利用Python代码提取shp中每个区域的图像

import geopandas as gpd
import rasterio
from rasterio.mask import mask
import matplotlib.pyplot as plt
import numpy as np

# 载入shp文件 - 它只包含几何对象
shapefile_path = r'D:\Desktop\新建文件夹 (3)\01.shp'
shapes = gpd.read_file(shapefile_path)

# 打开图像
image_path = r'D:\Desktop\新建文件夹 (3)\nir.tif'
with rasterio.open(image_path) as src:

    # 对于shp文件中的每个几何对象
    for geometry in shapes.geometry:

        # 利用geometry来裁剪图像
        out_image, out_transform = mask(src, [geometry], crop=True) # out_image的维度（c,w,h）
        # plt.imshow(out_image[0])
        # plt.show()

        # 计算裁剪区域的光谱特征（这里是计算平均值）
        # 注意检查和处理无数据值或其他特殊值
        out_image = out_image.astype('float64')
        no_data_value = src.nodatavals[0] # 提取原始图像数据源(src)中定义的第一个无数据值
        out_image[out_image == no_data_value] = np.nan # 像素赋值为NaN
        mean_values = np.nanmean(out_image, axis=(1, 2)) # 沿着给定轴（在这里是轴1和轴2，分别代表图像的高和宽）上的均值

        # 记下或分析这些特征
        print(mean_values)