【重心坐标插值、透视矫正插值】原理以及用法见解(GAMES101深度测试部分讨论)

宗浩多捞

已于 2024-02-01 16:23:55 修改

阅读量3.6k

点赞数 24

分类专栏：图形学文章标签：算法图形学

于 2022-04-19 23:49:37 首次发布

本文链接：https://blog.csdn.net/Motarookie/article/details/124284471

版权

图形学专栏收录该内容

9 篇文章 3 订阅

订阅专栏

文章目录

1、Barycentric Coordinates（重心坐标）
2 重心坐标计算公式推导
3 透视投影插值矫正

1、Barycentric Coordinates（重心坐标）

仅供参考，数学很弱，不保证正确性。。但是看了应该会有收获

1.1 重心坐标概念

以2D为例：

三角形内部任何一个点(包括顶点)都可以表示成三个顶点的线性组合。满足以下关系式的三个系数(α，β，γ)就是该点的重心坐标。还有一个限制条件是这三个系数必须非负，否则就在三角形外了
简而言之，就是三角形内部一个点(x,y)在重心坐标下的表示就是(α，β，γ)
其中三个顶点自己的重心坐标分别是
A：(1,0,0)
B：(0,1,0)
C：(0,0,1)

1.2 重心坐标计算方式

对于三角形内部点P如何计算它的重心坐标

方法1：面积比

A的系数α：其对应的三角形面积A_A(红色部分)占总面积的比值
B的系数β：其对应的三角形面积A_B(黄色部分)占总面积的比值
C的系数γ：其对应的三角形面积A_C(蓝色部分)占总面积的比值

方法2：利用推导出来的公式计算
先说结论，后面第二部分详解推导过程
$\color{red}\large β=\frac{ (y- y_{\tiny A})(x_{\tiny C} - x_{\tiny A})-(x - x_{\tiny A})(y_{\tiny C} - y_{\tiny A}) }{(y_{\tiny B} - y_{\tiny A})(x_{\tiny C} - x_{\tiny A})-(x_{\tiny B} - x_{\tiny A})(y_{\tiny C} - y_{\tiny A})}\\ \: \\ \large γ=\frac{ (y- y_{\tiny A})(x_{\tiny B} - x_{\tiny A})-(x - x_{\tiny A})(y_{\tiny B} - y_{\tiny A}) }{(y_{\tiny C} - y_{\tiny A})(x_{\tiny B} - x_{\tiny A})-(x_{\tiny C} - x_{\tiny A})(y_{\tiny B} - y_{\tiny A})}\\ \: \\ α=1-β-γ\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:$

1.3 重心坐标插值

已知重心坐标的计算方法，怎么插值属性呢？

算出来的重心坐标(α，β，γ)，其实就相当于一个权重比，直接把对应的V_AV_BV_C换成uv坐标、颜色、法线、深度值、材质属性,V即所求
在这里插入图片描述

2 重心坐标计算公式推导

在这里插入图片描述

已知2D平面内 $△ A BC$ 三个顶点的坐标 $\large A:(x_A,y_A)，B:(x_B,y_B)，C:(x_C,y_C)$ 以及三角形内部任意点P的坐标 $\large P:(x, y)$

点 $P$ 一定满足两个条件：
$\begin{cases} P=\alpha A + \beta B +\gamma C\cdots\cdots\cdots\cdots① \\ \alpha+\beta+\gamma = 1 \cdots\cdots\cdots\cdots\cdots\cdots② \end{cases}$

如何根据已知条件计算出 $\alpha、\beta、\gamma$ ？

Step 1
公式②代入①，我们可以消除一个未知量（这里我把α先干掉了，101课程中是干掉的γ，过程都是一样的）
$P = (1 - β - γ) A + βB + γ C$
打开括号，合并同类项并简单移项，很容易能得出
$P-A=β(B-A)+γ(C-A)\cdots\cdots\cdots\cdots③$

这个公式，可以按照向量运算来理解， $\overrightarrow {AP} = β\overrightarrow {AB}+γ\overrightarrow {AC}$
【突然发现图中我两个向量写反了。。向量AB和向量AC应该互换一下，我有空再改过来吧】

