齐次坐标

齐次坐标  

定义 ：所谓齐次坐标就是将一个原本是 n 维的 向量 用一个 n+1 维向量来表示。  

例如，二维点 (x,y) 的齐次坐标表示为 (hx,hy,h) 。由此可以看出，一个向量的齐次表示是不唯一的，齐次坐标的 h 取不同的值都表示的是同一个点，比如齐次坐标 (8,4,2) 、 (4,2,1) 表示的都是二维点 (4,2) 。  

给出点的齐次表达式 [X Y H] ，就可求得其二维笛卡尔坐标，  

即： [X Y H]→= [x y 1] ， 这个过程称为正常化处理。  

在几何意义上，相当于把发生在三维空间的变换限制在 H=1 的平面内。  

那么引进齐次坐标有什么必要，它有什么优点呢？  

许多图形应用涉及到 几何变换 ，主要包括平移、旋转、缩放。以矩阵表达式来计算这些变换时，平移是矩阵相加，旋转和缩放则是矩阵相乘，综合起来可以表示为 p' = p *m1+ m2(m1 旋转缩放矩阵，  m2 为平移矩阵，  p 为原向量   ， p' 为变换后的向量 ) 。引入齐次坐标的目的主要是合并矩阵运算中的乘法和加法，表示为 p' = p*M 的形式。即它提供了用矩阵运算把 二维 、三维甚至 高维空间 中的一个点集从一个坐标系变换到另一个坐标系的有效方法。  

其次，它可以表示无穷远的点。 n+1 维的齐次坐标中如果 h=0 ，实际上就表示了 n 维空间的一个 无穷远点 。对于齐次坐 标 (a,b,h) ，保持 a,b 不变， | V |= （ x1*x1 ， y1*y1,z1*z1)^1/2 的过程就表示了标准坐标系中的一个点沿直线  ax+by=0  逐渐走向无穷远处的过程。  

后续上图。。。