要解决“不规则形状上的Zernike矩错误”，你可以使用以下代码示例来计算Zernike矩：

import numpy as np
from scipy.special import comb

def radial_poly(r, n, m):
    """计算径向Zernike多项式"""
    if (n - m) % 2:
        return 0
    rad = 0
    for k in range((n - m) // 2 + 1):
        rad += (-1)**k * comb(n - k, k) * comb(n - 2 * k, (n - m) // 2 - k) * r**(n - 2 * k)
    return rad

def zernike_moments(image, num_moments):
    """计算图像的Zernike矩"""
    height, width = image.shape
    cx, cy = width/2, height/2
    moments = []
    for n in range(num_moments):
        for m in range(-n, n+1, 2):
            moment = 0
            for y in range(height):
                for x in range(width):
                    r = np.sqrt((x-cx)**2 + (y-cy)**2) / cx
                    theta = np.arctan2(y - cy, x - cx)
                    if np.isnan(theta):
                        theta = 0
                    moment += image[y, x] * radial_poly(r, n, m) * np.exp(-1j * m * theta)
            moments.append(moment * (n + 1) / np.pi)
    return moments

# 示例用法
image = np.random.rand(100, 100)  # 生成一个随机的100x100图像
moments = zernike_moments(image, 10)  # 计算10阶Zernike矩
print(moments)

这个示例代码定义了两个函数：radial_poly用于计算Zernike多项式的径向部分，zernike_moments用于计算图像的Zernike矩。

在zernike_moments函数中，我们首先通过height和width获取图像的尺寸，然后使用cx和cy计算中心点的坐标。接下来，我们遍历所需的Zernike阶数和次数，并在每个阶数和次数下计算Zernike矩。对于每个像素，我们计算它相对于中心的距离r和角度theta，然后使用radial_poly计算径向部分，并将其乘以像素值和相应的指数部分。最后，我们将所有的矩添加到moments列表中并返回。

你可以根据需要调整代码中的参数，并根据实际情况调整Zernike矩的阶数和次数。