用python读入原始图像对图像进行傅立叶变换，计算频域图像的幅度谱检测多个不同的类冲激位置，并记录坐标spike_coords

可以使用Python中的NumPy和OpenCV库来读入原始图像并进行傅立叶变换。以下是一个示例代码：

import cv2
import numpy as np

# 读入原始图像
img = cv2.imread('image.jpg', 0)

# 进行傅立叶变换
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)

# 计算频域图像的幅度谱
magnitude_spectrum = 20*np.log(np.abs(fshift))

# 检测多个不同的类冲激位置，并记录坐标spike_coords
spike_coords = []
threshold = 100
for i in range(magnitude_spectrum.shape[0]):
    for j in range(magnitude_spectrum.shape[1]):
        if magnitude_spectrum[i,j] > threshold:
            spike_coords.append((i,j))

print(spike_coords)

这段代码会读入名为"image.jpg"的原始图像，进行傅立叶变换并计算频域图像的幅度谱。然后，它会检测幅度谱中所有大于阈值的像素点，并记录它们的坐标。这些坐标将存储在spike_coords列表中。