变换（二维与三维，模型，视图，投影）——计算机图形学

最新推荐文章于 2022-04-30 16:04:51 发布

胖黄儿

最新推荐文章于 2022-04-30 16:04:51 发布

阅读量374

点赞数 1

分类专栏：计算机图形学文章标签：图形学

任何形式的转载，都必须联系作者获得授权，并注明出处。

本文链接：https://blog.csdn.net/hyp19991114/article/details/121594589

版权

计算机图形学专栏收录该内容

1 篇文章 0 订阅

订阅专栏

要点速览

缩放（Scale）： $\begin{bmatrix} {x}'\\ {y}' \end{bmatrix} = \begin{bmatrix} s_x & 0\\ 0 & s_y \end{bmatrix} \begin{bmatrix} x\\ y \end{bmatrix}$
反射（Reflection）： $\begin{bmatrix} {x}'\\ {y}' \end{bmatrix} = \begin{bmatrix} -1 & 0\\ 0 & 1 \end{bmatrix} \begin{bmatrix} x\\ y \end{bmatrix}\quad(关于y轴) \quad\quad \begin{bmatrix} {x}'\\ {y}' \end{bmatrix} = \begin{bmatrix} 1 & 0\\ 0 & -1 \end{bmatrix} \begin{bmatrix} x\\ y \end{bmatrix}\quad(关于x轴)$
切变（Shear）： $\begin{bmatrix} {x}'\\ {y}' \end{bmatrix} = \begin{bmatrix} 1 & a\\ 0 & 1 \end{bmatrix} \begin{bmatrix} x\\ y \end{bmatrix}\quad(x方向上的切变) \quad\quad \begin{bmatrix} {x}'\\ {y}' \end{bmatrix} = \begin{bmatrix} 1 & 0\\ a & 1 \end{bmatrix} \begin{bmatrix} x\\ y \end{bmatrix}\quad(y方向上的切变)$
旋转（Rotate）： $\mathbf{R}_{\theta}= \begin{bmatrix} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{bmatrix}$
平移（Translation）： $\begin{pmatrix} {x}'\\ {y}'\\ {w}' \end{pmatrix} = \begin{pmatrix} 1 & 0 & t_x \\ 0 & 1 & t_y \\ 0 & 0 & 1 \end{pmatrix} \cdot \begin{pmatrix} x\\ y\\ 1 \end{pmatrix}$
齐次坐标：2D 点： $x,y,1)^{T}$ ，2D 向量： $x,y,0)^{T}$ 。 $\neq 0$ 时每一项都除以 $w$ ，就是 2D 点。
仿射变换（Affine Transformation）= (先)线性变换 + (再)平移： $\begin{pmatrix} {x}'\\ {y}'\\ 1 \end{pmatrix} = \begin{pmatrix} a & b & t_x \\ c & d & t_y \\ 0 & 0 & 1 \end{pmatrix} \cdot \begin{pmatrix} x\\ y\\ 1 \end{pmatrix}$
变换的顺序不能调换，从右往左写（左乘）。
视图变换（View / Camera transformation）：Camera is at the origin, up at $Y$ , look at $- Z$ ，让物体跟着相机走。
- 相机的位置 $\vec{e}$ ，观察方向 $\hat{g}$ ，向上方向 $\hat{t}$ （假定垂直于观察方向）
- $M_{view}=R_{view}T_{view} =\begin{bmatrix} x_{\hat{g} \times \hat{t}} & y_{\hat{g} \times \hat{t}} & z_{\hat{g} \times \hat{t}} & 0 \\ x_{t} & y_{t} & z_{t} & 0 \\ x_{-g} & y_{-g} & z_{-g} & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} 1 & 0 & 0 & -x_{e} \\ 0 & 1 & 0 & -y_{e} \\ 0 & 0 & 1 & -z_{e} \\ 0 & 0 & 0 & 1 \end{bmatrix}$
正交投影（Orthographic projection）：长方体 $\left [ l,r \right ]\times \left [ b,t \right ]\times \left [ f,n \right ]$ map(映射) 到标准视体 $\left [ -1,1 \right ]^{3}$ （注意： $n > f$ ），先平移再缩放
- $M_{ortho}=\begin{bmatrix} \frac{2}{r-l} & 0 & 0 & 0 \\ 0 & \frac{2}{t-b} & 0 & 0 \\ 0 & 0 & \frac{2}{n-f} & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}\begin{bmatrix} 1 & 0 & 0 & -\frac{r+l}{2} \\ 0 & 1 & 0 & -\frac{t+b}{2} \\ 0 & 0 & 1 & -\frac{n+f}{2} \\ 0 & 0 & 0 & 1 \end{bmatrix}= \begin{bmatrix} \frac{2}{r-l} & 0 & 0 & \frac{l + r}{l -r}\\ 0 & \frac{2}{t-b} & 0 & \frac{b + t}{b -t}\\ 0 & 0 & \frac{2}{n-f} & \frac{f + n}{f-n}\\ 0 & 0 & 0 & 1 \end{bmatrix}$
透视投影（Perspective projection）：近大远小，平行线不再平行。
- $M_{persp}=M_{ortho} M_{persp \rightarrow ortho}=M_{ortho} \begin{pmatrix} n & 0 & 0 & 0 \\ 0 & n & 0 & 0 \\ 0 & 0 & n+f & -nf \\ 0 & 0 & 1 & 0 \end{pmatrix}= \begin{pmatrix} \frac{2n}{r-l} & 0 & \frac{l+r}{l-r} & 0\\ 0 & \frac{2n}{t-b} & \frac{b+t}{b-t} & 0\\ 0 & 0 & \frac{n+f}{n-f} & \frac{2fn}{f-n}\\ 0 & 0 & 1 & 0 \end{pmatrix}$

