Games101----Transformation

1.为什么学习变换？

平移、旋转、缩放、（3D到2D）投影都是变换。

2. 二维变换

• 使用矩阵表示变换；
• 旋转(Rotation)、缩放(Scale)、错切(Shear)

2.1 缩放

假设变换前的点为$(x,y)$，变换后的点为$(x^{\prime },y^{\prime })$，则有：$$\begin{array}{rl}{x}^{\prime }& =sx\\ y^{\prime }& =sy\end{array}$$
用矩阵的形式可以写成：
$$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{cc}s& 0\\ 0& s\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]$$.
如果$x$和$y$的缩放比例不一致，则写成：
$$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{cc}{s}_x& 0\\ 0& s_y\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]$$.
如果是关于Y轴对称：
$$\begin{array}{rl}{x}^{\prime }& =-x\\ y^{\prime }& =y\end{array}$$
写成矩阵形式为：
$$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{cc}-1& 0\\ 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]$$

2.2 错切

由上图可知：

• 当$y=0$时，$x$的移动为$0$;
• 当$y=1$时，$x$的移动为$a$,
• 竖直方向没有移动。
  因此有：
  $$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{cc}1& a\\ 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]$$

2.3 旋转

默认情况下，关于原点$(0,0)$旋转，逆时针方向为正。

2.3.1 推导旋转矩阵

如上图所示：假设正方形边长为1，逆时针旋转了$\theta$角度，旋转矩阵为：
$$R_{\theta }=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right];$$
矩形的各个点有：
$$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=R_{\theta }\left[\begin{array}{c}x\\ y\end{array}\right];$$
对旋转前的$(1,0)$点有：
$$\left[\begin{array}{c}\cos \theta \\ \sin \theta \end{array}\right]=R_{\theta }\left[\begin{array}{c}1\\ 0\end{array}\right];$$
可得：
$$\{\begin{array}{l}a=\cos \theta \\ c=\sin \theta \end{array};$$
对旋转前的$(0,1)$点有：
$$\left[\begin{array}{c}-\sin \theta \\ \cos \theta \end{array}\right]=R_{\theta }\left[\begin{array}{c}0\\ 1\end{array}\right];$$
可得：
$$\{\begin{array}{l}b=-\sin \theta \\ d=\cos \theta \end{array};$$
从而得出：
$$R_{\theta }=\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right].$$

2.4 平移

如上图，有
$$\begin{array}{rl}{x}^{\prime }& =x+t_x\\ y^{\prime }& =y+t_y\end{array};$$
可以写成
$$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{c}x\\ y\end{array}\right]+\left[\begin{array}{c}{t}_x\\ t_y\end{array}\right].$$

3. 齐次坐标

3.1 为什么要有齐次坐标系

首先要知道什么是线性变换，我的理解是，可以写成下面这种形式的就叫线性变换：
$$B=MA,$$
其中，$A和B$是$m\times 1$的列向量，$M$是$m\times m$的矩阵。

由上面二维变换可知，缩放、错切和旋转均属于线性变换，而平移不属于线性变换，我们不希望平移成为一个特例，为了统一形式，就有了齐次坐标。

在原来的基础上再增加一个坐标($w$)，于是：

• $2Dpoint:(x,y,1{)}^T;$
• $2Dvector:(x,y,0{)}^T.$

平移就可以表达为线性变换：
$$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\\ w^{\prime }\end{array}\right]=\left[\begin{array}{ccc}1& 0& t_x\\ 0& 1& t_y\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{c}x+t_x\\ y+t_y\\ 1\end{array}\right]$$

如果是一个向量平移呢？
应用上述变换，有：
$$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\\ w^{\prime }\end{array}\right]=\left[\begin{array}{ccc}1& 0& t_x\\ 0& 1& t_y\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 0\end{array}\right]=\left[\begin{array}{c}x\\ y\\ 0\end{array}\right]$$
由此可知，向量平移后不变，符合直觉。

3.2 点和向量的有效运算

• $vector+vector=vector;$
• $point-point=point;$
• $point+vector=point;$
• $point+point=???$

注意：$\left(\begin{array}{c}x\\ y\\ w\end{array}\right)$表示2D点$\left(\begin{array}{c}x/w\\ y/w\\ 1\end{array}\right),其中w\ne 0.$

3.3 仿射变换(Affine Transformations)

• 仿射映射 = 线性映射 + 平移；
  $$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]+\left[\begin{array}{c}{t}_x\\ t_y\end{array}\right].$$
• 使用齐次坐标表示：
  $$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\\ 1\end{array}\right]=\left[\begin{array}{ccc}a& b& t_x\\ c& d& t_y\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right].$$

