使用书籍《Unity Shader 入门精要》，冯乐乐著。
文章目录
1. 笛卡尔坐标系
部分术语如下
- 基矢量（basis vector），三维坐标系的三个轴
- 标准正交基（orthonormal basis），三维坐标系的三个相互垂直，且长度为 1，这样的基矢量被称为标准正交基
- 正交基（orthogonal basis），在一些坐标系中坐标轴之间相互垂直但长度不为 1
2. 点和矢量
- 单位矢量与归一化
使矢量的模为 1。零矢量是不能被归一化的 - 矢量的点积（dot product）
公式一：
a ⋅ b = ( a x , a y , a z ) ⋅ ( b x , b y , b z ) = a x b x + a y b y + a z b z \bf a⋅b=\it (a_x,a_y,a_z )⋅(b_x,b_y,b_z )=a_x b_x+a_y b_y+a_z b_z a⋅b=(ax,ay,az)⋅(bx,by,bz)=axbx+ayby+azbz
公式二：
a ⋅ b = ∣ a ∣ ∣ b ∣ c o s θ \bf a⋅b=|a||b|\it cosθ a⋅b=∣a∣∣b∣cosθ - 矢量的叉积（cross product）
公式一：
a × b = ( a x , a y , a z ) × ( b x , b y , b z ) = ( a y b z − a z b y , a z b x − a x b z , a x b y − a y b x ) \bf a×b=\it (a_x,a_y,a_z )×(b_x,b_y,b_z )=(a_y b_z−a_z b_y,~a_z b_x−a_x b_z,~a_x b_y−a_y b_x) a×b=(ax,ay,az)×(bx,by,bz)=(aybz−azby, azbx−axbz, axby−aybx)
公式二：
∣ a × b ∣ = ∣ a ∣ ∣ b ∣ s i n θ \bf |a×b|=|a||b|\it sinθ ∣a×b∣=∣a∣∣b∣sinθ
关于叉积的方向：使用右手，手掌的四指指向方向 a，然后向方向 b 弯曲。此时大拇指指向叉积方向。
3. 矩阵
M = [ m 11 m 12 m 13 m 21 m 22 m 23 m 31 m 32 m 33 ] \bf M=\begin{bmatrix} {m_{11}}&{m_{12}}&{m_{13}}\\ {m_{21}}&{m_{22}}&{m_{23}}\\ {m_{31}}&{m_{32}}&{m_{33}}\\ \end{bmatrix} M=⎣⎡m11m21m31m12m22m32m13m23m33⎦⎤
- 方块矩阵（square matrix）
行列元素数量相同的矩阵 - 对角矩阵（diagonal matrix）
除了对角线上的元素，其余所有元素都是 0 的矩阵 - 单位矩阵（identity matrix）
一种对角矩阵，对角线上的元素都为 1.用 I n \rm I_n In 表示 - 转置矩阵（transposed matrix）
对原矩阵 M \rm M M 进行转置（就是翻转，行列互换），得到 M T \rm M^{\it T} MT - 逆矩阵（inverse matrix）
原矩阵 M \rm M M 的转置用 M − 1 \rm M^{\it -1} M−1 表示。逆矩阵满足 M M − 1 = M − 1 M = I \rm MM^{\it -1}=\rm M^{\it -1}M=I MM−1=M−1M=I如果一个矩阵有对应的逆矩阵，就说这个矩阵是 可逆的（invertible） 或 非奇异的（nonsingular），否则说是 不可逆的（noninvertible） 或 奇异的（singular）
- 正交矩阵（orthogonal matrix）
如果一个矩阵 M \rm M M 和它的转置 M − 1 \rm M^{\it -1} M−1 的乘积是单位矩阵 I \rm I I 的话（ M M − 1 = I \rm MM^{\it -1}=I MM−1=I），就说这个矩阵是正交的。
即， M T = M − 1 \rm M^{\it T}=\rm M^{\it -1} MT=M−1
3.1. 矩阵运算
-
矩阵与矩阵的乘法
A 和 B 分别为两个矩阵。若乘式 AB 成立，AB 表达的含义是：A 的第 i 行所有元素，与 B 的第 j 列的所有元素，分别相乘，并相加，构成 AB 结果矩阵的第 i 行第 j 列的元素。 -