2D 变换

缩放（Scale）

$\begin{bmatrix} {x}'\\ {y}' \end{bmatrix} = \begin{bmatrix} s_x & 0\\ 0 & s_y \end{bmatrix} \begin{bmatrix} x\\ y \end{bmatrix}$

【例】对应下图： $\begin{bmatrix} {x}'\\ {y}' \end{bmatrix} = \begin{bmatrix} 0.5 & 0\\ 0 & 1.5 \end{bmatrix} \begin{bmatrix} x\\ y \end{bmatrix}$
缩放示例

反射（Reflection）

$\begin{bmatrix} {x}'\\ {y}' \end{bmatrix} = \begin{bmatrix} -1 & 0\\ 0 & 1 \end{bmatrix} \begin{bmatrix} x\\ y \end{bmatrix}\quad(关于y轴)$

【例】关于 $y$ 轴
反射-关于y轴

$\begin{bmatrix} {x}'\\ {y}' \end{bmatrix} = \begin{bmatrix} 1 & 0\\ 0 & -1 \end{bmatrix} \begin{bmatrix} x\\ y \end{bmatrix}\quad(关于x轴)$

【例】关于 $x$ 轴
反射-关于x轴

如果对角线的两个元素都是 $- 1$ （即 $\begin{bmatrix}-1 & 0\\ 0 & -1\end{bmatrix}$ ），那就相当于是一个（绕原点） $\pi$ 弧度的旋转。这种旋转也可以称为“通过原点的反射”。

切变（Shear）

$\begin{bmatrix} {x}'\\ {y}' \end{bmatrix} = \begin{bmatrix} 1 & a\\ 0 & 1 \end{bmatrix} \begin{bmatrix} x\\ y \end{bmatrix}\quad(x方向上的切变)$

【例】 $x$ 方向上的切变
切变-x方向

$\begin{bmatrix} {x}'\\ {y}' \end{bmatrix} = \begin{bmatrix} 1 & 0\\ a & 1 \end{bmatrix} \begin{bmatrix} x\\ y \end{bmatrix}\quad(y方向上的切变)$

【例】 $y$ 方向上的切变（ $a = 1$ ）
切变-y方向

旋转（Rotate）

* 注意：默认情况下指的是绕原点旋转

旋转公式

根据旋转 $\theta$ 角的矩阵 $\mathbf{R}_{\theta}$ ，很容易推导出旋转 $-\theta$ 角的矩阵 $\mathbf{R}_{-\theta}$ ，它等于 $\mathbf{R}_{\theta}$ 的转置：

$\mathbf{R}_{-\theta} =\begin{pmatrix} \cos (-\theta) & -\sin (-\theta) \\ \sin (-\theta) & \cos (-\theta) \end{pmatrix} = \begin{pmatrix} \cos \theta & \sin \theta \\ -\sin \theta & \cos \theta \end{pmatrix} =\mathbf{R}_{\theta}^{T}$

又由定义，旋转 $-\theta$ 角等于旋转 $\theta$ 角的逆： $\mathbf{R}_{-\theta}=\mathbf{R}_{\theta}^{-1}$

因此我们得到这样一个结论：旋转矩阵的逆就等于旋转矩阵的转置，即 $\mathbf{R}_{\theta}^{-1}=\mathbf{R}_{\theta}^{T}$

齐次坐标（Homogenous Coordinates）

齐次坐标表示法

将原有的向量添加一维：

2D 点表示为： $x,y,1)^{T}$
2D 向量表示为： $x,y,0)^{T}$

在齐次坐标下，当 $w\neq 0$ 时， $\begin{pmatrix} x\\ y\\ w \end{pmatrix}$ 就表示 2D 点 $\begin{pmatrix} x/w\\ y/w\\ 1 \end{pmatrix}$ （即每一项都除以 $w$ ）。

