齐次坐标
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。。。