映射中的色彩校正
Schlick [Sch94]提出的色調映射中常用的色彩處理方法是保持色彩比:
其中C表示顏色通道之一（紅色，綠色或藍色），L表示像素亮度，in / out下標表示色調映射之前和之後的像素。 所有值均在線性化（未經伽馬校正）的色彩空間中給出。 後來有關色調映射的論文采用了更強的對比度壓縮，觀察到生成的圖像過飽和，如圖1B所示，並提出了一個特殊的公式[TT99]：
其中s控制顏色飽和度。 上式的缺點是，它會改變s！=1和不同於灰色的顏色的亮度，即kRRout + kGGout + kBBout6 = Lout，其中kR，G，B是用於計算a的亮度的線性因子。 給定的色彩空間。 對於高度飽和的像素，此公式可以將亮度更改多達3倍，這是不希望的副作用。 因此，我們在本文中介紹並研究了另一個公式，該公式可以保留亮度，並且僅涉及彩色和相應的無彩色之間的線性插值：
IECAM02顏色外觀模型預測的色相，色度和明度圖上最好地顯示了公式2和3的顏色校正公式之間的差異，如圖2所示。非線性的顏色校正因子s的變化 公式2中的公式不僅可以修改色度，還可以修改顏色的明度。 公式3中的亮度保留公式可以防止這種亮度偏移，但會導致更強的色相偏移，尤其是對於紅色和藍色。 因此，選擇一個公式而不是另一個公式可能取決於保留色相或亮度對於特定應用是否更爲重要。
色彩處理的另一種方法是將相同的色調映射曲線應用於所有三個色彩通道。 但是，可以看出，如果色彩校正因子s等於對比度壓縮因子c，並且色調曲線具有以下形式，則這等效於公式2：
其中b是針對最大顯示亮度進行歸一化的亮度（曝光）調整（對於峯值顯示亮度，Lout = 1）。
如果色調曲線是任意函數，則在s = c時將相同的色調曲線應用於所有顏色通道並不等同於等式2，但是結果非常接近。 對於本地色調映射運算符，通常無法同時修改三個顏色通道。 因此，這些運算符必須依靠顏色轉移公式，例如公式2或3。假設s = c或同時更改三個顏色通道，對於較小的對比度壓縮效果很好，但是對於較小的c會導致顏色褪色的圖像 ，如圖1C所示。
上面的方程式2和3提供了一種校正RGB顏色空間中顏色的簡便方法，但是它們需要手動調整參數s。 這項工作的主要目的是在給定亮度特定色調曲線的情況下估計參數s。
本文使用的RGB顏色空間假設sRGB顏色爲基色，D65爲白點。 RGB三色值相對於輻射率是線性的（未經伽馬校正）。 論文和補充材料中包含的所有結果都將轉換爲sRGB顏色空間（γ= 2.2）。
4. 實驗1:色調映射的色彩匹配
我們進行了一項主觀研究，以調查需要多少色彩校正來補償對比度壓縮。
圖3:實驗中使用的HDR和LDR圖像
4.1參與者
實驗分爲兩部分，分別測試非線性（公式2）和亮度保持（公式3）色彩校正公式。 第一部分完成了八名參與者（3名女性和5名男性），第二部分完成了十名（2名女性和8名男性）。 他們的年齡在23至38歲之間，平均32歲。 他們的視力正常或已矯正。 六名參與者具有成像方面的基本專業知識，其餘四名沒有計算機圖形方面的經驗。 他們都不知道該實驗的技術細節。 所有參與者的視力都正確，只有三個人分享了這兩個部分。
4.2 刺激物
我們在實驗中使用了8張自然圖像（如圖3所示）。 它們涵蓋了呈現人臉，特寫，室內和室外場景的照片中出現的各種色相和飽和度。 爲了測試場景和輸出參考圖像，使用了4個HDR和4個LDR圖像。
圖像顯示在26英寸LCD顯示器上（NEC SpectraView 2690，屏幕尺寸爲55x33.5釐米，分辨率爲1920x1200像素，最小和最大亮度分別爲0.7和300 cd / m2）。 我們將本機NEC 2690設置用於原色和白點，這與sRGB模型非常接近。 使用Minolta CS-100A色度計仔細測量了紅色，綠色和藍色通道的顯示響應，然後將其用作顯示模型和反向顯示模型的查找表。 該實驗是在昏暗的照明（60 lux）下進行的。
