射线法通过从待测点向右引水平射线并统计与多边形边的交点数判断内外：奇数次在内，偶数次在外；需满足多边形闭合、边不自交等前提，并用半开区间规则规避顶点与浮点误差问题。
射线法核心逻辑：为什么从点向右发一条水平射线就能判断
射线法本质是数交点：从待测点向任意方向（通常选正右方向）引一条无限长射线，统计它与多边形边界的交点数量。奇数次相交 → 点在内部；偶数次（含 0）→ 在外部。关键前提是多边形**顶点不共线、边不自交、且为闭合环状结构**（首尾点可不重合，但算法需按顺序连接）。
实际编码中，要避开两个典型陷阱：浮点精度导致的误判（比如点恰好落在边上）、射线穿过顶点时重复计数。主流解法是约定只统计“严格相交”且“仅当边的两个端点一个在射线上方、一个在下方或等于点的 y 坐标但 x 更大”——即采用 半开区间规则：对每条边 (x1, y1)-(x2, y2)，仅当 min(y1, y2) 且交点 x 坐标 > px 时才计入。
Python 实现要点：避免用 shapely 时的隐式开销
直接调用 shapely.geometry.Point.within() 虽快，但依赖 C 扩展和完整几何对象构建，对轻量级判断（如每帧检测数千个点）会造成明显 GC 和内存压力。纯 Python 射线法只要保证输入是 list[tuple[float, float]] 形式的顺时针或逆时针顶点列表，即可零依赖运行。
推荐实现中需注意：
- 预检查点是否与任一顶点重合 → 直接返回
True（按惯例，边界属于内部） - 跳过所有 y 坐标与点相同的边（水平边），除非点就在该边上（需额外线段包含判断）
- 对每条非水平边，用叉积快速判断是否跨过当前点的水平线，再解直线方程求交点 x 坐标，**不推荐用斜率公式**（除零风险 + 浮点误差放大）
- 使用
math.isclose()判断点是否在线段上，而非==
性能敏感场景下的优化技巧
当需批量判断大量点（如图像掩码生成、碰撞检测）时，原始 O(n) 每点复杂度会成为瓶颈。可提前做三件事：
- 对多边形顶点做
min_x, max_x, min_y, max_y包围盒，点不在盒内直接返回False（90%+ 的点可在此拦截） - 将顶点 y 坐标排序并建立区间索引（如用
bisect），使每次只需遍历可能相交的边子集，而非全部 n 条边 - 若多边形固定、点动态变化，可预计算边的参数化表示（如
Ax + By + C = 0系数），避免循环中重复算除法
实测：对 100 个顶点的多边形，10 万次点查询，纯 Python 射线法（带包围盒）耗时约 120ms；未加包围盒则升至 450ms+。
边界情况处理：点落在边上、顶点上、或自相交多边形
标准射线法默认将边界视为内部，但实际中常需区分 inside / on_boundary / outside。此时必须单独增加边检测逻辑：
- 遍历每条边，用向量点积 + 范围检查判断点是否在线段上（条件：点到两端距离之和 ≈ 线段长度，且三点共线）
- 若点与某顶点
math.isclose(px, vx) and math.isclose(py, vy)，直接标记为 on_vertex - 对自相交多边形（如八字形），射线法仍可用，但语义变为“奇偶填充规则”，不是“非零环绕规则”。若需后者，必须改用 winding number 算法
真正容易被忽略的是：**射线法无法可靠处理退化多边形**（如三点共线形成的“扁平”三角形），此时应先调用 is_convex 或最小面积检测做预过滤。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
