论文图像处理这些“雷”别踩 | 学风建设

近年来，图片造假可谓是发生学术不端行为的重灾区，撤稿风波一波高过一波。

针对目前覆盖范围最广的 站撤稿观察（Retraction Watch）的案例分析显示，截至2021年1月20日，以图表为主的数据学术不端问题高居论文被撤销的原因之首。

而中国科学技术信息研究所对2007—2017年论文发表量超过20万篇的国别论文数的统计显示，中国因图片问题导致的“撤稿发文比”仅次于印度和美国。

常见图表学术不端类型

目前，根据国际上对科研与出版中的学术不端的分类，学术界一般将图片学术不端行为分为伪造、篡改、剽窃三大类型。

伪造是指伪造实验数据、编造虚假研究成果，从而得到不真实的图像；篡改是指在真实图片基础上进行人为修改、剪切、拼接等却未明显标示，破坏原始数据完整性；剽窃则是在论文中直接复制他人或自己已发表成果中的图片，未指明出处或未得到版权许可，包括整图复制后重复使用以及调整图片样式后使用等。

而在问题图片中，“伪造性能评价结果等图像”“调色后重复使用”和“反复实验，人为挑选最优结果”“复制拼图”是常见的几种类型。

《浙江大学学 （英文版）》副编审叶青承担了国内多项关于图片中学术不端行为和如何防范的研究。他在帮助期刊进行图片审读过程中所发现的图片造假案例，主要有电泳条带拼接、图片拼接、图片重复使用、背景过度修饰等。

在研究过程中，叶青发现，许多科研人员是因为对正确处理图片的规范以及图片学术不端的判断标准缺乏应有的了解，才不慎踩了造假的“雷”。

P图等于造假？

“这些对图片的亮度、对比度或色彩平衡进行整体的调整，只要不隐藏、消除或歪曲原图的信息，并不属于学术不端的范畴。”闫珺解释。

叶青认为，判定图片是否造假非常复杂，特别是伪造和篡改，需要结合具体的实验数据、修改处理、结果表达等内容进行综合判断。

国际上对于图片问题有明确的分级标准。叶青在《英文科技期刊论文图片学术不端审读方法探索与思考》一文中提到，根据主观上是否存在造假的意图以及客观上处理后的图片是否改变图片内容的展示、破坏图片的完整性，是否影响实验图片的结论，能否提供原始数据，能否重现图片处理的过程，可以把图片不当处理的行为分成4种级别。

第一种是图片存在不当处理。比如，不经说明，将对照组重复使用，或者同一图片在不同结果中展示，尽管是在同一条件下完成，但缺少说明。这类情况情节较轻，一般不会改变结果或对结果产生误导。

第二种是图片存在部分修饰或错误。比如，美化图片背景，导致部分图片信息缺失，或者删除中间无关泳道后对电泳条带进行拼接合成导致图片完整性被破坏。但从结果看，研究结论未发生改变。

图片分析师让造假无处遁形

目前，国际上大部分的英文科技期刊对于论文中图片相关的学术不端行为的检测，主要依赖于评审专家和同行学者的发现和举 。

“同行评议是一种非常成功的质量保证机制，但它并不足以防范异常的图片。”叶青坦言，“而一些新的图片剽窃检测软件还处于研发和试用阶段，误 率和灵敏度无法兼顾。”

一般而言，对于存在明显重复、裁剪、涂抹痕迹的图片，分析师可肉眼识别。而对于其他比较隐蔽、复杂的图片问题，相关人员会使用Photoshop软件以及美国研究诚信办公室提供的Droplets工具包，通过调整灰度、色差、滤镜等方法，分析图片中是否存在复制、旋转、翻转、插入、擦除、裁剪、拼接、畸变、背景不连续或其他方式的过度修饰，并进行细节比对。

虽然目前设置该流程的国际期刊仍是少数，但未来图片审查会逐步成为期刊审稿环节的重心，而不是等论文发表后再做被动处理。

叶青说，如果必须对图片进行非线性调整或删除部分信息，应该在图注或正文中公开所有操作记录；避免把从不同的凝胶、电场、曝光或实验条件下获得的图像放在同一张图中，以及在不同的图片中重复使用相同的图。如果必须这么做，要在图注或正文中进行文字说明。