图像和谐化是图像合成中的一个关键步骤，旨在调整复合前景的外观以解决前景与背景之间的不一致性问题。现有的方法主要在相关联的 $RGB$RGB 色彩空间中进行操作，导致特征纠缠和表示能力有限。相比之下，去相关色彩空间（例如 $Lab$Lab）具有去相关的通道，可以提供解耦的颜色和光照统计信息。本文中，我们探索了双色彩空间中的图像和谐化方法，该方法通过补充纠缠的 $RGB$RGB 特征与解耦的 $L$L、$a$a、$b$b 特征来减轻和谐化过程中的工作量。网络由 $RGB$RGB 和谐化主干、$Lab$Lab 编码模块和 $Lab$Lab 控制模块组成。主干部分是一个 U-Net 网络，用于将复合图像转换为和谐化图像。$Lab$Lab 编码模块中的三个编码器分别从 $L$L、$a$a、$b$b 通道中提取三个控制代码，这些代码通过 $Lab$Lab 控制模块操纵和谐化主干中的解码器特征。我们的代码和模型可在 \href{https://github.com/bcmi/DucoNet-Image-Harmonization}{https://github.com/bcmi/DucoNet-Image-Harmonization} 获取。