计算机图形学CG入门 | 视图变换

视图变换的目的就是将三维空间中以 (x, y, z) 表示的物体变换到二维坐标系中，以像素（pixels）为基本单位表示。

一、相机变换

以相机作为坐标原点的一个参考系，从世界空间变换到相机空间，就是把物体从世界坐标系，变换到相机为原点的相机坐标系。

1. 相机的表示

相机可以用三个向量来表示，如图：

其中：
向量 e 为相机相对于标准基xyz在空间中的位置
向量 g 为相机看向物体的方向单位向量)
向量 t 为相机朝上的方向

相机变换：将相机变换到标准基上，即位置移到原点，相机的视角g对应-z方向（规定的正方向），t对应y轴方向（也是规定y指向上方），变换物体位置使得变换后相机和物体的相对位置不改变。

具体分为两步：

（1）将相机的位置移到原点处

这一步比较容易理解，即进行一个平移操作，将所有点的坐标都减去相机现在的位置，这样我们就得到了平移矩阵T。

（2）变换坐标系以相机为标准基

这一步需要思考理解，逆向思考。

要想将uwv坐标系变换到xyz坐标系，那么我们如果能得到将xyz坐标系旋转至uwv坐标系的旋转矩阵R的逆操作即可。

正交矩阵所有列（行）向量构成了一个标准正交基（它的列向量都是互相正交，并且长度为1），因此可以把正交矩阵看成是对一个坐标系的描述。
同时，我们知道：同一个向量，在不同的基下面的坐标是不同的。因此，可以用正交矩阵来代表坐标系（也可以看作基）从而写出在统一的参考系（全局坐标系）下同一个向量在不同基中的坐标。

以下面为例：

参考系中向量v在基Q中的坐标是v’，在基R中的坐标是v’’（注意这里的环境下基矩阵是用列向量表示的，这样相乘之后的结果表示的是基向量的线性组合）。如下图，黑色基表示的是参考系，红色是基Q，蓝色是基R，v是参考系中的一个向量。

已知一个基Q和向量v在它之中的坐标v’，以及另外一个基R，我们可以通过v=Qv’=Rv’’公式来计算v’’。

上面就是求v’’的公式，注意到右边需要计算基R的逆矩阵R^-1，因为基R是正交矩阵，而正交矩阵的一个重要性质就是逆等于转置。因此，我们可以把它写成

这个公式就是坐标转换公式。特别地，如果Q是和参考系相同的坐标系（3D编程中大多数情况下如此），比如世界坐标系，则Q是一个单位矩阵I，则我们可以把它写成

这个坐标转换公式可以解释为：对于世界坐标系中的向量v’，它在坐标系R中的坐标是v’’。

公式推导完了，下面看怎么使用：

Rview矩阵：将物体由世界坐标系变化到相机坐标系

这里逆性思维，世界坐标系 ==Rview==>相机坐标系，v（相机坐标系） = Rview v’（v’是世界坐标系下的）
根据上面的公式，要求某个坐标系R中的坐标，只需要将基R的转置×世界坐标
那结合v = Rview v’，可知旋转矩阵Rview对应的就是相机坐标系的基R的转置，即Rview = R^T
基R可表示为：

对其转置即得到Rview