用phython写一个图片自动识别系统

要实现一个图像识别系统，我们可以利用Python中的一些第三方库，如OpenCV和TensorFlow。以下是一个简单的示例代码：

import cv2
import tensorflow as tf

# 加载图像
image = cv2.imread('example.jpg')

# 加载训练好的模型
model = tf.keras.models.load_model('model.h5')

# 对图像进行预处理
image = cv2.resize(image, (224, 224)) # 将图像大小调整为模型输入大小
image = image / 255.0 # 归一化

# 进行预测
prediction = model.predict(image)
class_name = prediction.argmax()

# 打印结果
print('图像类别为：', class_name)

在这个示例中，我们首先使用OpenCV库中的`imread`函数加载一个名为“example.jpg”的图像。然后，我们使用TensorFlow库中的`load_model`函数加载一个已经训练好的模型。接下来，我们对图像进行预处理，将其大小调整为模型的输入大小，并进行归一化处理。最后，我们使用模型的`predict`函数对图像进行预测，并将预测结果打印到控制台上。

请注意，这只是一个简单的示例代码，可能不能完全满足您的需求。要实现一个更复杂的图像识别系统，您需要深入研究相关算法，并使用更高级的Python库和工具来实现。