圖4說明了在顯示器上顯示LDR和HDR圖像之前進行的圖像處理。 使用公式4修改了圖像對比度，對比度係數c在0.1到1.6之間變化。 參與者調整色彩飽和度s，並使用等式2或3校正色彩。在將逆顯示模型應用於LDR圖像後，在線性域中執行對比度壓縮和色彩校正。 將單個HDR圖像的曝光調整到可以在監視器上最佳可視化未修改HDR圖像的水平。
對比壓縮和色彩校正使得c的小值和s的高值都有強烈的亮度增加，這就導致了色域外的顏色，以及由於色彩剪裁引起的色相偏移而導致的色彩主觀比較問題。爲了避免色域外的顏色，我們決定將輸入圖像的亮度降低到顯示器峯值亮度的33% (100 cd/m2)，這也使得顯示器的峯值亮度更接近典型的辦公室顯示器設置。
4.3實驗過程
圖6顯示了該實驗的屏幕截圖。 要求參與者調整左圖的整體色彩，使其看起來與參考圖像儘可能接近，但明顯偏低。 同樣，應該調整正確的圖像，使其看起來略微但明顯更彩色。 然後，匹配的色彩被假定爲左右目標圖像的均值。 正如我們在一項前期研究中所驗證的那樣，與具有相同比較次數的圖像直接進行顏色匹配相比，該方法所產生的對象間和對象內變化較少。 很難區分色彩的差異，直接匹配會導致分佈中的隨機點具有較大的標準誤差。 通過測量±1的顯着差異（JND）並取平均值，我們得到的點更可能接近於分佈的均值。
圖5:改變對比度的圖像與原始圖像的顏色匹配結果。左:用於非線性色彩校正，右:用於亮度保留校正。實線表示平均結果，虛線表示圖像1的飽和因子有多有少飽和，連續線表示均值。誤差條表示均值的標準誤差。紅線表示最佳擬合模型。
圖6:實驗的屏幕截圖。中心是線性映射的參考圖像。左右是兩個色調映射圖像調整的參與者。背景色設置爲中性灰色。
對於每個顏色校正公式，參與者在48個測試中匹配圖像的顏色，8個圖像和6個壓縮級別(c=0.1、0.35、0.6、0.85、1.35和1.6)各一個測試。對於單個參與者來說，整個實驗過程花費了大約30分鐘。在實際實驗之前，每個被試都進行了一個簡短的試點實驗，在實驗中，被試會被解釋如何解讀“整體圖像的色彩”。
4.4實驗結果
圖5顯示了兩個顏色校正公式的平均結果。從圖中可以看出，對於小對比度修改(坡度<1)，對比度校正爲中等，對於強對比度壓縮，對比度校正要大得多。非線性色彩校正公式的插值線(左圖)沒有越過點s(1)= 1，這可能是由於測量誤差以及該點附近缺少數據造成的。
爲了檢查其他因素的統計顯着性，我們進行了幾種方差分析（ANOVA）測試。 我們發現LDR和HDR圖像之間沒有統計差異（對於2個LDR / HDR×6對比度等級×2對比度校正公式的測試，F（1,863）= 0.1），這表明該關係對於輸出參考和場景校正均成立。 參照圖片。 性別有顯着影響（F（1,863）= 12.13； 2（性別）×6（對比度）×2（公式）檢驗的p <0.01），而女性選擇的飽和度圖像則略低。 我們還發現了成像專業知識的效果（F（1,863）= 9.53； 2（專家）×6（對比度）×2（公式）測試的p <0.01），那些專業處理圖像的參與者選擇了更高的圖像 s因子。
c和s之間的關係可以通過冪函數s（c）= ck3進行近似，但是對於c> 1.6的外推值，該函數似乎不合理，且擬合效果較差（請參見圖5中的曲線）。 因此，我們改用S形函數：
已選擇該功能，因此如果對比度保持不變（對於c = 1，s = 1），則它不會改變色彩飽和度；當圖像沒有對比度（對於c = 0而言，s = 0）時，它將消除所有顏色信息。 最佳最小二乘擬合的參數顯示在圖中。
