画质数据的呈现规范：图表与结论怎么写才不误导

同一组数据，换一种画法就能得出相反结论："灰阶偏差整体很小"与"暗部已经明显偏离"，可能来自同一份测量。数据不会误导，呈现会。这一页讲的是"结论怎么被看见"这件事 —— 它和"怎么测"一样，属于可复核的一部分。

本页按三段式走：先明确呈现的目标与常见误导（概念）→ 再按数据类型选画法、写要素与结论（会用）→ 最后弄清均值与坐标轴为什么能改变结论（原理）。

判据与留痕见判据与验收；数据字段与模板见测量数据模板与字段规范；数据入库与条件项见实测数据接入规范；差异的统计判断见测量不确定度与判定规则；对比类结论的可比性见数据互认与分歧处置。

一、概念：呈现的目标是"能被复核、不被误读"

目标	具体含义	反例
可复核	读者能按图复现结论（条件、口径、统计量齐备）	只给一张漂亮的对比柱状图
不误导	视觉印象与数据含义一致	截断坐标轴把 2% 差异画成"一倍"
可比较	不同图之间口径一致	一张图用均值、另一张用最差值
可追溯	数据来源、日期、条件可查	无来源、无日期的"实测数据"

⚠️ 一句话：图的职责不是"好看"，而是让人能判断"这个结论能不能用"。

二、概念：六种常见的误导画法

画法	为什么会误导	正确做法
截断坐标轴（不从 0 或量程起点开始）	视觉斜率被放大，微小差异显得巨大	明确标注轴范围；比较差异时同时给数值与不确定度
双轴叠加	两条不同量纲的曲线被强行"对齐"，暗示因果关系	分开两张图；或归一化后明确说明口径
只给均值	掩盖分布与最差处（单项缺陷被平均掉）	均值 + 离散度（范围 / 分位 / 最差值）
不标条件	数字脱离条件无法复核	条件写在图上或图注里（见第四节）
把不同口径画在一张图	不同公式、不同统计量被当成同一件事	同图只用一种口径；换口径另开一图
选择性呈现（只给最好的一段 / 只给中心点）	结论只对"被选中的那一小部分"成立	按判据规定的测点与区域完整呈现

✅ 判据上的对应：这六条都指向同一个要求 —— 图上出现的每个数字，都要能被追到口径、条件与原始数据。

三、会用（一）：按数据类型选呈现方式

数据类型	推荐呈现	要点
单值 + 不确定度	数值 + 不确定度（或容差带）	差异小于不确定度时不下"谁更好"的结论
分布 / 一致性	散点图、箱线式分布、分位标注	必须能看出最差样本，而不是只看均值
逐灰阶 / 逐色块序列	折线（横轴为灰阶或色块编号）	标出判据线与最差点；不要只画"平均线"
空间分布（均匀性 / 色偏）	测点网格 + 数值标注（或等值描述）	同时给口径（九点 / 多点 / 全屏）与统计量
时间序列（漂移、寿命）	折线 + 基线 + 判定线	标出复校点与环境变化，避免把"换仪器"画成"漂移"
多个对象的对比	分维度并列，而不是合成一个总分	不给跨维度加权总分（理由见感知度量与客观指标）
主观评分	分布 + 人数 + 分歧条目	人数与是否独立评价必须写在图上（见主观测试的方法学）

四、会用（二）：一张合格图的七项要素

□ 量的是什么：指标名 + 口径（公式 / 类别 / 单位）
□ 条件：模式、亮度档、图案与窗口尺寸、环境照度、测点布局
□ 统计量：均值 / 最差 / 分位（写清用哪一个，最好都给）
□ 样本：样本量、是否单台（含批次说明）
□ 不确定度或离散度
□ 来源与日期：谁测、用什么仪器、什么时候
□ 判据线（若有）：判据值与其出处

⚠️ 最容易漏的是第 ⑥ 项：没有来源与日期的数据，事后无法复核，也无法参与比对与趋势判断。

五、会用（三）：结论句怎么写

把不可复核的说法改写成可复核的句子：

不可复核的说法	可复核的写法
"暗部表现不错"	"20% 灰阶相对目标偏离 ΔE 均值 X、最大 Y（CIEDE2000，暗室，亮度档 Z）"
"均匀性还可以"	"九点亮度偏差最大值 X%（条件：…），边角最差点在左下"
"色彩很准"	"白点 ΔE 均值 X、最大 Y；饱和色最大 Z（色块集为…）"
"这台更好"	"分维度数据如下；在 A 场景下更适合，B 场景下不占优"
"基本没什么拖影"	"GtG 均值 X ms、最差 Y ms（口径与测法为…）"

