100张图片作为识别训练集，每张图片内都有一个黑色框形，用python识别出并提取该框形，以棋盘格坐标，按4:6平均划分区域后，输出图片

首先，需要使用 OpenCV 库读取并处理图片，然后使用图像处理技术检测出黑色框形。可以使用以下步骤：

1. 导入所需库：

import cv2
import numpy as np

2. 读取图片：

img = cv2.imread('image.jpg')

3. 转换为灰度图像：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

4. 使用二值化将图像转换为黑白图像：

ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

这里使用了 Otsu 自适应二值化算法。

5. 查找轮廓并筛选出黑色框形：

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    # 计算轮廓面积
    area = cv2.contourArea(cnt)
    if area > 1000 and area < 10000:
        # 计算轮廓周长
        perimeter = cv2.arcLength(cnt, True)
        # 多边形逼近
        approx = cv2.approxPolyDP(cnt, 0.01 * perimeter, True)
        # 判断是否为矩形
        if len(approx) == 4:
            x, y, w, h = cv2.boundingRect(cnt)
            # 绘制矩形
            cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
            break

这里使用了 findContours 函数查找轮廓，arcLength 函数计算轮廓周长，approxPolyDP 函数进行多边形逼近，boundingRect 函数计算矩形边界框。

6. 将图片划分为 4x6 的网格，并输出分割后的图片：

rows, cols, _ = img.shape
row_step = rows // 4
col_step = cols // 6

for i in range(4):
    for j in range(6):
        roi = img[i*row_step:(i+1)*row_step, j*col_step:(j+1)*col_step]
        cv2.imshow('ROI', roi)
        cv2.imwrite('ROI_{}_{}.jpg'.format(i, j), roi)
        cv2.waitKey(0)

这里使用了 shape 函数获取图片的高度和宽度，然后按照 4:6 的比例分割为若干个小区域，逐个输出。使用 imshow 函数显示分割后的小区域，使用 imwrite 函数将小区域保存为图片，使用 waitKey 函数等待用户按下任意键。

最终代码如下：

import cv2
import numpy as np

# 读取图片
img = cv2.imread('image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

# 查找轮廓并筛选出黑色框形
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    area = cv2.contourArea(cnt)
    if area > 1000 and area < 10000:
        perimeter = cv2.arcLength(cnt, True)
        approx = cv2.approxPolyDP(cnt, 0.01 * perimeter, True)
        if len(approx) == 4:
            x, y, w, h = cv2.boundingRect(cnt)
            cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
            break

# 划分为 4x6 的网格并输出分割后的图片
rows, cols, _ = img.shape
row_step = rows // 4
col_step = cols // 6

for i in range(4):
    for j in range(6):
        roi = img[i*row_step:(i+1)*row_step, j*col_step:(j+1)*col_step]
        cv2.imshow('ROI', roi)
        cv2.imwrite('ROI_{}_{}.jpg'.format(i, j), roi)
        cv2.waitKey(0)

cv2.destroyAllWindows()