5、顏色外觀模型和顏色校正
實驗1的結果表明，理想的色彩飽和度水平以複雜且非線性的方式與對比度壓縮有關。 顏色外觀模型試圖預測視覺系統中的非線性，並提供一組感知屬性預測器，例如色彩，色度和飽和度，它們應與我們的顏色感知線性相關。 在本節中，我們測試外觀模型是否可以解釋我們在實驗中發現的非線性關係。 我們想找出在對比度壓縮後應保留哪種感知屬性，以實現與原始圖像的最佳色彩匹配。
我們選擇色調，飽和度和亮度不同的六種基本顏色，通過壓縮相對於參考白色的對比度（c∈[0,2]）使它們失真，然後使用兩種顏色校正公式（公式2和3）對它們進行處理 由實驗（公式5）中找到的模型給出的色彩校正係數s。 使用流行的外觀模型之一：CIELAB，CIELUV [Col86]，CIECAM02 [MFH * 02]和iCAM [FJ04]，將所得的顏色轉換爲色相，亮度，色度，飽和度和色彩的感知屬性預測器的空間。
從所有的感知屬性來看，CIECAM02飽和度在整個對比度變化中是最一致的，並被選擇用於圖7中的圖。其餘圖可以在補充材料中找到。 即使CIECAM02飽和度是最一致的，但圖7中的實線表示CIECAM02飽和度和對比度壓縮之間存在非線性關係。 因此，當壓縮對比度時，保留CIECAM02飽和度或根據簡單的線性規則更改它無法校正顏色。 這表明在任何考慮的外觀模型中，沒有任何感知屬性可以解釋我們的實驗數據。
6、實驗二:CIELAB中的色彩校正
在第3節中，我們討論了RGB顏色空間中簡單的色彩校正公式的侷限性，這些公式既可以保留亮度但會扭曲色相，或者更好地保留色調但會扭曲亮度。 也許如果在感知屬性的空間中沿着色度或彩色軸（沿着圖7中的色相/色度圖的半徑）對顏色進行校正，則顏色校正將更加簡單，並且生成的圖像將與 原件。 我們在以下實驗中驗證了這一假設。
CIELAB和CIELUV模型都可以輕鬆適應我們的色彩校正方案。 可以使用對比度更改公式（等式4）修改亮度，同時沿色度軸保留或修改CIELAB或CIELUV色度。 CIELAB顏色空間中的顏色校正框架如圖8所示。對於CIECAM02，找不到類似的顏色校正過程。 由於在CIECAM02中建模的色度和亮度之間存在交互作用，因此在更改亮度後，沒有色座標會導致完全相同的色彩和色調值。 只能找到原始色彩的最小二乘近似值，但是對於任何實際應用而言，這在計算上都過於複雜。 因此，我們將考慮因素限制在CIELAB顏色空間內。
實驗2具有與實驗1相同的目標和步驟，但是這次我們將參與者的數量限制爲4，並在CIELAB顏色空間中應用顏色校正，如圖8所示。實驗結果如圖9所示。 對於較小的對比度修改（0.6 <c <1.6），幾乎不需要顏色校正（sLAB≈1）。 因此，在CIELAB空間中保留色度以實現小的對比度變化應該會產生理想的結果。 這與色域映射中的常規做法一致，在色域映射中，通常在亮度/色度空間中執行顏色操作。 但是，與RGB顏色校正公式類似，要實現強對比度壓縮（c <0.6），需要使顏色飽和。
圖10在CIECAM02的色相，飽和度和亮度座標中使用與圖7中的RGB顏色校正公式相同的符號說明了sLAB顏色校正。 CIELAB中的色彩校正可以更好地保留色相和亮度（將圖10中的虛線與圖2進行比較）。 趨勢類似於圖7。趨勢證實，儘管飽和度是在對比度修改後需要最少校正的屬性，但它不能解釋對比度壓縮c <0.6時更強的去飽和度。
圖10:CIECAM02對CIELAB空間的顏色校正的預測(圖8)。符號與圖7相同，只是在右側圖中虛線表示c = 1和sLAB∈[0,2]的顏色變化(相同特徵如圖2所示)。
7. 顏色外觀模型適合色調映射嗎?
