Детальная информация

Работа посвящена разработке мобильного приложения для персонализированной коррекции цветовосприятия у пользователей с нарушениями цветового зрения в режиме камеры и при работе с изображениями из галереи. Проведён анализ предметной области, включая теории цветовосприятия, классификацию нарушений и методы диагностики, а также сравнительный анализ существующих решений. В ходе работы реализовано Android-приложение на Kotlin с использованием Jetpack Compose и MVVM. Применены алгоритмы коррекции и симуляции дальтонизма на основе цветового пространства LMS с GPU-ускорением. Реализован бэкенд на Ktor для синхронизации персональных настроек между устройствами. Разработанное приложение включает семь основных функций: коррекция в режиме камеры и галереи, персональная калибровка, системный оверлей, диагностические тесты, определение цвета и образовательный модуль. Проведено многоуровневое тестирование, включая пользовательское с участием пяти человек. По результатам пользовательского тестирования все участники поставили приложению наивысшую оценку по шкале от 1 до 5.

The work is aimed at developing a mobile application for personalized color perception correction for users with color vision deficiencies in camera mode and when working with images from the gallery. An analysis of the subject area was carried out, including theories of color perception, classification of color vision deficiencies and diagnostic methods, as well as a comparative analysis of existing solutions. As part of the work, a native Android application was implemented using the Kotlin programming language, Jetpack Compose UI framework, and the MVVM architectural pattern. Algorithms for color blindness correction and simulation based on the LMS color space with GPU acceleration were applied. A Ktor-based backend was implemented to synchronize personal calibration settings across devices. The developed application includes seven main functions: camera mode correction, gallery image correction, personal calibration, system overlay, diagnostic tests, color detection, and an educational module. Multi-level testing was conducted, including user testing with five participants. Based on the user testing results, all participants gave the application the highest score on a 1-to-5 scale.