在提供的Python代码中，并未直接发现明显的行列式形状不一致的问题，但确实有一些潜在的地方可能会引发形状不匹配或维度不兼容的情况。以下是针对可能引起形状不一致问题的部分进行修正和改进建议： ### 1. `getMotionDsf` 函数 该函数生成了与输入图像相同大小的PSF矩阵。如果图像不是正方形，则PSF的中心位置计算可能存在偏差。可以改进为中心位置的计算更加鲁棒。 #### 修改前： ```python xCenter = img.shape[0] // 2 yCenter = img.shape[1] // 2 ``` #### 修改后： ```python xCenter = img.shape[0] // 2 yCenter = img.shape[1] // 2 halfDist = dist // 2 for i in range(dist): xOffset = round(sinVal * i) yOffset = round(cosVal * i) PSF[int(xCenter - xOffset), int(yCenter + yOffset)] = 1 ``` 并且确保PSF是奇数尺寸以保证有一个明确的中心点。 ### 2. `makeBlurred` 和其他涉及FFT操作的函数 这些函数使用了FFT变换来实现卷积，在此过程中需要注意图像和PSF的尺寸是否一致。通常情况下，应该对较小的那个进行零填充到较大的尺寸，或者两者都填充至相同的较大尺寸。 #### 修改建议： 可以在所有需要FFT运算之前，先检查并调整图像和PSF的尺寸： ```python def pad_to_same_shape(img, psf): """Pad the smaller array to match the shape of the larger one.""" max_shape = tuple(max(a, b) for a, b in zip(img.shape, psf.shape)) padded_img = np.pad(img, [(0, ms-isize) for isize, ms in zip(img.shape, max_shape)], mode='constant') padded_psf = np.pad(psf, [(0, ms-psize) for psize, ms in zip(psf.shape, max_shape)], mode='constant') return padded_img, padded_psf # 在使用FFT之前应用此函数 padded_img, padded_psf = pad_to_same_shape(img, PSF) fftImg = np.fft.fft2(padded_img) fftPSF = np.fft.fft2(padded_psf) + eps ``` 这样可以确保无论原图像还是PSF都是相同尺寸后再做FFT运算。 通过以上两步改动，基本上可以解决大多数由于形状不一致导致的问题。同时保持原有功能不变，即能够正确地模拟运动模糊以及后续的各种滤波恢复过程。请注意，具体实现时还需要结合实际需求测试效果，确保没有引入新的bug。