齐次坐标的理解

转自:齐次坐标的理解 - Bigcoder - 博客园

 一直对齐次坐标这个概念的理解不够彻底,只见大部分的书中说道“齐次坐标在仿射变换中非常的方便”,然后就没有了后文,今天在一个叫做“三百年 重生”的博客上看到一篇关于透视投影变换的探讨的文章,其中有对齐次坐标有非常精辟的说明,特别是针对这样一句话进行了有力的证明:齐次坐标表示是计算机图形学的重要手段之一,它既能够用来明确区分向量和点,同时也更易用于进行仿射(线性)几何变换。”—— F.S. Hill, JR。

     由于作者对齐次坐标真的解释的不错,我就原封不动的摘抄过来:

空间物体的定位,其数值的表达都要以坐标系为基础,不同坐标系,其数值当然不一样。

一个向量是表达开始到终止两个位置,或者是方向+长度两个值。     

对于一个三维空间原点开始向量V以及基向量(o是原点)ABC,可以找到一组坐标(v1,v2,v3),采用如下表达式来表达:

                             V = v1 A + v2 B + v3 C      (1)

    同样坐标系中的p,可以用坐标原点和一组相对原点的坐标(p1,p2,p3)表示,可怎样用代数表达式来表示点p呢?我们用表达式(3)来表示

                             p = O + p1 A + p2 B + p3 C          (3)

我们把点p的位置看作是对这个基的原点o所进行的一个位移,就是O向量+P向量看作是p点坐标。实际上是用一个特殊向量—— o->p(有的书中把这样的向量叫做位置向量——起始于坐标原点的特殊向量)来表示点p。

(1)(3)是坐标系下表达一个向量的不同表达方式。这里可以看出,虽然都是用代数分量的形式表达向量和点,但表达一个点比一个向量需要额外的信息。如果我写出一个代数分量表达(1, 4, 7),谁知道它是个向量还是个点!

    我们现在把(1)(3)写成矩阵的形式:

      v = (v1 v2 v3 0) X (a b c o)T

      p = (p1 p2 p3 1) X (a b c o)T,

这里(a,b,c,o)是坐标基矩阵,右边的列向量分别是向量v和点p在基下的坐标。这样,向量和点在同一个基下就有了不同的表达:3D向量的第4个代数分量是0,而3D的第4个代数分量是1。像这种这种用4个代数分量表示3D几何概念的方式是一种齐次坐标表示。

这样,上面的(1, 4, 7)如果写成(1,4,7,0),它就是个向量;如果是(1,4,7,1),它就是个点。下面是如何在普通坐标(Ordinary Coordinate)和齐次坐标(Homogeneous Coordinate)之间进行转换:

(1)从普通坐标转换成齐次坐标时

   如果(x,y,z)是个点,则变为(x,y,z,1);

   如果(x,y,z)是个向量,则变为(x,y,z,0)

(2)从齐次坐标转换成普通坐标时   

   如果是(x,y,z,1),则知道它是个点,变成(x,y,z);

   如果是(x,y,z,0),则知道它是个向量,仍然变成(x,y,z)

通过齐次坐标来区分向量和点的方式,可以方便地进行平移T、旋转R、缩放S这3个最常见的仿射变换。

平移变换只对于点才有意义,因为普通向量没有位置概念,只有大小和方向.而旋转和缩放对于向量和点都有意义,你可以用类似上面齐次表示来检测。从中可以看出,齐次坐标用于仿射变换非常方便。

由于齐次坐标使用了4个分量来表达3D概念,使得平移变换可以使用矩阵进行,从而如F.S. Hill, JR所说,仿射(线性)变换的进行更加方便。由于图形硬件已经普遍地支持齐次坐标与矩阵乘法,因此更加促进了齐次坐标使用,使得它似乎成为图形学中的一个标准。

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 齐次坐标(Homogeneous coordinates)是计算机视觉和图形学中常用的一种坐标系统。它可以将几何图形中的点、向量、平面等抽象概念用一个更为简单和统一的方式表示出来,从而方便计算机对它们进行处理。 在齐次坐标中,一个点的坐标由四个分量表示,通常表示为(x, y, z, w),其中(x, y, z)是点在三维空间中的坐标,w是一个称为齐次坐标参数(homogeneous coordinate parameter)的参数。齐次坐标参数可以取任意非零值,但是通常取1,这样可以避免数值计算中的除法操作。 使用齐次坐标,可以将二维图形中的变换表示为一个3x3的矩阵变换,而将三维图形中的变换表示为一个4x4的矩阵变换,这样可以方便地进行矩阵乘法等数值计算齐次坐标还可以用于表示平面、直线和多边形等几何图形,方便进行投影和变换操作。 ### 回答2: 齐次坐标是指在计算机视觉中广泛应用的一种扩展形式的坐标表示方法。在齐次坐标中,一个点的坐标由其原始的几何坐标(x、y)和一个额外的维度(w)组成,即(x, y, w)。 齐次坐标可以理解为在欧几里得空间中的同一个坐标系中,通过引入一个额外的维度w来扩展原始坐标。这个额外的维度w允许我们同时表示平移和旋转操作,从而更方便地进行计算。 在齐次坐标中,一个点的坐标可以通过除以w来恢复原始的几何坐标,即:x = x' / w,y = y' / w。这意味着通过齐次坐标可以方便地进行坐标变换,例如平移、旋转、缩放等,并且不需要进行额外的计算齐次坐标计算机视觉中的广泛应用主要体现在图像变换计算几何变换中。例如,在图像变换中,我们可以通过齐次坐标方便地进行图像的平移、旋转等操作。在计算几何变换中,我们可以通过齐次坐标进行方便地进行三维点的投影等操作。 总之,齐次坐标通过引入一个额外的维度w,扩展了原始点的坐标表示,方便了计算机视觉中的图像变换和几何变换的操作。 ### 回答3: 齐次坐标计算机视觉领域中常用的一种表示方法,它是通过在传统的欧几里得坐标系上引入一个额外的维度来扩展的。具体来说,在齐次坐标中,一个点或向量由四个分量表示,通常记作(x, y, z, w),其中(x, y, z)表示点的三维坐标,w表示缩放因子。 齐次坐标的一个重要应用是可以将欧几里得空间中的平移运算与仿射变换(包括平移、旋转、缩放和错切)统一起来。通过齐次坐标,我们可以将平移操作以矩阵的形式表示,并与其他变换操作(如旋转、缩放)组合在一起。 齐次坐标还可以简化对图像的透视变换处理。在传统的欧几里得空间中,透视变换会引入非线性变换计算复杂度较高。而在齐次坐标中,透视变换可以通过线性变换来表示,简化了计算过程。 在OpenCV库中,齐次坐标经常用于表示图像中的关键点(如角点、边缘点)和几何变换过程中。OpenCV提供了丰富的函数和工具,用于处理和计算齐次坐标表示的点和向量,包括坐标转换、透视变换、仿射变换等。 总之,齐次坐标计算机视觉中一种重要的数学工具,它通过引入额外的维度,将欧几里得空间中的几何变换问题转化为线性变换问题,简化了计算过程,提高了计算效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值