In recent decades, the practice of demonstrating various static and video images to users using digital, processor-controlled, most often self-luminous devices (computer monitors, smartphone and tablet screens, etc.) has spurred the development of various methods to improve the perception of such images by means of computerized image preprocessing. This also applies to methods of preprocessing images shown to users with various refractive anomalies of the eye(s) (e.g., myopia or astigmatism) in situations where they are not armed with glasses or other corrective devices. Over the past 20+ years, researchers have published dozens of papers on this task, referred to as the precompensation task. In our opinion, the time has come to reflect on the development of scientific thought in this direction and to highlight the most important milestones in realizing the problems on the way to achieving “ideal” precompensation and in approaches to their successful solution. This is the focus of the first part of this review. In the second part, we focus on the current state of research in the stated area, highlight the problems not solved so far, and try to catch the trends of further development of image precompensation methods, paying maximum attention to neural network approaches.
Вошедшие в наш обиход практики демонстрации пользователям различных статических и видео- изображений с помощью цифровых, процессорно-управляемых, чаще всего самосветящихся устройств (компьютерных мониторов, экранов смартфонов, планшетов и т. п.) подстегнули развитие различных методов улучшения восприятия таких изображений путём их компьютерной предобработки. Это касается и методов предварительной обработки изображений, демонстрируемых пользователям с различными аномалиями рефракции глаз (например, миопия или астигматизм) в ситуациях, когда они не вооружены очками или иными корректирующими устройствами. За более чем 20 лет исследователями были опубликованы десятки работ, посвященных этой задаче, называемой задачей предкомпенсации. На наш взгляд, пришло время осмыслить развитие научной мысли в данном направлении и подсветить наиболее важные вехи в осознании проблем, стоящих на пути к достижению “идеальной” предкомпенсации, и в подходах к их успешному решению. Этому посвящена первая часть данного обзора. Во второй же его части мы фокусируемся на современном состоянии исследований в заявленной области, выделяем проблемы, не решённые до сих пор, и пытаемся уловить тенденции дальнейшего развития методов предкомпенсации изображений, уделяя максимальное внимание нейросетевым подходам.