3.4 2D变换的齐次坐标表示

• 缩放(Scale)
  $$S_{(s_x,s_y)}=\left(\begin{array}{ccc}{s}_x& 0& 0\\ 0& s_y& 0\\ 0& 0& 1\end{array}\right)$$
• 旋转(Rotation)
  $$R(\alpha )=\left(\begin{array}{ccc}\cos \alpha & -\sin \alpha & 0\\ \sin \alpha & \cos \alpha & 0\\ 0& 0& 1\end{array}\right)$$
• 平移(Translation)
  $$T(t_x,t_y)=\left(\begin{array}{ccc}0& 0& t_x\\ 0& 0& t_y\\ 0& 0& 1\end{array}\right)$$

3.5 逆变换

无论是矩阵还是几何意义上，$M^{-1}$都是$M$的逆变换。

3.6 组合变换

问题来了，上图从左到右是怎么变换的？先平移后旋转，还是先旋转后平移？

• 如果先平移后旋转
  
  由上图可知，显然是不对的。
• 先旋转后平移
  
  显然，可以得到正确的结果。由此可知，变换的顺序会影响变换的结果（矩阵乘法不满足交换律）。
  另外要注意，矩阵应用从右到左。
  $$T_{(1,0)}\bullet R_{45}\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}1& 0& 1\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{ccc}\cos 45°& -\sin 45°& 0\\ \sin 45°& \cos 45°& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$$

假设有一系列的变换矩阵$A_1,A_2,A_3......$

• 组合变换通过矩阵乘法实现；
• 提前将$n$个矩阵相乘得到一个矩阵，用该矩阵可以表示最终的变换结果。此法可以提高性能。
  

3.7 复合变换的分解

问题：如何围绕一个给定的点$c$旋转？

• 先平移到圆点；
• 旋转；
• 平移回去。
  
  矩阵表示为：
  $$T_{(-c)}{R}_{(\alpha )}{T}_{(c)}$$

4. 三维变换

• 再次使用齐次坐标系：
  • $3Dpoint:(x,y,z,1);$
  • $3Dvector:(x,y,z,w).$
• 通常，$(x,y,z,w)(w\ne 0)$表示三维的点：$(x/w,y/w,z/w,1).$
• $3D$变换：
  $$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\\ z^{\prime }\\ 1\end{array}\right]=\left[\begin{array}{cccc}a& b& c& t_x\\ d& e& f& t_y\\ g& h& j& t_z\\ 0& 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ z\\ 1\end{array}\right]$$
• 缩放
  $$S_{(s_x,s_y,s_z)}=\left[\begin{array}{cccc}{s}_x& 0& 0& 1\\ 0& s_y& 0& 0\\ 0& 0& s_z& 0\\ 0& 0& 0& 1\end{array}\right]$$
• 平移
  $$T_{(t_x,t_y,t_z)}=\left[\begin{array}{cccc}1& 0& 0& t_x\\ 0& 1& 0& t_y\\ 0& 0& 1& t_z\\ 0& 0& 0& 1\end{array}\right]$$
• 旋转：分别绕X轴、Y轴和Z轴旋转
  $$R_x(\alpha )=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& \cos \alpha & -\sin \alpha & 0\\ 0& \sin \alpha & \cos \alpha & 0\\ 0& 0& 0& 1\end{array}\right]$$
  $$R_y(\alpha )=\left[\begin{array}{cccc}\cos \alpha & 0& \sin \alpha & 0\\ -\sin \alpha & 0& \cos \alpha & 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$$
  $$R_z(\alpha )=\left[\begin{array}{cccc}\cos \alpha & -\sin \alpha & 0& 0\\ \sin \alpha & \cos \alpha & 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$$
• 由$R_x、R_y、R_z$可以组成任意的3D旋转
  $$R_{xyz}(\alpha ,\beta ,\gamma )=R_x(\alpha )R_y(\beta )R_z(\gamma )$$
• $(\alpha ,\beta ,\gamma )$就是所谓的欧拉角
• 通常用于飞行模拟：$roll、pitch、yaw$.
  
• 罗德里格旋转公式
  绕轴$\stackrel{\rightharpoonup }{n}$旋转$\alpha$角度
  $$R(\stackrel{\rightharpoonup }{n},\alpha )=\cos (\alpha )I+(1-\cos (\alpha ))\stackrel{\rightharpoonup }{n}{\stackrel{\rightharpoonup }{n}}^T+\sin (\alpha )\left[\begin{array}{ccc}0& -n_z& n_y\\ n_z& 0& -n_x\\ -n_y& n_x& 0\end{array}\right].$$
  问题：如何证明？
  参见这里。