unity 中的矩阵运算惯例
使用列矩阵，从右往左运算
如 C B A v \rm CBAv CBAv，相当于 ( C ( C ( A v ) ) ) \rm (C(C(Av))) (C(C(Av)))；
又如 v A T B T C T \rm vA^{\it T}B^{\it T}C^{\it T} vATBTCT，相当于 ( ( ( v A T ) B T ) C T ) \rm (((vA^{\it T})B^{\it T})C^{\it T}) (((vAT)BT)CT)
3.2. 齐次坐标
使用 N+1 个数来表示 N 维坐标。
一个三维坐标，其 w w w 分量设为 1；一个三维矢量，其 w w w 分量设为 0。
3.3. 矩阵变换
使用 4×4 的矩阵来表示平移、旋转和缩放。 一个基础变换矩阵可以分成 4 个部分：
[ M 3 × 3 t 3 × 1 0 1 × 3 1 ] \begin{bmatrix} {\bf M_{\rm 3×3}}&{\bf t_{\rm 3×1}}\\ {\bf 0_{\rm 1×3}}&{1}\\ \end{bmatrix} [M3×301×3t3×11]
其中， M 3 × 3 \bf M_{\rm 3×3} M3×3 表示缩放和旋转， t 3 × 1 \bf t_{\rm 3×1} t3×1 表示平移， 0 1 × 3 \bf 0_{\rm 1×3} 01×3 表示零矩阵， 1 1 1 就是标量 1。
3.3.1. 平移矩阵
平移一个位置：
[ 1 0 0 t x 0 1 0 t y 0 0 1 t z 0 0 0 1 ] [ x y z 1 ] = [ x + t x y + t y z + t z 1 ] \begin{bmatrix} {1}&{0}&{0}&{t_x}\\ {0}&{1}&{0}&{t_y}\\ {0}&{0}&{1}&{t_z}\\ {0}&{0}&{0}&{1}\\ \end{bmatrix} \begin{bmatrix} x\\y\\z\\1 \end{bmatrix}= \begin{bmatrix} x+t_x\\y+t_y\\z+t_z\\1 \end{bmatrix} ⎣⎢⎢⎡100001000010txtytz1⎦⎥⎥⎤⎣⎢⎢⎡xyz1⎦⎥⎥⎤=⎣⎢⎢⎡x+txy+tyz+tz1⎦⎥⎥⎤
平移一个矢量，不会对矢量产生任何影响：
[ 1 0 0 t x 0 1 0 t y 0 0 1 t z 0 0 0 1 ] [ x y z 0 ] = [ x y z 0 ] \begin{bmatrix} {1}&{0}&{0}&{t_x}\\ {0}&{1}&{0}&{t_y}\\ {0}&{0}&{1}&{t_z}\\ {0}&{0}&{0}&{1}\\ \end{bmatrix} \begin{bmatrix} x\\y\\z\\0 \end{bmatrix}= \begin{bmatrix} x\\y\\z\\0 \end{bmatrix} ⎣⎢⎢⎡100001000010txtytz1⎦⎥⎥⎤⎣⎢⎢⎡xyz0⎦⎥⎥⎤=⎣⎢⎢⎡xyz0⎦⎥⎥⎤
- 平移矩阵的逆矩阵就是反向平移的矩阵
- 平移矩阵不是正交矩阵
3.3.2. 缩放矩阵
缩放一个位置：
[ k x 0 0 0 0 k y 0 0 0 0 k z 0 0 0 0 1 ] [ x y z 1 ] = [ k x x k y y k z z 1 ] \begin{bmatrix} {k_x}&{0}&{0}&{0}\\ {0}&{k_y}&{0}&{0}\\ {0}&{0}&{k_z}&{0}\\ {0}&{0}&{0}&{1}\\ \end{bmatrix} \begin{bmatrix} x\\y\\z\\1 \end{bmatrix}= \begin{bmatrix} k_xx\\k_yy\\k_zz\\1 \end{bmatrix} ⎣⎢⎢⎡kx0000ky0000kz00001⎦⎥⎥⎤⎣⎢⎢⎡xyz1⎦⎥⎥⎤=⎣⎢⎢⎡kxxkyykzz1⎦⎥⎥⎤
缩放一个矢量：
[ k x 0 0 0 0 k y 0 0 0 0 k z 0 0 0 0 1 ] [ x y z 0 ] = [ k x x k y y k z z 0 ] \begin{bmatrix} {k_x}&{0}&{0}&{0}\\ {0}&{k_y}&{0}&{0}\\ {0}&{0}&{k_z}&{0}\\ {0}&{0}&{0}&{1}\\ \end{bmatrix} \begin{bmatrix} x\\y\\z\\0 \end{bmatrix}= \begin{bmatrix} k_xx\\k_yy\\k_zz\\0 \end{bmatrix} ⎣⎢⎢⎡kx0000ky0000kz00001⎦⎥⎥⎤⎣⎢⎢⎡xyz0⎦⎥⎥⎤=⎣⎢⎢⎡kxxkyykzz0⎦⎥⎥⎤
