C语言处理极小/极大浮点数精度问题的优化方案咨询

针对你遇到的极小/极大值浮点数坐标下四边形类型误判问题，核心是固定epsilon的绝对误差比较无法适配全范围数值，结合几何计算的数值稳定性优化，具体解决步骤如下：

1. 替换固定epsilon为「绝对+相对误差」结合的浮点数比较 #

固定epsilon的问题在于：极小值场景下，1e-10的绝对阈值可能比坐标本身还大，误判相等；极大值场景下，1e-10又太小，无法覆盖计算产生的精度误差。改用以下比较逻辑：

#include <math.h>

// 可根据实际精度需求调整这两个阈值
#define ABS_EPS 1e-12   // 处理极小值的绝对误差阈值
#define REL_EPS 1e-8    // 处理常规/极大值的相对误差阈值

// 判断两个浮点数是否在误差范围内相等
int float_eq(double a, double b) {
    double diff = fabs(a - b);
    // 极小值场景：直接用绝对误差判断
    if (diff <= ABS_EPS) {
        return 1;
    }
    // 其他场景：用相对误差，基于两个数中较大值的比例判断
    return diff <= REL_EPS * fmax(fabs(a), fabs(b));
}

// 判断浮点数是否在误差范围内为0
int float_is_zero(double val) {
    return fabs(val) <= ABS_EPS || fabs(val) <= REL_EPS * fabs(val);
}

这个逻辑既覆盖了极小值的绝对误差判断，又用相对误差适配了常规和极大值场景，避免单一阈值的局限性。

2. 优化几何计算的数值稳定性 #

计算A'、B'、C'这类衍生点时，避免可能导致精度丢失的运算：

• 优先用加法代替减法（比如计算平行四边形第四个点时，用A.x + C.x - B.x而不是(A.x - B.x) + C.x，减少中间值的精度损失）；
• 对极小/极大坐标做归一化处理：将所有点的坐标缩放至[-1, 1]区间，避免计算边长平方、点积时出现下溢（极小值平方后变成接近0的数）或溢出（极大值平方超出double范围）。示例代码：

// 归一化3个点的坐标，避免下溢/溢出
void normalize_3points(double *ax, double *ay, double *bx, double *by, double *cx, double *cy) {
    double coords[] = {*ax, *ay, *bx, *by, *cx, *cy};
    double max_val = 0.0;
    for (int i = 0; i < 6; i++) {
        max_val = fmax(max_val, fabs(coords[i]));
    }
    // 所有点都接近原点时无需缩放
    if (max_val < ABS_EPS) {
        return;
    }
    *ax /= max_val;
    *ay /= max_val;
    *bx /= max_val;
    *by /= max_val;
    *cx /= max_val;
    *cy /= max_val;
}

在计算衍生点前调用这个函数，确保后续运算都在稳定的数值范围内。

3. 调整四边形类型的判定顺序 #

判定逻辑的顺序直接影响结果，必须遵循从特殊到一般的优先级：

1. 先判断是否为正方形：四边相等（用float_eq比较边长平方）且邻边垂直（点积用float_is_zero判断为0）；
2. 再判断是否为菱形：四边相等，但邻边不垂直；
3. 接着判断是否为矩形：邻边垂直，但四边不全相等；
4. 最后判定为平行四边形。

错误的判定顺序（比如先判断矩形再判断正方形）加上浮点数误差，很容易导致菱形被误判为正方形。

4. 验证边缘测试用例 #

针对你提到的极小值菱形场景，构造测试用例验证：
比如输入A(1e-16, 0)、B(0, 1e-16)、C(1e-16, 2e-16)，计算C'后，用优化后的逻辑应该能正确判定为菱形而非正方形。

内容的提问来源于stack exchange，提问作者Jakubito