评估HDR tonemapping算法的好坏可以从以下几个方面考虑

色彩还原度：HDR图像的色彩范围比较宽，需要将其转换为标准的色彩空间。好的HDR tonemapping算法应该能够在将HDR图像转换为标准色彩空间的过程中，尽可能地还原图像的色彩。
对比度：HDR图像的对比度较高，需要将其转换为适合显示的图像。好的HDR tonemapping算法应该能够在保留图像细节的同时，适当调整图像的对比度，使其更加适合显示。
细节保留：HDR图像中有很多细节，好的HDR tonemapping算法应该能够在将HDR图像转换为标准色彩空间和调整对比度的过程中，尽可能地保留图像的细节。
色调映射的自然度：好的HDR tonemapping算法应该能够使色调映射的转换过程自然平滑，避免出现过渡突兀或者明显的色带现象。
算法的速度和效率：好的HDR tonemapping算法应该具有高效和快速的特点，能够在短时间内处理大量的HDR图像。

具体评估算法模型

HDR-VDP-2：HDR-VDP-2是一种广泛使用的HDR图像质量评估模型，可以用于评估HDR转SDR算法的效果。该模型基于视觉感知模型，可以测量图像的对比度、色彩、细节、亮度等方面的质量，并生成质量评分。
HDR-IQA：HDR-IQA是一种基于深度学习的HDR图像质量评估模型，可以用于评估HDR转SDR算法的效果。该模型使用卷积神经网络来学习图像的特征，可以在保证高质量的前提下，提高评估的效率。
HDR-10+ QoE模型：HDR-10+ QoE模型是一种由松下公司开发的HDR图像质量评估模型，可以用于评估HDR转SDR算法的效果。该模型结合了人眼感知、色彩科学、心理物理学等多个方面的知识，可以提供较为准确的质量评价。
HVS-Metric：HVS-Metric是一种基于人眼视觉系统的图像质量评估模型，可以用于评估HDR转SDR算法的效果。该模型可以测量图像的对比度、明暗度、色彩等方面的质量，并生成综合质量评分。
HDR-VQM：HDR-VQM是一种基于视觉质量测量的HDR图像质量评估模型，可以用于评估HDR转SDR算法的效果。该模型使用多个视觉质量测量指标来评估图像的质量，并生成质量评分。

HDR-VDP 是否可以评估tonemapping的色相差异?

VDP模型考虑了人类视觉系统对亮度、对比度、边缘和细节的感知敏感度，但并没有专门针对色相差异进行建模。

如何评估tonemap 的色相差异?

CIEDE2000：CIEDE2000是一种广泛使用的色差公式，用于测量两个颜色之间的感知差异。它考虑了亮度、色度和色相之间的差异，适用于评估色相调整对图像的影响。
CIECAM02：CIECAM02是一种综合的颜色外貌模型，考虑了亮度、色度和色相等因素。它可以用于评估色相差异，并提供更全面的色彩感知度量。