- 若 k x = k y = k z k_x=k_y=k_z kx=ky=kz，这样的缩放称为统一缩放（uniform sccale），否则称为非统一缩放（nonuniform scale）
- 缩放矩阵的逆矩阵意为缩放到原系数的倒数
- 这样只能沿着坐标轴方向进行缩放。若希望在任意方向上进行缩放，需要使用复合变换
3.3.3. 旋转矩阵
令点绕着 x x x 轴旋转 θ θ θ 度：
R x ( θ ) = [ 1 0 0 0 0 c o s θ − s i n θ 0 0 s i n θ c o s θ 0 0 0 0 1 ] \bf R_{\it x}(θ)=\begin{bmatrix} {1}&{0}&{0}&{0}\\ {0}&{\rm cos\it θ}&{\rm -sin\it θ}&{0}\\ {0}&{\rm sin\it θ}&{\rm cos\it θ}&{0}\\ {0}&{0}&{0}&{1}\\ \end{bmatrix} Rx(θ)=⎣⎢⎢⎡10000cosθsinθ00−sinθcosθ00001⎦⎥⎥⎤
令点绕着 y y y 轴旋转 θ θ θ 度：
R y ( θ ) = [ c o s θ 0 s i n θ 0 0 1 0 0 − s i n θ 0 c o s θ 0 0 0 0 1 ] \bf R_{\it y}(θ)=\begin{bmatrix} {\rm cos\it θ}&{0}&{\rm sin\it θ}&{0}\\ {0}&{1}&{0}&{0}\\ {\rm -sin\it θ}&{0}&{\rm cos\it θ}&{0}\\ {0}&{0}&{0}&{1}\\ \end{bmatrix} Ry(θ)=⎣⎢⎢⎡cosθ0−sinθ00100sinθ0cosθ00001⎦⎥⎥⎤
令点绕着 z z z 轴旋转 θ θ θ 度：
R z ( θ ) = [ c o s θ − s i n θ 0 0 s i n θ c o s θ 0 0 0 0 1 0 0 0 0 1 ] \bf R_{\it z}(θ)=\begin{bmatrix} {\rm cos\it θ}&{\rm -sin\it θ}&{0}&{0}\\ {\rm sin\it θ}&{\rm cos\it θ}&{0}&{0}\\ {0}&{0}&{1}&{0}\\ {0}&{0}&{0}&{1}\\ \end{bmatrix} Rz(θ)=⎣⎢⎢⎡cosθsinθ00−sinθcosθ0000100001⎦⎥⎥⎤
- 旋转矩阵的逆矩阵意为旋转相反角度
- 旋转矩阵是正交矩阵，并且多个旋转矩阵串联也是正交的
3.3.4. 复合变换
可以把平移、旋转和缩放进行组合。式子如下，注意列矩阵的从右到左顺序。
p n e w = M t r a n s l a t i o n M r o t a t i o n M s c a l e p o l d \bf p_{\it new}=\bf M_{\it translation}M_{\it rotation}M_{\it scale}p_{\it old} pnew=MtranslationMrotationMscalepold
- 约定的变换顺序是 “缩放、旋转、平移”。
- 对于旋转的变换顺序，unity 中顺序是 “z轴、x轴、y轴”——在此时请在矩阵乘法中按 “yxz” 的顺序进行，因为旋转会同时转动轴
4. 坐标变换
使用矩阵进行坐标变换。
进行变换的矩阵被称为过渡矩阵。因为坐标是用一维列向量表示的，因此过度矩阵应左乘上去，得到转换结果。
若想从坐标空间 C 转换为坐标空间 P，需要先用坐标空间 P 表示坐标空间 C 下的 x、y、z 轴，用三个三维列向量
x
c
\bf x_{\it c}
xc、
y
c
\bf y_{\it c}
yc、
z
c
\bf z_{\it c}
zc 表示，以及原点的相对位置
O
c
\bf O_{\it c}
Oc。
对于一个坐标空间 C 下的坐标
A
c
=
[
a
b
c
]
T
\bf A_{\it c}=\begin{bmatrix}a&b&c\end{bmatrix}^{\it T}
Ac=[abc]T，在坐标空间 P 下的坐标为：
