数字图片应该进行最小程度的处理

这条准则是图片处理的基石——图像数据也是数据，应该被当作数据来对待。改变图片数据被认为是不可接受的，但许多人认为清理图像数据是可以的。一般来说，“这样做的目的不是为了欺骗”，而是为了简化数据，让读者更容易理解。

清理图片数据的背景（Clean up background）

在这个例子中，Clancy博士使用图片编辑软件删除了数据。例图来自FigShare

(https://doi.org/10.6084/m9.figshare.12495611.v1)。虽然像这样清理数据可能不会影响整体的解释，但它被认为是不好的做法。被删除的数据可能与研究无关。然而，对一些读者来说，它可能是“真实的并在生物学上是意义重要的”，或者随着时间的推移，随着更多的信息变得可用，对图片的解读可能会改变。

裁剪（Cropping）

通常的做法是去除凝胶或Western blot中不相关的部分。然而，这是不可接受的裁剪图片的方式，这会导致数据失真或删除了必要的信息。

许多期刊鼓励作者提交未经处理的完整凝胶供同行评审，或者至少包括带上和带下的一定面积。“合理的指南是保留背景上下的5个带宽。”读者可能会怀疑这种剪裁，因为这表明作者可能试图在附近隐藏另一个波段。将被比较的图片应该被裁剪到相同的大小。

拼接（Splicing）

在可能的情况下，应该避免将图片拼接在一起。如果不可能在单一凝胶上进行实验，例如，如果你有许多样品，可能需要将两种不同凝胶的数据拼接在一起。拼接应在图片中明确表示(通常在剪接之间有空白或黑线)，并在图片说明中加以描述。带子不应该拼接在一起，看起来像是来自同一种凝胶。

在这个例子中，我们将来自不同凝胶的带并列在一起，给人一种它们来自同一凝胶的印象。

图来自FigShare 

(https://doi.org/10.6084/m9.figshare.12495611.v1)。

简单调整（Simple adjustments）

简单调整——例如，亮度/对比度，应用于图片中的每个像素——可以均匀地应用于整个图像;然而，数据并没有被完全遮蔽或丢失。

应该避免对图像中的特定特征进行增强或模糊的调整。为了强调特定的特征，在适当的地方使用箭头或假色。

在这个例子中，我们调整了一个波段，使其强度更均匀。图来自FigShare

(https://doi.org/10.6084/m9.figshare.12495611.v1)。

调整应统一应用于将相互比较的图像

在这个例子中，对曝光的调整并没有对所有的图像进行统一的应用。

图来自FigShare

(https://doi.org/10.1371/journal.pone.0042720.g004)。这是对作者最初观察到的情况的误读。

内参（Loading controls）

必须在同一块凝胶上使用实验抗体和内参抗体。如果这是不可能的，应在图片说明中披露和证明。在不同的实验中重复使用内参条带是不允许的。

“使用内参的目的是观察不同样品在同一块胶的表达水平的一致性，从而实现标化。正是在这种控制下，才校准了感兴趣的蛋白条带水平的变化。”

创造性的显微图（Creative micrographs）

你可能会想把不同显微镜领域的有趣特性合并到一张显微镜照片中，特别是在目标杂志图片数量有限制的情况下。但是，这种做法是不能接受的。

在这个例子中，我们将两个独立的显微镜领域的特征合并为一个。

图来自FigShare

 (https://doi.org/10.6084/m9.figshare.1254461.v2)。

如果你犯了一个错误（If you make a mistake）

使用图像处理来修复错误是非常诱人的，例如，如果你在凝胶上加载了太多的蛋白质，导致了过度饱和的条带。数字调整波段，使其看起来不那么饱和，可能对数据的整体解释没有任何影响; 但是，这并不是对你所观察到的情况的准确描述。

在数据收集阶段，应尽一切努力获取尽可能高质量的图像。实验阶段制作精美的图片可能需要多次重复实验和相当的科学技巧。

非线性调整（Non-linear adjustments）

非线性调整——例如，伽马图像仅涉及到图像中某些特定像素的变化——应该在图注或材料和方法中加以描述和证明。

例如伽马设置中，仅在绿色通道上调整为0.45。为了清楚地显示胶质细胞体的相关结构，这是必要的。

处理应该只在副本上进行（Processing should only be done on a copy）

图像处理应在未处理RAW图像数据文件的副本上执行。你应该始终保留未处理的原始图像数据。这可以帮助你避免延迟发表，甚至是尴尬的更正或撤稿。

结论

关于这个话题Rossner 和Yamada的论文写道：

数据必须直接报告，而不是通过过滤器，基于你认为它们“应该”向读者说明什么。

你对于数字图像进行的每一次调整，都要问自己一个重要的问题: 调整后的图像仍然是原始数据的准确表示吗? 

如果这个问题的答案是“不”，你的行为可能会被理解为不当行为。

转自：国际科学编辑