Zakładając, że teoria Maxwella była prawdziwa, połączony obraz trzech monochromatycznych zdjęć wyświetlony za pomocą trzech rzutników i filtrów o takich samych kolorach powinien być postrzegany jako kolorowy obraz.
Zdjęcie Sutton osobiście przygotował cztery filtry, za które służyły naczynia wypełnione barwnymi roztworami: czerwony, zielony, niebieski oraz żółty, i korzystając z każdego z nich zrobił jedno zdjęcie kolorowej tartanowej wstążeczki (zdjęcie zrobione przez żółty filtr nie było użyte w czasie wykładu Maxwella). Zielony filtr był roztworem chlorku miedzi(II), czerwony zawierał rodanek żelaza(III), niebieski był amoniakalnym roztworem siarczanu miedzi(II). Zdjęcia były robione w popularnym wówczas procesie kolodionowym. Do uzyskania zdjęcia robionego przez filtr niebieski wystarczyło 6 sekund naświetlania, około dwa razy więcej niż dla zdjęcia robionego bez filtra. Na pierwszym zielonym zdjęciu nie pojawił się żaden obraz pomimo 12-minutowego czasu naświetlania, dopiero po rozcieńczeniu płynnego filtra udało się uzyskać drugie zdjęcie, ponownie po 12 minutach naświetlania, Zdjęcie zrobione przez filtr czerwony wymagało 8 minut naświetlania.