三条落笔纪律：

① 分维度报数据，不给跨维度总分；要提"整体"时必须同时给分项
② 差异接近不确定度时，按判定规则写"不能判别"，别写"略优"
③ 结论必须与适用场景绑定（办公 / 游戏 / 设计 / HDR 各不同）

✅ 对应关系：结论句的强度 ≤ 证据的强度。证据只有均值，结论就不能写"全都达标"。

六、会用（四）：一张报告的自查清单

□ 每个数字都能追到条件、口径与原始数据
□ 每个图都能回答"这是多少个样本、什么条件"
□ 没有跨维度加权总分
□ 没有把不同口径的数据画在同一张图上
□ 差异小于不确定度的地方已按判定规则处理
□ 缺点与边界与优点一样明确（包括"本次未覆盖"）

原理（一）：为什么均值会掩盖单项

一组数据的均值由所有点共同决定，而"可用性"常由最差点决定：
   均匀性：一处云斑不影响均值，却决定观感
   灰阶：某一级偏差大，均值仍然"很小"
   ΔE：若干饱和色块超差，平均下来仍可"达标"
→ 于是"均值漂亮"与"存在不可接受的点"可以同时成立
→ 呈现要求因此是：**均值 + 最差 + 分布**，
   让读者能自己判断"影响的是平均体验，还是某个具体场景"

原理（二）：为什么坐标轴能改变结论

人眼对图形的判断主要依赖**斜率与面积**，而不是刻度：
   截断轴的图：同样的绝对差被画成更陡的线 → 主观被放大
   从零开始的图：微小差异被压平 → 主观被缩小
→ 两者都不是撒谎，但都改变了读者对"差异有多大"的印象
→ 稳定做法：坐标轴如实反映量程；当需要突出细节时，
   **同时标注绝对数值与不确定度**，并说明"轴已放大"
→ 这也是"图上不能只有线、必须有数"的原因

原理（三）：为什么条件缺失会让图无法复核

一份数据要能复核，必须满足"换个人也能重现"：
   缺条件 → 无法判断是否测的同一件事（图案、窗口、亮度档）
   缺口径 → 无法重算（公式、统计量不同结果可差数倍）
   缺不确定度 → 无法判断差异是否真实
→ 三条缺一，结论只能作为"提示"，不能进入验收、比对或趋势判断
→ 因此呈现规范不是美学问题，而是**判据工程的一部分**：
   图与结论是判据的载体，载体不合格，判据就不可执行

七、常见误区

误区	说明
"图越直观越好"	直观的代价常是口径缺失与印象替代数据
"细节放大更能说明问题"	放大轴必须同时给绝对数值，否则是误导
"均值就能代表整体"	单项缺陷会被平均掉，需给最差与分布
"不同指标画一起便于对比"	量纲不同，会暗示不存在的因果
"结论越肯定越专业"	结论强度受证据限制，超出即为过度陈述
"只有结论没有原始数据也能看"	无法复核，也无法在下次比对中使用
"图是给别人看的，随便画"	图与结论就是判据本体，会被引用与追责

📋 判据接口：本页属判据与治理类 —— 依此页结论做判定时，除通用条件外还必须附带判据字段集 · 判据与治理类所列字段（共 7 项）：这条判据能不能执行、能不能复现、边界在哪？缺任一项，结论不可复核，只能作降级表述。

关键概念速查

通用术语见统一速查（由统计生成，只在一处维护）。

术语	英文	含义
可复核	Reproducible	换个人能按记录重现结论
断轴	Truncated Axis	坐标轴不从量程起点开始，视觉差异被放大
离散度	Dispersion	分布宽度，与均值共同描述一组数据
最差值	Worst Case	决定可用性的那一处（常比均值更关键）
归一化对比	Normalized Comparison	把不同量纲转成可比口径后再比
适用场景	Applicable Use Case	结论成立的前提与用途范围

画质数据的呈现规范：图表与结论怎么写才不误导 ​

一、概念：呈现的目标是"能被复核、不被误读" ​

二、概念：六种常见的误导画法 ​

三、会用（一）：按数据类型选呈现方式 ​

四、会用（二）：一张合格图的七项要素 ​

五、会用（三）：结论句怎么写 ​

六、会用（四）：一张报告的自查清单 ​

原理（一）：为什么均值会掩盖单项 ​

原理（二）：为什么坐标轴能改变结论 ​

原理（三）：为什么条件缺失会让图无法复核 ​

七、常见误区 ​

关键概念速查 ​

相关文档 ​