在这段代码的基础上再加上计算符合条件的这个像素点和坐标原点的距离的代码

以下是修改后的代码：

import numpy as np

def get_points_within_radius(image, center, radius):
    indices = np.indices(image.shape).T.reshape(-1, 2)
    distances = np.linalg.norm(indices - center, axis=1)
    mask = distances <= radius
    points = indices[mask]
    distances = distances[mask]
    return points, distances

# Example usage
image = np.zeros((10, 10))
center = np.array([5, 5])
radius = 3
points, distances = get_points_within_radius(image, center, radius)

# Calculate distances from points to origin
origin = np.array([0, 0])
distances_to_origin = np.linalg.norm(points - origin, axis=1)

# Print results
print("Points within radius from center:", points)
print("Distances from center to points:", distances)
print("Distances from origin to points:", distances_to_origin)

在函数`get_points_within_radius`的返回值中，我们新增了一个距离数组`distances`，表示每个像素点到圆心的距离。在下面的代码中，我们使用`np.linalg.norm`计算每个像素点到坐标原点的距离，并将其保存在`distances_to_origin`数组中。最后，我们在控制台输出了结果。

注意，此处的距离都是欧几里得距离，即两点之间的直线距离。如果需要使用曼哈顿距离等其他距离度量，则需要修改代码中`np.linalg.norm`的参数。