Step 2
由公式③，将已知点 $A 、 B 、 C 、 P$ 的坐标代入，可得
$\large \begin{pmatrix} x - x_{\tiny A} \\y- y_{\tiny A} \end{pmatrix}= β\large\begin{pmatrix} x_{\tiny B} - x_{\tiny A} \\ y_{\tiny B} - y_{\tiny A} \end{pmatrix}+ γ\large\begin{pmatrix}x_{\tiny C} - x_{\tiny A} \\ y_{\tiny C} - y_{\tiny A} \end{pmatrix}$
拆开写，可得方程组(两个未知数，两个方程)
$\begin{cases} (x - x_{\tiny A}) =β(x_{\tiny B} - x_{\tiny A})+γ(x_{\tiny C} - x_{\tiny A})\cdots\cdots④\\ (y- y_{\tiny A})=β(y_{\tiny B} - y_{\tiny A})+γ(y_{\tiny C} - y_{\tiny A})\cdots\cdots\cdot⑤ \end{cases}$

$④\times(y_{\tiny C} - y_{\tiny A})，⑤\times(x_{\tiny C} - x_{\tiny A})$ 得：
$x_{\tiny A})(y_{\tiny C} - y_{\tiny A}) = β(x_{\tiny B} - x_{\tiny A})(y_{\tiny C} - y_{\tiny A})+\cancel{γ(x_{\tiny C} - x_{\tiny A})(y_{\tiny C} - y_{\tiny A})} \cdots\cdots⑥\\ (y- y_{\tiny A})(x_{\tiny C} - x_{\tiny A}) = β(y_{\tiny B} - y_{\tiny A})(x_{\tiny C} - x_{\tiny A})+\cancel{γ(y_{\tiny C} - y_{\tiny A})(x_{\tiny C} - x_{\tiny A})}\cdots\cdots⑦$
$⑦ - ⑥$ 得到β，同理可得γ

Step 3
最终 $α 、 β 、 γ$ 表达式
$\color{red}\large β=\frac{ (y- y_{\tiny A})(x_{\tiny C} - x_{\tiny A})-(x - x_{\tiny A})(y_{\tiny C} - y_{\tiny A}) }{(y_{\tiny B} - y_{\tiny A})(x_{\tiny C} - x_{\tiny A})-(x_{\tiny B} - x_{\tiny A})(y_{\tiny C} - y_{\tiny A})}\\ \: \\ \large γ=\frac{ (y- y_{\tiny A})(x_{\tiny B} - x_{\tiny A})-(x - x_{\tiny A})(y_{\tiny B} - y_{\tiny A}) }{(y_{\tiny C} - y_{\tiny A})(x_{\tiny B} - x_{\tiny A})-(x_{\tiny C} - x_{\tiny A})(y_{\tiny B} - y_{\tiny A})}\\ \: \\ α=1-β-γ\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:\:$

到此，重心坐标的插值就算结束了，单独在二维平面或者三维平面根据四个点的坐标算出重心坐标(权重)然后插值P的法线、uv坐标等等一切信息，都可得到非常正确的结果了

但是，投影后的插值就很有讲究了

透视投影的基础知识，这里就不再赘述了，其相关详细步骤，可看 这篇文章的4.3部分

对于空间中一个特定的三角形而言，只有三个顶点携带了坐标信息 $(x, y, z)$ ，对其做透视投影操作，这三个点变到了裁剪空间，此时，如果我们想要得到一张深度图的做法是什么？

建立深度缓存的方法

先建立一个深度缓存，其实就是个二维数组zbuffer[width][height]，并且初始化每个数组元素为max
遍历每个三角形所覆盖的每个像素，将该像素所对应的场景中的那个点的z值跟zbuffer对应位置的z作比较，小则覆盖

问题就是怎么知道该像素的z是多少？

(1) 你可能会想到，我们已经知道投影变换后的三个顶点在屏幕上的坐标 $\large(x_{\tiny A},y_{\tiny A})，(x_{\tiny B},y_{\tiny B})，(x_{\tiny C},y_{\tiny C})$ 和目标像素P $(x, y)$ 。算出P点的重心坐标，然后我又已知三个顶点的深度Z，插值即可。想法很美好，但这样的做法是错的，不能用插值后算出的 $(α ， β ， γ)$ 直接插值的原因很多，部分原因如下：

