انتقل إلى المحتوى

مستكشف التحليل الترددي

تطبيق Streamlit تفاعلي لعرض الإشارات أحادية أو ثنائية الأبعاد وعزلها وإعادة بنائها بحسب نطاقاتها الترددية باستخدام FFT و IFFT.
  • Signal Processing
  • Image Processing
التاريخ
أبريل 2025
النتيجة
تطبيق يعمل على الإنترنت لترشيح النطاقات الترددية للإشارات والصور باستخدام FFT

نظرة عامة

يتيح هذا التطبيق التفاعلي المبني على Streamlit استكشاف المكوّنات الترددية في الوقت الحقيقي للإشارات أحادية البعد والصور ثنائية الأبعاد على حد سواء، باستخدام تحويل فورييه السريع (FFT). يستطيع المستخدم رفع البيانات، وتعريف نطاقات ترددية مخصصة، وعزل محتوى ترددي محدد، وإعادة بناء الإشارة/الصورة باستخدام المكوّنات المختارة فقط. صُممت الأداة للتحليل التعليمي، وبناء النماذج الأولية البحثية، وتكوين حدس بصري.

الدافع

التحليل الترددي أساسي في معالجة الإشارات، لكنه نادرًا ما يُعرض بصريًا بشكل تفاعلي. يسدّ هذا المشروع تلك الفجوة بالجمع بين تحليل FFT وإعادة بناء يتحكم بها المستخدم، مما يسهّل فهم كيف تشكّل المكوّنات الترددية المنخفضة والمتوسطة والعالية الإشارات والصور الخام. كما يحاكي أثر الضغط وإزالة الضجيج المعتمدَين على التردد.

المنهجية التقنية

  • الواجهة الأمامية: مبنية بـ Streamlit لسهولة النشر ولواجهة مستخدم تفاعلية
  • نواة FFT: تستخدم fft و fft2 من NumPy والتحويلات العكسية المقابلة لها
  • نظام من وحدات مستقلة:
    • frequency_analyzer.py: حساب FFT، أقنعة النطاقات، الترشيح
    • main.py: منطق تطبيق Streamlit وواجهة مستخدم معتمدة على الجلسة
    • plotter.py: رسوم مبنية على Matplotlib (المجال الزمني، الطيف، الفرق)
  • الخصائص:
    • دعم البيانات أحادية وثنائية الأبعاد (.npy، .png، .jpg، إلخ)
    • نطاقات ترددية قابلة للتخصيص (حتى 8 افتراضيًا)
    • إعادة بناء انتقائية باستخدام النطاقات التي يختارها المستخدم
    • رسوم لكل نطاق + خريطة الفرق
    • مقاييس شبيهة بالضغط: نسبة % معاملات FFT المحتفَظ بها

أبرز الخصائص / المساهمات

  • تحكم في النطاقات الترددية في الوقت الحقيقي عبر مربعات الاختيار والمنزلقات
  • أقنعة مبنية على FFT وفصل للنطاقات باستخدام ترشيح شعاعي (radial) أو خطي
  • مقارنة جنبًا إلى جنب بين الإشارات/الصور الأصلية والمعاد بناؤها
  • رسم الفرق لإظهار المحتوى الترددي المحذوف
  • بنية سهلة التوسعة (مثالية للتطبيق على مسارات إزالة الضجيج أو الضغط)

النتائج والاستنتاجات

  • أظهر المشروع مفاضلات واضحة بين اختيار الترددات وأمانة الإشارة
  • حقّق تقليصًا ذا معنى للبيانات (حذف حتى ~90% من المعاملات) بتشوّه بصري ضئيل في إعادة البناء بالترددات المنخفضة (low-pass)
  • كشف مساهمات الضجيج والحواف الحادة بعزل النطاقات عالية التردد

عرض لواجهة Streamlit

تأملات

صقل هذا المشروع فهمي لتحويلات المجال الترددي وتقنيات الترشيح العملية. وأتاح لي أيضًا تطبيق نظرية الإشارات تطبيقًا عمليًا، بالجمع بين تصميم واجهة مستخدم تفاعلية والخوارزميات العددية. مستقبلًا، أخطط لتوسعته ليدعم تحويلات المويجات (wavelet transforms) وليتضمن مجموعات بيانات مرجعية (مثل إشارات ECG وصور DICOM) لاختبار أقرب إلى الواقع.

Image Processing · Computer VisionDIP-Libمجموعة أدوات تفاعلية لمعالجة الصور الرقميةDeep Learning · Time Seriesالتنبؤ بقدرة الرياح