實驗2的結果表明，CIELAB色度預測器可以更好地保留對比度修改後的顏色外觀，因此，它似乎是RGB顏色空間中顏色校正的一種有吸引力的替代方法（等式2和3）。但是，CIELAB色彩空間以及CIECAM02或CIELUV不能輕鬆用於高動態範圍場景。主要困難在於就色度和絕對亮度而言，準確估計參考白色。圖11顯示，對參考白色的不同選擇會導致色調映射圖像中的顏色完全不同。在第一行中，我們假設參考白色適合於背景，在下一行中，我們假設參考白色適合於前景。在像素水平上自動估計參考白色是一個難題，儘管存在某些方法[KMS05]，但它們可能導致不可靠的估計。同時，如果對參考白色的估計不充分，CIELAB預測將完全失敗。因此，目前僅在低動態範圍場景中，CIELAB色彩空間中的全自動色彩校正纔是可行的選擇。
圖11:在保持CIELAB色度的同時，調音前後的高動態範圍圖像[MDK08]。產生的顏色強烈地依賴於CIELAB變換的絕對白點的選擇。
另一個重要的觀察是，大多數外觀模型的目標不同於我們的實驗和大多數色調映射算子的目標。外觀模型試圖預測視覺系統的所有限制的感知顏色，例如在弱光下的差色覺。在我們的研究和大多數色調映射算子，目標是保存照片的顏色，這是可以預期的顏色，在最佳相機曝光設置。這些照片的顏色在弱光下不會變淡，更接近一個特定對象的記憶顏色[BT0]。
8. 在色調映射中的應用
在本節中，我們演示了在主觀研究中發現的對比度壓縮與所需色彩校正之間的關係如何可以用於擴展全局和局部色調映射運算符。
最常見的色調操作可能是使用冪函數的對比度壓縮和增強（公式4）。圖12顯示了一個用於驗證的大型測試集的示例（完整的測試集可以在補充材料中找到）。該圖包含對比度壓縮和增強後的圖像，使用兩個顏色校正公式（等式2和3）校正了顏色，並且假定顏色校正因子等於對比度壓縮因子（s = c）或計算得出根據我們的實驗模型（公式5）。假設s = c可以對許多圖像產生令人滿意的結果。但是，此示例顯示了用於飽和度增強的過飽和圖像和對於對比度壓縮而言過於沖洗的圖像。由於強烈的飽和度，使用模型（第一行，第二列和第四列）進行顏色校正的對比度壓縮圖像可能看起來有點不自然，但是我們進行顏色校正的目的是與參考圖像最匹配，而不是最自然的外觀或偏好。另一個重要的觀察結果是，亮度保留公式（右側）通常會導致紅色的色相偏移，如第3節所述和圖7所示。
基於雙邊濾波[DD02]的色調映射可以輕鬆擴展，以包括建議的色彩校正公式。 操作員在保留細節（高頻）的同時均勻降低基礎層的對比度（低通+邊緣）。 對數域中的壓縮量等於對比度壓縮因子c。 原始算法不執行任何去飽和操作，而是使用等式1。當使用默認參數運行操作員時，這會產生良好的結果，但是會產生過飽和的顏色，以實現強烈的對比度壓縮，如圖13所示。我們採用非線性 顏色校正公式（公式2）和實驗模型（公式5）來修復過飽和的顏色。
本文提出的色彩校正公式可以不僅適用於具有已知對比度壓縮因子c的簡化算子（公式4），而且還適用於任何色調映射函數。 對比度因子可以通過對數對數圖上的色調曲線的斜率來近似，這由對數空間中色調曲線的導數給出。 表示L '= log10（L），c表示爲：
