给出以下代码：实现K是一个M*M的线性滤波器，已知输入图像I，及其经K滤波后的图像I’，采用最小二乘法估计K的滤波核。

以下是实现代码：

import numpy as np
from scipy.linalg import lstsq

def estimate_kernel(I, I_prime, M):
    """
    :param I: 输入图像
    :param I_prime: 经K滤波后的图像
    :param M: 滤波器大小为M*M
    :return: 估计得到的滤波核K
    """
    H, W = I.shape
    N = (H-M+1) * (W-M+1)
    A = np.zeros((N, M*M))
    b = np.zeros(N)
    
    # 构建矩阵A和向量b
    idx = 0
    for i in range(H-M+1):
        for j in range(W-M+1):
            patch = I[i:i+M, j:j+M].flatten()
            A[idx,:] = patch
            b[idx] = I_prime[i,j]
            idx += 1
    
    # 使用最小二乘法求解
    K, _, _, _ = lstsq(A, b)
    K = K.reshape((M,M))
    
    return K

这里使用了 `numpy` 和 `scipy` 库，其中 `lstsq` 函数用于求解最小二乘问题。函数的输入为输入图像 `I`、经过滤波器K处理后的图像 `I_prime`，以及滤波器大小 `M`。该函数首先构建矩阵 `A` 和向量 `b`，然后使用最小二乘法求解得到滤波核 `K`。最后返回估计得到的滤波核 `K`。