投影后三角形的形状一般情况下会发生变化。空间中一个正三角形，投影后可能变成一个特别窄的三角形，这时候我算出来的该像素的权重比(重心坐标)肯定跟空间中该像素对应的点在三角形内的权重比不同，所以直接插值，不可取。
投影后，视椎体远/近平面的点，经过Squish变换后，z值是不变的，但是位于视椎体中间的点，变换后z的绝对值会变大，因此在投影后的三角形上直接插值，不可取

（2）可能还会想到，对屏幕空间的目标像素P点应用透视投影矩阵的逆，做个逆变换变回原来的空间中，那就知道P点在空间中的准确位置了，然后再插值深度，再写回深度缓存中P像素位置中。 OK这样做很准确，但是，每个像素都要做一次逆矩阵运算，我深度图的分辨率可能几百万个像素，这计算量不能接受

啰里巴嗦一大堆，希望我表达得没有问题，有些问题脑子里清楚，但是说出来就不知道怎么说。如果有错也请大家多多指教

3 透视投影插值矫正

在这里插入图片描述

3.1 透视矫正后的`深度插值公式`

国际惯例，先说结论，如果对推导没兴趣的直接套公式即可
$\displaystyle\large\color{red} \frac{1}{Z}=α'\frac{1}{Z_A}+β'\frac{1}{Z_B}+γ'\frac{1}{Z_C}$
符号说明：带 $^{'}$ 的都是投影后的值，不带的是投影前的值

$Z：屏幕空间的点P所对应的投影前的点的深度值，我们求解的目标值 \\α'、β'、γ'：屏幕空间上算出来的重心坐标（权重） \\Z_A、Z_B、Z_C：空间中ABC三个顶点的深度值$

推导过程核心思想：通过投影后的三角形内点 $P^{'}$ 的 $α^{'} 、 β^{'} 、 γ^{'}$ ，计算出投影前三角形内点 $P$ 的深度值

Step 1：找到投影前后的重心坐标的关系

对公式 $1 = α^{'} + β^{'} + γ^{'}$ 做恒等变形
$\frac{Z}{Z}=\frac{Z_A}{Z_A}α'+\frac{Z_B}{Z_B}β'+\frac{Z_C}{Z_C}γ'$
左右同×Z
$=(\frac{Z}{Z_A}α')Z_A+(\frac{Z}{Z_B}β')Z_B+(\frac{Z}{Z_C}γ')Z_C\dots\dots\dots①$
对比投影前的插值公式
$αZ_A+βZ_B+γZ_C\cdots\cdots\cdots\cdots②$
①②公式对应项系数相等
$α=\frac{Z}{Z_A}α'，β=\frac{Z}{Z_B}β'，γ=\frac{Z}{Z_C}γ'$
Step 2：得到透视修正后深度插值公式

因为 $1 = α + β + γ$ ，且 $\displaystyle α=\frac{Z}{Z_A}α'，β=\frac{Z}{Z_B}β'，γ=\frac{Z}{Z_C}γ'$

所以
$\frac{Z}{Z_A}α'+\frac{Z}{Z_B}β'+\frac{Z}{Z_C}γ'\cdots\cdots\cdots③$
对③左右同 $\times \frac{1}{Z}$
$\displaystyle\color{red}\Large\frac{1}{Z}=α' \frac{1}{Z_A}+β'\frac{1}{Z_B}+γ'\frac{1}{Z_C}$

到此已经能很好的生成一张深度缓存、shadow map了

3.2 一个非常重要的透视投影的细节

注意在完成透视投影后，在屏幕空间上的三个顶点 $A^{'} B^{'} C^{'}$ 的 $z$ 分量 $Z_A，Z_B，Z_C$ 存放的并不是原本位于观察空间中的三个顶点的正确深度，应用投影矩阵后这个z分量存放的深度已经变远了，而原本的Z，经过变换后，跑到的齐次坐标下的w分量上

