点到圆的最近距离公式推导

点到圆的最近距离公式推导该距离公式在 CircleFittin 相关的一篇文章中用到 现实现其推导过程 设圆的一般的方程形式 任一点 P 的坐标 点 P 到圆上点得最短距离的公式 推导过程 1 由圆一般方程形式可以推导出圆的标准方程形式 nbsp nbsp nbsp nbsp nbsp nbsp nbsp 且有 即 nbsp nbsp nbsp nbsp nbsp nbsp nbsp 圆心坐标 nbsp 半径 2 点到圆的最短距离 nbsp nbsp nbsp nbsp nbsp nbsp 点到圆的最短距离等于点到圆心的距离减去半径的绝

该距离公式在 Circle Fitting相关的一篇文章中用到,现实现其推导过程:

设圆的一般的方程形式:点到圆的最近距离公式推导,任一点P的坐标点到圆的最近距离公式推导,点P到圆上点得最短距离点到圆的最近距离公式推导的公式?

推导过程:

(1)由圆一般方程形式可以推导出圆的标准方程形式:

        点到圆的最近距离公式推导,且有:点到圆的最近距离公式推导,即:点到圆的最近距离公式推导

        圆心坐标:  点到圆的最近距离公式推导;半径:点到圆的最近距离公式推导

(2)点到圆的最短距离点到圆的最近距离公式推导

       点到圆的最短距离等于点到圆心的距离减去半径的绝对值;

       那么点在圆外(点在圆内时取绝对值即可):

       点到圆的最近距离公式推导

       将点到圆的最近距离公式推导展开:

             点到圆的最近距离公式推导 代入(1)可得:

       点到圆的最近距离公式推导

      令点到圆的最近距离公式推导,且点到圆的最近距离公式推导,那么

           点到圆的最近距离公式推导

(3)综上,在点到圆的最近距离公式推导点到圆的最近距离公式推导的条件下:

         点到圆的最近距离公式推导

  

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/233931.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • ELK搭建的坑_elk技术栈

    ELK搭建的坑_elk技术栈ELK搭建的坑

    2022年10月20日
    3
  • seekg()/seekp()与tellg()/tellp()的用法详解

    seekg()/seekp()与tellg()/tellp()的用法详解对输入流操作:seekg()与tellg()对输出流操作:seekp()与tellp()下面以输入流函数为例介绍用法:seekg()是对输入文件定位,它有两个参数:第一个参数是偏移量,第二个参数是基地址。对于第一个参数,可以是正负数值,正的表示向后偏移,负的表示向前偏移。而第二个参数可以是:ios::beg:表示输入流的开始位置ios::cur:表示输入流的当前位置io

    2022年6月9日
    80
  • html中超链接使用_HTML超链接代码

    html中超链接使用_HTML超链接代码展开全部html超链接的写法是e69da5e6ba903231313335323631343130323136353331333431353431使用a标签,如:百度一下,你就知道。在html中,a标签中的a(或者A)是anchor的缩写。anchor的基本解释是锚,这些标签的作用是标明超连接的起始位置或目的位置。标签可定义锚,通过使用href属性。创建指向另外一个文档的链接(或超…

    2022年7月26日
    5
  • html 二级菜单

    html 二级菜单先放效果图:首先设置菜单的基本轮廓<divid=”nav”><ul><li><ahref=”#”>一级菜单1</a></li><li><ahref=”#”>一级菜单2</a></li><li>…

    2022年4月29日
    40
  • matlab 使用VIF存在的问题「建议收藏」

    matlab 使用VIF存在的问题「建议收藏」MinGW-w64-for32and64bitWindows-Browse/ToolchainstargettingWin64/PersonalBuilds/mingw-builds/8.1.0/threads-posix/sehatSourceForge.netAcompleteruntimeenvironmentforgcchttps://sourceforge.net/projects/mingw-w64/files/Toolchains%20targe…

    2022年5月8日
    54
  • 深度学习之softmax损失函数[通俗易懂]

    深度学习之softmax损失函数[通俗易懂]深度学习之softmax损失函数归一化向量的每个元素均大于0小于1,且和为1,所以可以将其看作归属各个类别的概率。损失函数可以看作真实类别的负对数概率,希望其越小。importnumpyasnpD=784K=10N=128#scores是分值矩阵,每行代表一个样本scores=np.random.randn(N,K)print(scores.shape)#样本标签y=np.random.randint(K,size=N)print(y.shape)#指数化分值矩

    2022年6月26日
    37

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号