[PTYG00]中使用了類似的方法將飽和度因子s與局部對比度壓縮相關聯。 函數c（Lin）爲我們提供了每種色調級別的對比度壓縮估計，我們可以將其與任何CS關係模型（公式5）和任何色彩校正公式（例如公式2和3）結合使用。
我們修改了顯示自適應色調映射運算符[MDK08]，以包括我們的色彩校正公式（公式5）。 原始算法採用公式2補償色差，其中參數s必須手動調整。 圖14的第一列顯示，對於相同的色彩校正因子（s = 0.3），在對不同動態範圍的顯示器進行色調映射時，需要重新調整色彩校正。 提出的色彩校正模型可以補償這些差異，並自動重新調整色彩校正係數s。
超過40幅LDR和HDR圖像的全尺寸結果可以在補充材料中找到。
9、討論
本文的考慮似乎只限於全局色調映射運算符，後者僅影響低頻。 我們進行了一項試點研究，其中我們調查了局部操作（銳化蒙版）對圖像色彩的影響。 圖15顯示了具有增強（左）或縮小（右）細節（頂部）和全局對比度（底部）的圖像。 圖像清楚地表明銳化對感知的圖像色彩幾乎沒有影響。 由於銳化通常是局部色調映射運算符的主要組成部分，因此我們的色彩校正方法對那些運算符也有效。
圖13:對“雙邊”色調映射結果[DD02]進行強對比度壓縮，將原算法與帶色彩校正算法進行對比。
圖14:“顯示自適應”的色調映射[MDK08]的結果顯示減少，典型和擴展的動態範圍(從頂部到底部行)。將顏色校正係數(s = 0.3和s = 1)不變的原算法與本文提出的顏色校正結果進行了比較。在參考圖像(上面一行)中可以看到的黃色是色彩剪裁的僞影，當剪裁的顏色被遮罩(中間一行)或曝光減少(下面一行)時是不可見的。
爲了更好地隔離對比度壓縮對圖像色彩的影響，設計了所有實驗，以最大程度地減少超過顯示色域的顏色削波。 我們沒有使用顯示器的全部動態範圍來爲高飽和度的顏色保留邊距，並且我們沒有考慮非常強烈的對比度增強。 我們還允許峯值亮度爲100 cd / m2的sRGB顯示器無法提供的顏色。 我們進行了一項試點研究，在該研究中，如果將顏色裁剪到有限的sRGB色域或使用了顯示器的所有可用色域，則在測量上沒有任何差異。 但是，進一步的研究應該研究色彩剪切對必要的對比度校正的影響，尤其是對於大對比度增強而言。
10、總結和展望
色調映射不可避免地會導致圖像失真，從而影響色調和色彩的再現。在這項工作中，我們分析如何減少這種顏色失真。
本文的主要貢獻是兩個模型，這些模型在色調映射引起的對比度失真的情況下預測理想的色彩校正。 該模型與簡單且計算便宜的色彩校正公式一起使用，適用於全局色調映射運算符，併爲局部運算符提供了良好的實際結果。 我們發現，非線性色彩校正公式比亮度保持公式嚴重扭曲亮度，但引入的色相失真較小，因此更適合於色調映射。 我們對顏色外觀模型進行了實驗，該模型可能會產生較少的色相和色度失真，但由於參考白色估計值和渲染意圖不同而不適用於高動態範圍圖像。
我們的結果表明，圖像色彩受整體圖像對比度的影響，圖像對比度定義爲對數-對數圖(gamma)上的色調曲線的斜率，而不受銳化的影響。然而，對於在色調曲線上引入強不連續性的局部音調映射算子來說，這樣的整體對比是很難定義的。在局部色調映射操作之後，需要進一步研究來分離出一組影響色彩的因素。