AI修图科研图片的红线：实验室照片能调什么不能调什么

AI修图科研图片这件事，规矩一句话就能说死：对整张图一视同仁的操作可以碰，替样品「补画」像素的动作一步都不能沾。我在材料学实验室管了五年论文图和组会PPT，被期刊编辑当面问过一次图的问题，这句话算是用返修的六周时间换来的。

允许的调整只有一种：对整张图一视同仁

科研图片允许整图统一的亮度、对比度、伽马调整，加上不改变结论的裁剪、拼接和标注。只要改动落在「局部」，性质就变了。

我导师的原话是：「你可以把整张图调亮，但你不能只把那颗颗粒调亮。」这话不玄，落到操作上很好判断。用PS拉曲线，把暗部从0拉到12，全图同一组参数，写进图注或处理记录，这是合规的。用ImageJ调同一个阈值，同样合规。判断标准只有一条：同一操作，作用在整个画面，不带任何「我想让读者看哪里」的私心。

裁剪的边界在「结论」二字。把视野裁到样品边缘，可以；把有污染的那一角裁掉，让一张失败样品看起来干干净净，不行。拼接也是同理，不同视野拼一张全景图，中间必须加白线分隔，图注里写明「拼接图」，这是我们组的死规矩。

标注随便用：箭头、比例尺、虚线圈、假彩色都行。假彩色有一条附加要求——映射关系全图统一，不能这张用红那张用蓝，更不能手动给某个区域单独上色。手动上色那一刻，你就不是在标注，是在作画了。

AI消除噪点之后，那张图还是你的实验结果吗？

生成式消除不是删掉像素，而是编造新像素填进去，用在科研图上等于伪造数据。局部增强条带、抹背景噪点、AI超分当原图，三条都是死线。

为什么AI修图工具在实验室格外危险？因为它们的原理就不是「删除」。PS 2023版之后的移除工具、各类一键消除笔，底层全是生成式模型：它看着周围的纹理，「脑补」出一块合理的内容补上。工程图、旅拍照片里这叫智能，显微照片里这叫编造——补出来的背景不是你样品的真实状态，是模型想象中的「典型背景」。

打个比方，这就像用美颜App磨皮：痘印没了，皮肤纹理也没了，剩下的是一层模型认为「应该长这样」的塑料感。样品背景同理，抹掉十几个噪点，那片区域颗粒的统计分布就动了，而懂行的人恰恰会看分布。

局部增强条带的危害更直接。电泳图、谱图里某个条带单独加对比、单独锐化，等于把统计规律改成了结论先行。AI超分放大也一样，我试过拿Real-ESRGAN处理一张倍数不够的SEM，晶格条纹被算法补得整整齐齐，看起来比原图漂亮十倍——问题在于那是算法认为的晶格，不是你测到的晶格。这种图拿去当原图，就是给审稿人递刀。

说个我自己的翻车经历。去年10月，一张SEM图背景上有十几个碳污染亮斑，组会前一晚我偷懒，用PS移除工具一键抹掉了，视觉上确实干净。图随稿投出去，11月中审稿人2号的意见写得客客气气：「Figure 3b 的背景颗粒分布与 3a 明显不一致，请提供未处理原图并说明处理流程。」我看到那行字手心是出汗的。最后老老实实承认用了自动消除，图撤换重拍，返修多拖了六周。导师只说了一句：「审稿人看得比你细。」

这种「就顺手改一下」的心态，和我们之前写过的一场会议签到表风波是一回事——改动越小，性质越重，没人会在意你改的是噪点还是名字。

我们组跑了五年的图片SOP，你可以直接抄

原图只读存档、处理后另存新名、处理步骤写进记录、投稿随附原图，这套流程能挡住绝大多数质疑。

翻车之后我把组里的流程梳理成了几条硬规则，跑了快一年，返修时再没被图卡过：

1. 原始数据进NAS即设只读。每台设备导出的.tif、.dm3文件原样落盘，不改一个字节，文件名按「日期_样品号_位置_倍数」来。
2. 处理只在副本上做。成品图命名加_proc后缀，和原图永远隔开，杜绝「改完覆盖保存」这种事故。
3. 每张进论文的图，在figure_log.txt里记一行：日期、软件、动了哪个滑块、参数多少。写起来一分钟，被问的时候救命。
4. 备份走两份：NAS一份，4TB移动硬盘一份，每季度核对一次文件数。
5. 投稿时主动附未处理原图。编辑问图的那次，我半小时内翻出了原始.tif和处理记录，对方看完没再追问——主动交比被要体面得多。

说实话，这套流程前两年我嫌它烦，觉得是导师的强迫症。直到自己被审稿人点名那一次才明白，记录写得越啰嗦，被质疑的时候越有底气。返修那六周里，全组只有我能在半小时内翻出任意一张图的原貌，这大概就是五年图库管理员唯一的特权。

回到开头那句：数据不能碰。整图统一调整是呈现，局部修补是捏造，这条线不会因为工具一键化就移动。工具越省事，越要在动手前想清楚你按下去的这一下，改的是图，还是证据。

用修图App给实验记录照片调个色，也算违规吗？

看这张图去哪。自己留档、组内汇报时美化一下，标一句「示意图，已调色」，没问题。一旦要进论文、专利文件、结题报告，就按科研图的标准来，只做全图统一调整，且在图注里写明处理方式。

审稿人要求提供原图时，具体要交哪些文件？

三样：未经裁剪和调色的原始采集文件（.tif、.dm3、.ser等设备原生格式，别只给截图）；处理后的成品图；一句话的处理说明（软件名加参数）。如果图是拼接的，各部分原图都要给，缺一样都会被要求补材料，拖时间。

期刊嫌图分辨率不够，正确的做法是什么？

回原始数据重新导出，或者干脆重新采集。设备导出的原始文件普遍比软件预览图大得多，很多时候不是数据不够，是导出环节压缩了。用AI放大补分辨率再交上去，等于在证据链上留了个假环节，万一被要求提供原图，解释成本比重拍高得多。