python对电子烟金属外壳图片进行DFT傅里叶变换，准确凸显划痕特征，识别划痕，请给出python代码

以下是使用Python进行DFT傅里叶变换、识别划痕的示例代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 读取图片
img = cv2.imread('e_cigarette.jpg', 0)

# 进行傅里叶变换
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
magnitude_spectrum = 20*np.log(np.abs(fshift))

# 显示原始图片和傅里叶变换后的频谱图
plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(magnitude_spectrum, cmap='gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
plt.show()

# 通过阈值过滤，识别划痕
rows, cols = img.shape
crow, ccol = rows//2, cols//2
mask = np.zeros((rows, cols), np.uint8)
mask[crow-30:crow+30, ccol-30:ccol+30] = 1
fshift = fshift*mask
magnitude_spectrum = 20*np.log(np.abs(fshift))

# 显示阈值过滤后的频谱图和识别出的划痕
plt.subplot(121), plt.imshow(magnitude_spectrum, cmap='gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(cv2.idft(np.fft.ifftshift(fshift)), cmap='gray')
plt.title('Detected Scratches'), plt.xticks([]), plt.yticks([])
plt.show()

这里使用OpenCV库进行图片读取和傅里叶变换，使用Matplotlib库进行图像显示。阈值过滤的部分使用中心矩形框选出感兴趣区域，并将其余部分置为0，以减少噪声对划痕识别的影响。最后通过逆傅里叶变换，将傅里叶变换的结果转换回原始图像，并显示出识别出的划痕部分。