有python代码做，任意导入一张图像，将其转为灰度图，通过点扩散函数使其产生 运动模糊，模糊的程度和角度可以通过参数控制。再采用逆滤波对题目中运动模糊的图像进 行复原。

好的，我可以回答你的问题。这是一个图像处理的问题，需要使用Python的图像处理库。

首先，我们需要导入必要的库，如下所示：

import numpy as np
import cv2

接下来，我们可以读取一张图像并将其转换为灰度图像：

img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

然后，我们可以使用以下代码实现点扩散函数，产生运动模糊：

def motion_blur(image, angle, distance):
    kernel_size = max(abs(int(distance * np.cos(angle))), abs(int(distance * np.sin(angle)))) * 2 + 1
    kernel = np.zeros((kernel_size, kernel_size))
    cx, cy = kernel_size // 2, kernel_size // 2
    dx, dy = distance * np.cos(angle), distance * np.sin(angle)

    if dx == 0:
        kernel[cx, :] = 1
    elif dy == 0:
        kernel[:, cy] = 1
    else:
        slope = dy / dx
        intercept = cy - slope * cx
        for i in range(kernel_size):
            x = i
            y = slope * x + intercept
            if 0 <= y < kernel_size:
                kernel[int(y), x] = 1

    kernel /= kernel.sum()
    return cv2.filter2D(image, -1, kernel)

这个函数接受三个参数：图像、角度和距离。它使用cv2.filter2D函数将图像与点扩散函数卷积。

然后，我们可以使用以下代码产生运动模糊：

angle = 45
distance = 20
blurred = motion_blur(gray, angle, distance)

这个代码片段使用我们之前定义的函数将灰度图像进行运动模糊，模糊程度和角度可以通过angle和distance参数控制。

最后，我们可以使用逆滤波对模糊图像进行复原。这里我们使用cv2.filter2D函数的反函数cv2.dft：

psf = np.ones((5,5)) / 25
dft = cv2.dft(np.float32(blurred), flags=cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)
magnitude_spectrum = 20 * np.log(cv2.magnitude(dft_shift[:, :, 0], dft_shift[:, :, 1]))

deconvolved = cv2.filter2D(blurred, -1, psf) / blurred
result = cv2.idft(deconvolved, flags=cv2.DFT_SCALE | cv2.DFT_REAL_OUTPUT)
result = cv2.normalize(result, None, 0, 255, cv2.NORM_MINMAX, cv2.CV_8U)

这个代码片段首先创建一个PSF（点扩散函数），然后将其与模糊图像卷积，得到DFT（离散傅里叶变换）。接下来，它计算DFT的移位版本，并计算其幅度谱。然后，它通过将DFT除以PSF来进行逆滤波，最后使用cv2.idft函数将其转换回空域。

以上就是实现题目中要求的图像处理任务的代码。希望对你有所帮助！