A
p
=
O
c
+
a
x
c
+
b
y
c
+
c
z
c
\bf A_{\it p}=O_{\it c}+\it a\bf x_{\it c}+\it b\bf y_{\it c}+\it c\bf z_{\it c}
Ap=Oc+axc+byc+czc
然后使用矩阵进行表示——
转换一个位置：
A
p
=
[
x
c
y
c
z
c
O
c
]
[
a
b
c
1
]
T
\bf A_{\it p}= \begin{bmatrix}\bf x_{\it c}&\bf y_{\it c}&\bf z_{\it c}&\bf O_{\it c}\end{bmatrix} \begin{bmatrix}a&b&c&1\end{bmatrix}^{\it T}
Ap=[xcyczcOc][abc1]T
转换一个矢量：
A
p
=
[
x
c
y
c
z
c
]
[
a
b
c
]
T
\bf A_{\it p}= \begin{bmatrix}\bf x_{\it c}&\bf y_{\it c}&\bf z_{\it c}\end{bmatrix} \begin{bmatrix}a&b&c\end{bmatrix}^{\it T}
Ap=[xcyczc][abc]T
4.1. 观察空间（view space）
也称为摄像机空间（camera space）。它不是最终的屏幕空间，而是一个三维空间。
这里有个坐标变换的特殊地方。
与其他空间不同，摄像机的观察空间的正前方指向的是 -z 轴方向，是反过来的。若需要对过度矩阵进行 z 轴取反，可以左乘以下这个矩阵：
[ 1 0 0 0 0 1 0 0 0 0 − 1 0 0 0 0 1 ] \begin{bmatrix} {1}&{0}&{0}&{0}\\ {0}&{1}&{0}&{0}\\ {0}&{0}&{-1}&{0}\\ {0}&{0}&{0}&{1}\\ \end{bmatrix} ⎣⎢⎢⎡1000010000−100001⎦⎥⎥⎤
4.2. 裁剪空间（clip space）
使用裁剪矩阵（clip matrix），将顶点从观察空间转换到裁剪空间（也称为齐次裁剪空间）。
使用视锥体（view frustum） 决定裁剪空间。视锥体由六个裁剪平面（clip planes） 包围而成。视锥体有两种类型：正交投影、透视投影。
处于这块空间内部的图元会被保留，完全位于这块空间外部的图元将会被剔除，在空间边界相交的部分会被裁剪。
4.2.1. 透视投影（perspective projection）
裁剪空间由 6 个裁剪平面组成。其中有两个特殊的裁剪平面：近裁剪平面（near clip plane）、远裁剪平面（far clip plane）。它们共同决定了摄像机可以看到的深度范围。
Unity 中的 Camera 组件，通过 Field of View（简称 FOV）属性改变视锥体的张开角度；在 Clipping Planes 中的 Near Far 属性可以分别设置近裁剪平面和远裁剪平面距离摄像机的距离。
可以通过以下公式得到两个裁剪平面的高度（宽度用纵横比得到）：
n e a r C l i p P l a n e H e i g h t = 2 ⋅ N e a r ⋅ t a n F O V 2 nearClipPlaneHeight=2·Near·\rm tan \it \frac {FOV}{\rm 2} nearClipPlaneHeight=2⋅Near⋅tan2FOV
n e a r C l i p P l a n e H e i g h t = 2 ⋅ N e a r ⋅ t a n F O V 2 nearClipPlaneHeight=2·Near·\rm tan \it \frac {FOV}{\rm 2} nearClipPlaneHeight=2⋅Near⋅tan2FOV
用 Aspect 表示摄像机的纵横比，透视投影的投影矩阵如下：
