使用Python中的src（源码）创建一个用于图像识别的工具。

要创建一个用于图像识别的工具，我们可以使用Python中的OpenCV库和机器学习算法来实现。以下是一个简单的示例，对给定的图像进行人脸检测。

首先，确保已经安装了OpenCV库。可以使用以下命令通过pip安装：

pip install opencv-python

然后，我们需要准备一个训练好的人脸检测模型。这里我们使用的是OpenCV自带的人脸检测模型 "haarcascade_frontalface_default.xml"。您可以从OpenCV的GitHub存储库中获取此文件。

接下来，我们可以编写一个函数来加载模型和进行人脸检测。以下是一个示例代码：

import cv2

def detect_faces(image_path):
    # 加载人脸检测模型
    face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
    
    # 读取输入的图像
    image = cv2.imread(image_path)
    
    # 转换图像为灰度
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # 在灰度图像上进行人脸检测
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
    
    # 在原始图像上绘制人脸矩形框
    for (x, y, w, h) in faces:
        cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)
    
    # 显示带有人脸检测结果的图像
    cv2.imshow('Faces Detected', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 调用函数进行人脸检测
detect_faces('image.jpg')

在上面的示例中，我们首先加载了人脸检测模型，然后读取了输入的图像。接下来，我们将图像转换为灰度，以便进行人脸检测。然后，我们使用detectMultiScale函数检测人脸，并在原始图像上绘制矩形框来标记人脸位置。最后，我们显示结果图像，并等待用户关闭窗口。

您可以将上述代码保存为Python文件并运行。确保将'haarcascade_frontalface_default.xml'文件放在同一目录下，或者根据实际位置进行引用。

这只是一个简单的示例，展示了如何使用Python的OpenCV库进行图像识别。如果您想进行更复杂的图像识别任务，可以尝试其他算法或模型，例如深度学习模型。