<p>直接比较距离平方是最常用、最安全的做法，即判断 (x - cx) (x - cx) + (y - cy) (y - cy) < r * r，避免开方运算和浮点误差放大。</p>
用 std::hypot 或手动平方和判断点是否在圆内
直接比较距离平方是最常用、最安全的做法，避免开方运算和浮点误差放大。圆心为 (cx, cy)，半径为 r，待测点为 (x, y)，只需判断：(x - cx) * (x - cx) + (y - cy) * (y - cy) 。<br>注意用 <code> 而不是 <code>，否则点恰好落在圆周上会被误判为“不在圆内”。<br>如果必须用欧氏距离（比如需要真实距离值），可用 <code>std::hypot(x - cx, y - cy)，它比 sqrt(pow(...)) 更数值稳定，尤其对大数或小数。
整数坐标下避免 double 隐式转换导致精度丢失
当所有坐标和半径都是 int 类型时，直接写 pow(x - cx, 2) 会先转成 double 再计算，可能因 pow 的浮点实现引入微小误差，导致边界点判断出错。
应改用显式整数乘法：
– 不要用：pow(x - cx, 2) + pow(y - cy, 2) <br>– 要用：<code>(x - cx) * (x - cx) + (y - cy) * (y - cy) <br>若 <code>r 是 unsigned int，注意 r * r 可能溢出，必要时升级为 long long 或使用 1LL * r * r。
处理浮点坐标的常见坑：NaN 和无穷大
若输入坐标是 float 或 double，且可能来自用户输入、传感器或文件解析，需防 NaN 或 inf 导致比较失效（例如 NaN 恒为 <code>false）。
建议前置检查：
– 用 std::isnan(x) || std::isnan(y) || std::isnan(cx) || std::isnan(cy) || std::isnan(r)
– 或用 !std::isfinite(x) || !std::isfinite(y) || ...
一旦发现非有限值，应明确返回 false 或抛异常，不要让它进入距离计算分支。
性能敏感场景：批量判断时可向量化或提前拒绝
若要判断成百上千个点是否在同一个圆内，可考虑：
– 先用轴对齐包围盒（AABB）快速剔除：若 x cx + r || y cy + r，直接跳过距离计算
– 多点连续存储时，现代编译器常能自动向量化平方和计算，但需确保数据对齐、无别名；手动 SIMD（如 AVX2）收益明显，但仅当问题规模真正大时才值得投入
– 圆半径极小（如像素级）时，整数坐标下用查表或位运算优化反而更慢，别过早优化
立即学习“C++免费学习笔记（深入）”；
