编写python程序实现图形的识别

要实现图形的识别，需要用到机器学习算法。以下是一个简单的示例程序，使用支持向量机算法识别手写数字。

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import svm

# 加载手写数字数据集
digits = datasets.load_digits()

# 显示一些样本
fig = plt.figure(figsize=(4, 4))
for i in range(16):
    ax = fig.add_subplot(4, 4, i+1)
    ax.imshow(digits.images[i], cmap=plt.cm.gray_r)
    ax.axis('off')
plt.show()

# 将数据集划分为训练集和测试集
n_samples = len(digits.images)
data = digits.images.reshape((n_samples, -1))
train_data = data[:n_samples//2]
train_target = digits.target[:n_samples//2]
test_data = data[n_samples//2:]
test_target = digits.target[n_samples//2:]

# 训练支持向量机模型
clf = svm.SVC(gamma=0.001, C=100.)
clf.fit(train_data, train_target)

# 测试模型
predicted = clf.predict(test_data)
print("Classification report for classifier %s:\n%s\n"
      % (clf, metrics.classification_report(test_target, predicted)))
      
# 显示测试集中的前16个样本和预测结果
fig = plt.figure(figsize=(4, 4))
for i in range(16):
    ax = fig.add_subplot(4, 4, i+1)
    ax.imshow(test_data[i].reshape((8, 8)), cmap=plt.cm.gray_r)
    ax.set_title("Predicted: %d" % predicted[i])
    ax.axis('off')
plt.show()

运行以上代码，程序将显示手写数字数据集中的一些样本，并训练一个支持向量机模型来识别手写数字。程序还会显示测试集中的前16个样本和预测结果