机器视觉中计算点面距离python

在机器视觉中，计算两个点（通常是像素坐标）到某个面（比如图像中的直线、圆、矩形等几何形状）的距离，通常需要一些几何变换和数学计算。Python中有许多库可以方便地处理这个问题，如`numpy`、`opencv-python`等。

下面是一个简单的例子，假设我们有一个二维平面内的圆形（通过圆心和半径描述），想要计算一个点到这个圆的距离：

import numpy as np

def point_to_circle_distance(x, y, center_x, center_y, radius):
    # 计算点到圆心的欧氏距离
    distance = np.sqrt((x - center_x)**2 + (y - center_y)**2)
    
    # 检查是否在圆内（小于等于半径）
    if distance <= radius:
        return distance
    else:
        return radius  # 点在圆外，返回最近的边缘距离（即半径）

# 示例
point = [50, 60]  # 需要计算距离的点
circle = (100, 100), 50  # 圆心坐标和半径
distance = point_to_circle_distance(*point, *circle[0], circle[1])
print(f"点 ({point[0]}, {point[1]}) 到圆的距离是: {distance}")