下面我们取视椎体内部任意一点 $P = (x, y, z, 1)$ ，应用透视投影矩阵
$\Large \begin{bmatrix} \frac{2n}{r-l}&0&\frac{l+r}{l-r}&0 \\ 0 & \frac{2n}{t-b}&\frac{b+t}{b-t}&0 \\ 0&0&\frac{n+f}{n-f}&\frac{-2nf}{n-f}\\ 0&0&1&0 \end{bmatrix}·\begin{bmatrix}x\\y\\z\\1\end{bmatrix} = \begin{bmatrix} \small 不关心\\\small懒得算\\ \small不重要 \\ \color{red}\mathbf z \end{bmatrix}$

ok，应用透视投影矩阵后，屏幕空间的三角形顶点，vertex[0].w() 就是顶点0在透视投影之前的正确的深度值，带插值公式的时候 $Z_A$ 取这个值，不要取.z()分量

关于Squish矩阵会把点推向远处的问题也特别简单，任选一点，左乘M_squish然后判断z的变化即可

3.2 更通用的：`任意属性插值公式`

$I$ 为三角形内目标点的目标属性

插值公式： $\large I = αI_A+βI_B+γI_C$
又因为
$\largeα=\frac{Z}{Z_A}α'，β=\frac{Z}{Z_B}β'，γ=\frac{Z}{Z_C}γ'$
因此 $I = α'I_A+β'I_B+γ'I_C$ 又能写成
$\large\color{red} I=Z·(α'\frac{I_A}{Z_A}+β'\frac{I_B}{Z_B}+γ'\frac{I_C}{Z_C})$

$I :$ 屏幕空间三角形内部点的目标属性(颜色、法线、纹理坐标等)
$I_A、I_B、I_C$ ：三个顶点的对应属性
$Z_A、Z_B、Z_C$ ：三个顶点的观察空间的Z值（投影前的）

以下是GAMES101作业中的部分代码，以此作为案例分析如何插值任意属性

//这里计算得到重心坐标
auto [alpha, beta, gamma] = computeBarycentric2D(i+0.5, j+0.5, t.v);

// w_reciprocal就是该像素p对应投影前的深度值z
float w_reciprocal = 1.0 / (alpha / v[0].w() + beta / v[1].w() + gamma / v[2].w());

// 但是这里又用了任意属性插值公式， 并且IA取的v[0].z()
float z_interpolated = w_reciprocal*(alpha*v[0].z()/v[0].w() + beta*v[1].z()/v[1].w() + gamma*v[2].z()/v[2].w());

$\displaystyle\large w\_reciprocal=\frac{1}{α' \frac{1}{Z_A}+β'\frac{1}{Z_B}+γ'\frac{1}{Z_C}}$

$\quad\quad$ w_reciprocal就是 $\large \frac{1}{w}$ ，w就是投影前的深度值Z。计算出来的Z作为下面的Z，去计算任意属性

$\displaystyle\large z\_interpolated =\color{red}Z\color{normal} ·(α'\frac{I_A}{Z_A}+β'\frac{I_B}{Z_B}+γ'\frac{I_C}{Z_C})$

$\quad\quad$ OK任意属性就是的深度值。也可以取别的属性。

通过上面可以总结，插值任意属性的过程分两步：

（1）插值 $z$ ，因为插值任意属性的公式里必须用到z
（2）插值任意属性 $I$ 。 $I_A、I_B、I_C$ 的选取方法是屏幕空间的三个顶点所包含的信息（如上面的A_Z用到的就真的是V[0].z()），不管投影后有没有变，直接带入，应该就是这个公式的价值。目前我能想到的是这样，留个坑以后确定了再填

可以看到，上面很多都是不太严谨的基于案例的个人猜测，但是应该对跟我一样的对此过程不太熟悉的朋友们有一些些帮助，具体的更严谨的推导，建议搜索别的文章进行学习

宗浩多捞

关注

24
点赞
踩
53

收藏

觉得还不错? 一键收藏
打赏
22
评论
【重心坐标插值、透视矫正插值】原理以及用法见解(GAMES101深度测试部分讨论)

文章目录1、Barycentric Coordinates（重心坐标）1.1 重心坐标概念1.2 重心坐标计算方式1.3 重心坐标插值2 重心坐标计算公式推导3 透视投影修正1、Barycentric Coordinates（重心坐标）重心坐标可以插值坐标、颜色、法线等任何顶点属性1.1 重心坐标概念以2D为例：三角形内部任何一个点(包括顶点)都可以表示成三个顶点的线性组合。满足以下关系式的三个系数(α，β，γ)就是该点的重心坐标。还有一个限制条件是这三个系数必须非负，否则就在三角形外了简而言
复制链接

扫一扫