学术伦理：图片误用比抄袭更隐蔽

一张图毁掉一篇论文

2018 年，某知名材料科学团队在一篇高影响力论文中使用了经过不当处理的显微组织照片。调查结论是：作者为了“让图片更清晰”，对图片进行了局部对比度增强和裁剪，导致不同样品之间的可比性丧失。最终论文被撤稿，几位作者的后续基金申请也受到牵连。

这个案例并不涉及数据伪造或文本抄袭，而是图片处理边界问题。它比抄袭更隐蔽，因为修改图片的出发点往往看起来是“美化”，而不是“造假”。

案例中到底发生了什么？

调查发现，作者对同一批样品的 SEM 图像做了以下处理：

• 非全局对比度调整：只增强了某些区域，掩盖了样品表面的真实形貌差异。
• 选择性裁剪：去除了“干扰”区域，而这些区域实际上包含关键的结构信息。
• 未标注的拼接：将不同视野的图片拼接成一张，却没有在图注中说明。

这些操作单独看都不算严重，但组合在一起，读者无法判断图像是否仍然代表原始观察。

为什么图片误用更难被发现？

文本抄袭可以用查重软件检测，数据造假有时可以通过重复实验验证。但图片处理：

• 通常只保留最终版本，原始文件可能丢失。
• 审稿人和读者默认图像是原始数据的忠实呈现。
• 很多期刊对图像处理规范描述模糊，作者和编辑的判断标准不一致。

可接受与不可接受的边界

通常可接受	通常不可接受
全局亮度/对比度调整，不改变数据关系	局部增强、去噪、模糊特定区域
裁剪无关边缘，保持科学内容完整	裁剪掉与结论矛盾的结构
标注比例尺、箭头、颜色编码	复制粘贴图像局部制造“新”数据
拼接同一条件下不同视野，并在图注说明	拼接不同条件或不同样品的图像而不说明

我差点踩过的线

我自己有一次为了把一组 TEM 图像调得更“干净”，用软件去掉了背景噪声。后来我意识到，那种去噪算法同时模糊了一些细小的晶格条纹。我立刻撤销处理，改用原始图像，并在图注里注明了拍摄参数。那次经历让我形成习惯：所有图片处理都必须可逆、可记录、可说明。

建立实验室的图片处理规范

• 保留原始文件，任何处理都在副本上进行。
• 对同批次图像使用相同的全局处理参数。
• 在图注中说明是否经过裁剪、拼接或伪彩色处理。
• 投稿前让至少一位不参与该实验的同事审阅图片。

工具不能替你守边界

像 PicAxe 这样的图像处理工具可以提高效率，但它不会判断你的编辑是否越界。伦理判断永远在人，不在工具。用工具时，保留操作日志和原始版本，是最基本的风险控制。

图片是实验数据最直观的证据，也是最容易被悄悄改写的证据。守住边界，就是守住你整个研究的信用。

下次你准备调整一张图时，先问自己：这个操作会不会改变读者对原始数据的理解？ 如果答案是“会”，那就不要这么做。