直接用距离公式等于半径判定圆上点几乎总会失败,因浮点舍入误差使理论在圆上的点计算距离不等于r;应改用容差比较,如abs(dist - r)
浮点数比较导致的“看似在圆上却判定失败”
直接用
sqrt((x - cx)*(x - cx) + (y - cy)*(y - cy)) == r判定几乎总会失败——浮点运算存在舍入误差,哪怕点理论上在圆上,计算出的距离也大概率不等于r。哪怕用abs(dist - r) ,仍可能因尺度失配误判(比如半径是 <code>1e6时,1e-9远小于机器精度相对误差)。正确做法是避免开方,改用平方距离与半径平方比较,并引入相对容差:
- 计算平方距离:
(x - cx)*(x - cx) + (y - cy)*(y - cy)- 计算
r * r(注意:若r是浮点数,确保不重复计算)- 判断:
abs(sq_dist - r_sq) ,其中 <code>epsilon取1e-10或更小,取决于坐标量级C++中推荐的健壮判定函数写法
封装成函数时,需处理边界情况(如
r 、无穷坐标),并统一使用 <code>double避免单精度累积误差:bool onCircle(double x, double y, double cx, double cy, double r) { if (r < 0) return false; // 负半径无意义 if (!std::isfinite(x) || !std::isfinite(y) || !std::isfinite(cx) || !std::isfinite(cy) || !std::isfinite(r)) return false; <pre class="brush:php;toolbar:false;">double dx = x - cx; double dy = y - cy; double sq_dist = dx*dx + dy*dy; double r_sq = r * r; double diff = std::abs(sq_dist - r_sq); double scale = std::max({sq_dist, r_sq, 1.0}); return diff <= 1e-12 * scale;}
立即学习“C++免费学习笔记(深入)”;
关键点:
- 不用
sqrt,避免额外误差和性能损耗- 容差随尺度自适应(
1e-12 * scale),比固定阈值更可靠- 显式检查
std::isfinite,防止 NaN 或 inf 传播当需要更高精度或整数坐标时的特殊处理
如果所有输入都是整数(如像素坐标、网格点),且半径平方也是整数,可完全避免浮点误差:
- 用
long long存储平方距离和r*r,防止溢出(注意:坐标范围大时需检查溢出)- 直接判断
sq_dist == r_sq,无需容差- 示例:
onCircleInt(3, 4, 0, 0, 5)→(3-0)^2 + (4-0)^2 == 25→true但一旦涉及除法、旋转、缩放等操作,坐标大概率转为浮点,此时必须回归带容差的平方比较。
常见误判场景与调试建议
实际调试时,常发现“明明画出来就在圆上,代码却返回 false”。典型原因包括:
- 传入的
r是直径而非半径(检查变量命名和单位一致性)- 坐标系 y 轴方向反了(如 OpenGL 与图像坐标系差异),导致
y - cy符号错- 使用了
float类型,中间计算溢出或精度丢失(尤其大坐标时)- 调试打印用了
std::cout 默认只显示 6 位小数,掩盖了真实误差值建议打印完整精度:
std::cout真正难的不是公式本身,而是意识到“精确位于周界线”在计算机里从来不是数学意义上的相等,而是一个尺度敏感的近似区间。
相关文章
C++返回值优化RVO怎么回事
C++怎么调用TensorRT部署深度学习模型
C++在开发嵌入式设备时怎么使用RTT(Real Time Transfer)技术替代低速串口打印日志
C++ 怎么在嵌入式固件中实现内存越界金丝雀(Canary)防护检测
C++如何让关键交易逻辑代码绝对避免触发任何动态内存分配
相关标签:
本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
热门AI工具
相关专题
c++和c语言的区别:1、面向对象编程(OOP)支持不同;2、新增特性不同;3、标准库不同;4、编译方式不同;5、命名空间不同等等。想了解更多c++的相关内容,可以阅读本专题下面的文章。
2248
2024.03.14
一般建议先学习C++,再学习Python,因为这样可以逐步从较为底层的编程语言向更高级的语言过渡。想了解更多python的相关内容,可以阅读本专题下面的文章。
1019
2024.03.14
Python易于学习,广泛应用于Web开发、数据科学和人工智能等领域,但性能较低。C语言性能高,适用于对性能要求较高的场景,如游戏开发和系统编程,但学习曲线陡峭,错误处理复杂。想了解更多python的相关内容,可以阅读本专题下面的文章。
447
2024.03.14
c语言和c++是两种不同的编程语言,虽然有相似之处,但存在显著差异。c语言专注于过程式编程和系统级开发,以简洁、高效著称。c++作为c语言的超集,引入了面向对象编程,增强了代码组织和管理能力,但学习曲线也更陡峭。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。
327
2024.03.14
初学者选择学习c语言还是c++语言,需要根据个人学习目标、背景以及编程兴趣和预期应用方向来决定。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。
426
2024.03.14
c语言和c++是计算机科学领域应用广泛的编程语言。虽然它们有着相似的基础,但它们在语言类型、语法功能和内存管理方面存在着显著差异。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。
600
2024.03.14
对于 ide,可通过打开设置,找到语言设置,选择中文,并保存更改。对于非 ide 应用程序,可查找设置或选项,选择语言设置,更改为中文,并保存更改。想了解更多c++的相关内容,可以阅读本专题下面的文章。
1409
2024.03.21
Python以其易学性、丰富的库和活跃的社区而著称,适合数据科学、人工智能和Web开发。Java以其跨平台性、企业级应用开发和Android应用开发而闻名。C++以其底层控制能力、高效性能和游戏开发而著称。选择哪种语言取决于个人兴趣、职业方向和特定需求。想了解更多python和java和c++的相关内容,可以阅读本专题下面的文章。
1217
2024.03.22
本专题介绍Gradle插件开发的基本流程,涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法,帮助你理解插件如何组织构建逻辑,减少多个项目之间的重复配置。
0
2026.10.22
热门下载
相关下载
精品课程
最新文章










