刚刚过去的，可谓是科研江湖极不平静的一年。诸多“经费身价”过亿的大佬，因图像数据处理不当等问题，纷纷陷入学术造假的泥潭，甚至有人喊话涉事大佬开设PS课程，传授P图大法。
学术造假对于勤勤恳恳搞科研的人来说，简直是重磅伤害，且不说造假者可以相对轻松地赢得别人付出十倍百倍精力才能收获的成果和荣誉，更可怕的是，所谓的“成果”极有可能会引导一个错误的研究方向，让后来者浪费大量的财力和精力。
科研图片处理不端，一直是学术造假的重灾区。其实早在年，小保方晴子造假事件就已掀起了学术圈关于图像数据处理的热议。她发表在Nature上的论文中，由于电泳图首先被人看出了端倪，从而引爆了整个学术不端案。
小保方晴子Nature造假事件图片来源：BLOOMBERG
圈外的吃瓜群众看热闹看的起劲，但是广大基层科研民工却不寒而栗，默默裹紧了自己的小白褂，以后发paper的道路恐怕要更谨小慎微，生怕一不小心踩了“造假”的坑。
当年有一个翟博士引发的毕业生的论文查重惨案，这回好几个院士引发的科研图片处理不端不知又会掀起什么风波，也有很多科研小白不禁风声鹤唳，甚至认为P图就等于造假...那么，究竟什么样子的图像处理才不算是学术造假呢？二者之间的界限又是怎么界定的？
为了帮助大家远离图像造假的重灾区，避免踩学术不端的坑，我们整理了Nature官方给出的图像数据处理的一般准则和注意事项，并以大家最常用的电镜图的处理方法为教程，手把手帮大家解决科研图像处理的各种疑难。
文末福利
电镜图的上色与伪彩的规范化处理教程
获取方式详见文末
Nature：图像数据处理的基本准则
研究人员的日常：努力积累好的数据并尽可能清晰地呈现出来。那么对于图像而言，何所谓“清晰”呢？过去，由于处理技巧的匮乏，我们在实验中获得的数据与最终发表的数据没太大不同，所以高质量图像的公认标准就是——所见即所得。
如今，数字图像采集和处理工具搬除了图像完善之路上的绊脚石，为了获得更清晰、更完美、更符合实验结果的最佳图像，各种“美化”手段出现在数据的数字化处理中，比如用橡皮擦工具清除照片上的灰尘，裁剪凝胶条带，使用荧光显微照片增强特定效果……合法获取的数据经过处理后会产生比实际更理想化的图像效果。
但在Nature看来，“美化”是一种歪曲和失实，略有瑕疵的图像反而更能反映真实的世界。因此，Nature系列期刊发布了一个图像适当处理的简明指南*供作者参考。
*
转载请注明地址:http://www.1xbbk.net/jwbjj/720.html
