图片查重的误报与漏报：为什么会误判、什么情况查不出（2026）

先说结论：两类错误方向相反，都要提前说明

任何比对系统都有两类错误：误报——把没问题的判成有问题；漏报——把有问题的放过。它们的方向正好相反，处理方式也不同：误报靠「找反例」排除，漏报靠「说明边界」应对。

图片查重常被当成「查一遍就放心了」，问题恰恰出在这里：报告干净不代表没问题，报告有标红也不代表一定有问题。这篇把两类错误的成因讲清。产品定位见FigScan 图片查重完整指南。

误报：为什么会「把像的当同一份」

四类里第一类最常见也最难自证——「为什么这两张像」的答案就是「因为它们是同一批实验的」，而这句话需要实验记录来支撑。所以我一直建议在提交前把「图—实验—原始文件」的对照关系整理好。

漏报：为什么会「把该查的放过」

漏报的成因比误报更结构化，基本可以归成三类：

第一类无法避免，只能如实说明；第二类与提交习惯有关，见旋转、翻转、裁剪过的图片还能查出重复吗；第三类与工具能力有关，选型时该追问「能不能指出具体位置」。

误报怎么排除：三步找反例

看到一条「相似度高」的结果，先不要下结论，按顺序问三句：

第一句：这两处分别来自哪次实验？答不上来，说明素材整理没做够——先补记录，再谈判断。

第二句：还有什么原因会让它们像？同批次、同仪器、同参数、规律性图形、压缩伪影——逐条排除。

第三句：像的那一块是「有内容的区域」还是「背景」？背景区域的相似度参考价值低，因为它本身缺少区分度。

三句问完，误报基本能筛掉一批。剩下的才需要回到原始文件逐处比对。这个流程与图片查重怎么做里第三段的「复核四个读法」是同一套动作。

漏报怎么应对：把边界说清楚

漏报不能被「消除」，但可以被正确表述。三条原则：

一是不要说「查过就没问题」。准确的说法是「在本次检测的库范围与粒度下未发现相似」。

二是不要把未检出当证明。未检出适合排除一部分可能，不适合作为原创性或真实性的证明。

三是保留原始文件与记录。如果后来被指出问题，能快速核对并说明，比事后补材料容易得多。

这三条在投稿场景下尤其重要：期刊与审稿人看的不只是报告，还有你对报告边界的理解。

为什么两类错误都必须写进结论

只讲「很准」，在专业场景里反而降低可信度——因为任何基于库与算法做比对的系统都必然存在这两类错误，声称不存在本身就是个信号。更可信的表述是把适用范围与限制一起给出。

判断一份报告够不够专业，可以看它有没有主动说明三件事：库的覆盖范围、比对的最小单元、以及结果的性质（线索还是结论）。第三条的读法见图片查重结果怎么看；第第三条与选型的关系见图片查重工具怎么选。

两类错误在投稿场景下的处理原则

把两类错误放到投稿流程里看，处理原则可以更具体：

三行的共同逻辑是：结论永远带着范围与粒度。把范围说清，误报不会消耗你太多时间，漏报也不会让你陷入被动。

常见问题

报告显示相似度高，一定是同一张图吗？

不一定。同批实验、同台仪器、规律性图形、压缩伪影都会造成高相似。先按「三步找反例」排除，再回到原始文件比对。

报告没标红，能不能说明我的图没问题？

不能。查重范围受限于收录库与比对粒度，「未检出」不等于「不存在」。

为什么不同平台结果不一样？

库的范围、算法与比对粒度都不同。同一份素材在不同工具上结果有差异是正常的，说明指标要连定义一起看。

怎么减少误报带来的困扰？

提交前整理好「图—实验—原始文件」的对照关系，并保留原始文件。有记录，误报很快能排除。

怎么减少漏报？

提交接近原始的版本、选择能定位到局部的工具、必要时换平台交叉验证，剩下的库范围限制无法消除。

误报和漏报哪个更值得担心？

取决于用途。用于自查时误报更烦人（浪费时间）；用于对外说明时漏报更危险（给出过强的结论）。

小结

四句话：误报来自「本来就像」，靠找反例排除；漏报来自库范围、素材处理与比对粒度三类限制；漏报不能消除，但必须正确表述；一份专业报告应当主动说明库范围、比对粒度与结果性质。

本文的产品信息来自 FigScan 官网公示，官网口径的准确率与覆盖比例本文未独立复核；具体能力以官网当前公示为准。

延伸阅读

• 图片查重怎么做 — 从素材准备到结果复核的完整流程。
• 实验图像查重覆盖哪些图像 — 九类科研图像的检测差异。
• 科研论文查重的完整流程 — 投稿前自检该排哪几步。
• WB 条带查重怎么看 — 条带、泳道与拼接痕迹的判断方法。
• 跨文献图像匹配怎么用 — 文献库范围与匹配结果的读法。
• 科研图像的处理规范 — 亮度、对比度与裁剪哪些能做。

资料来源：FigScan 图片查重官网。