图像合成是图像编辑领域中的基础操作。然而，前景与背景之间不协调会显著降低合成图像的质量。图像调和任务旨在通过调整前景，提升其与背景的一致性，是图像合成中至关重要但极具挑战性的环节。以往基于深度学习的方法主要聚焦于直接学习从合成图像到真实图像的映射关系，却忽略了背景在调和过程中所起的关键引导作用。本文基于“前景需被转换至与背景相同的域”的假设，将图像调和任务建模为背景引导的域迁移问题。为此，我们提出了一种新型图像调和网络，包含一个创新的域码提取模块以及专门设计的三元组损失函数，能够有效捕捉背景的域特征，并以此指导前景的调和过程。在现有图像调和基准数据集上的大量实验结果表明，所提方法具有显著的有效性。代码已开源，地址为：https://github.com/bcmi/BargainNet。