M f r u s t u m = [ c o t F O V 2 A s p e c t 0 0 0 0 c o t F O V 2 0 0 0 0 − F a r + N e a r F a r − N e a r − 2 ⋅ F a r ⋅ N e a r F a r − N e a r 0 0 − 1 0 ] \bf M_{\it frustum}=\begin{bmatrix} {\rm \frac {cot \frac{FOV}{2}}{Aspect}}&{0}&{0}&{0}\\ {0}&{\rm cot \frac {FOV}{2}}&{0}&{0}\\ {0}&{0}&{\rm -\frac {Far+Near}{Far-Near}}&{\rm -\frac {2·Far·Near}{Far-Near}}\\ {0}&{0}&{-1}&{0}\\ \end{bmatrix} Mfrustum=⎣⎢⎢⎢⎡Aspectcot2FOV0000cot2FOV0000−Far−NearFar+Near−100−Far−Near2⋅Far⋅Near0⎦⎥⎥⎥⎤
把顶点乘上投影矩阵，就会这样：
M f r u s t u m [ x y z 1 ] = [ x c o t F O V 2 A s p e c t y c o t F O V 2 − z F a r + N e a r F a r − N e a r − 2 ⋅ F a r ⋅ N e a r F a r − N e a r − z ] \bf M_{\it frustum} \begin{bmatrix} x\\y\\z\\1 \end{bmatrix}= \begin{bmatrix} {x\frac {cot \frac{FOV}{2}}{Aspect}}\\ {y\rm cot \frac {FOV}{2}}\\ {-z\rm \frac {Far+Near}{Far-Near}-\rm \frac {2·Far·Near}{Far-Near}}&{}\\ {-z}\\ \end{bmatrix} Mfrustum⎣⎢⎢⎡xyz1⎦⎥⎥⎤=⎣⎢⎢⎢⎡xAspectcot2FOVycot2FOV−zFar−NearFar+Near−Far−Near2⋅Far⋅Near−z⎦⎥⎥⎥⎤
可见，经过投影的顶点， w w w 分量变为了取反后的 z，意味着裁剪矩阵会改变空间的旋向性——空间从右手坐标系换到了左手坐标系。
一个顶带你在视锥体内，转换后的坐标就需要满足：
− w ≤ x ≤ w -w\leq x\leq w −w≤x≤w
− w ≤ y ≤ w -w\leq y\leq w −w≤y≤w
− w ≤ z ≤ w -w\leq z\leq w −w≤z≤w
4.2.2. 正交投影（orthographic projection）
用 unity 的 camera 组件中的 Size 属性改变锥体竖直方向上高度的一半，正交投影的投影矩阵如下：
M o r t h o = [ 1 A s p e c t ⋅ S i z e 0 0 0 0 1 S i z e 0 0 0 0 − 2 F a r − N e a r − F a r + N e a r F a r − N e a r 0 0 0 1 ] \bf M_{\it ortho}=\begin{bmatrix} {\rm \frac {1}{Aspect·Size}}&{0}&{0}&{0}\\ {0}&{\rm \frac {1}{Size}}&{0}&{0}\\ {0}&{0}&{\rm -\frac {2}{Far-Near}}&{\rm -\frac {Far+Near}{Far-Near}}\\ {0}&{0}&{0}&{1}\\ \end{bmatrix} Mortho=⎣⎢⎢⎡Aspect⋅Size10000Size10000−Far−Near2000−Far−NearFar+Near1⎦⎥⎥⎤
使用正交投影的投影矩阵对顶点进行变换后，坐标的 w w w 分量仍然为 1。
4.3. 屏幕空间（screen space）
经过投影矩阵的变换、裁剪的操作后，就需要把视锥体投影到屏幕空间了。
4.3.1. 齐次除法（homogeneous division）
又称为透视除法（perspective division），做法是用齐次坐标系的 w w w 分量去除 x、y、z 分量，得到的坐标在 OpenGL 中被称作归一化的设备坐标（Normalized Device Coordinates, NDC）。对正交投影来说，它的裁剪空间已经是一个立方体了，齐次除法并没有实际影响。
5. 法线变换
法线（normal），又称为法矢量（normal vector）。一种方向矢量，例如用来计算光照。
需要注意转换方法。若是使用与顶点同一个变换矩阵，可能无法维持法线的垂直性。
切线（tangent），又称为切矢量（tangent vector）。
397
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