平移（Translation）

此时，平移操作可以表示为：
$\begin{pmatrix} {x}'\\ {y}'\\ {w}' \end{pmatrix} = \begin{pmatrix} 1 & 0 & t_x \\ 0 & 1 & t_y \\ 0 & 0 & 1 \end{pmatrix} \cdot \begin{pmatrix} x\\ y\\ 1 \end{pmatrix} = \begin{pmatrix} x+t_x\\ y+t_y\\ 1 \end{pmatrix}$

仿射变换（Affine Transformation）

仿射变换 = 线性变换 + 平移

用齐次坐标表示为：
$\begin{pmatrix} {x}'\\ {y}'\\ 1 \end{pmatrix} = \begin{pmatrix} a & b & t_x \\ c & d & t_y \\ 0 & 0 & 1 \end{pmatrix} \cdot \begin{pmatrix} x\\ y\\ 1 \end{pmatrix}$

上面的式子相当于 $\begin{pmatrix} x^{\prime} \\ y^{\prime} \end{pmatrix} =\begin{pmatrix} a & b \\ c & d \end{pmatrix}\cdot\begin{pmatrix} x \\ y \end{pmatrix}+\begin{pmatrix} t_{x} \\ t_{y} \end{pmatrix}$ ，所以顺序是先线性变换、再平移。

【例】
缩放（Scale）： $\mathbf{S}\left ( s_x,s_y \right )= \begin{pmatrix} s_x & 0 & 0 \\ 0 & s_y & 0 \\ 0 & 0 & 1 \end{pmatrix}$

旋转（Rotation）： $\mathbf{R}\left ( \alpha \right )= \begin{pmatrix} \cos \alpha & -\sin \alpha & 0 \\ \sin \alpha & \cos \alpha & 0 \\ 0 & 0 & 1 \end{pmatrix}$

平移（Translation）： $\mathbf{T}\left ( t_x,t_y \right )= \begin{pmatrix} 1 & 0 & t_x \\ 0 & 1 & t_y \\ 0 & 0 & 1 \end{pmatrix}$

变换与顺序

各种变换之间的顺序是不能调换的，例如先旋转再平移 $\neq$ 先平移再旋转。因为矩阵乘法没有交换律。
但是矩阵乘法有结合律，所以多次变换的矩阵可以合成为一个矩阵，这一个矩阵就代表了所有的变换。
- 例如 $\mathbf{A}_n \cdots \mathbf{A}_2\cdot \mathbf{A}_1$ 最终可以写成一个 $\mathbf{A}$ ，代表所有的变换。
  $A_n\left ( \cdots A_2\left ( A_1\left ( \mathbf{x} \right ) \right ) \right ) \\ =\mathbf{A}_n \cdots \mathbf{A}_2\cdot \mathbf{A}_1 \cdot \begin{pmatrix} x\\ y\\ 1 \\ \end{pmatrix}\\ = \mathbf{A}\cdot \begin{pmatrix} x\\ y\\ 1 \\ \end{pmatrix}$
对某一向量顺次应用的一系列操作，都要从右往左地写在向量左边（左乘）。
- 例如上面的式子，依次使用 $A_1,A_2,\cdots,A_n$ ，矩阵相乘时为 $\mathbf{A}_n \cdots \mathbf{A}_2\cdot \mathbf{A}_1$ 。
一个矩阵当然也可以分解成若干个矩阵顺次相乘。分解可能有很多种结果，所有分解最终效果相同。

【例】绕某一点 $\mathbf{c}$ （非原点）旋转 $\alpha$ 角的操作，可以分解为如下三步：

将点 $\mathbf{c}$ 平移至原点
旋转 $\alpha$ 角
平移回 $\mathbf{c}$ 点

写成矩阵乘法的形式： $\mathbf{T}(\mathbf{c})\cdot \mathbf{R}(\alpha )\cdot \mathbf{T}(-\mathbf{c})$ （注意是从右往左乘）
绕c点旋转-矩阵分解

【例】一个切变可以被分解成旋转-缩放-旋转三步。

推导过程：

$\begin{bmatrix}1 & 1 \\ 0 & 1\end{bmatrix} \\=\mathbf{R}_{2}\begin{bmatrix} \sigma_{1} & 0 \\ 0 & \sigma_{2} \end{bmatrix} \mathbf{R}_{1} \\ =\begin{bmatrix} 0.8507 & -0.5257 \\ 0.5257 & 0.8507 \end{bmatrix}\begin{bmatrix} 1.618 & 0 \\ 0 & 0.618 \end{bmatrix}\begin{bmatrix} 0.5257 & 0.8507 \\ -0.8507 & 0.5257 \end{bmatrix} \\ =\text{rotate}\left(31.7^{\circ}\right) \text { scale}(1.618,0.618) \text { rotate}\left(-58.3^{\circ}\right)$

图形演示：

切变分解

3D 变换

3D 点、向量的齐次坐标表示

3D 空间中的点和向量可以表示为：

3D 点表示为： $x,y,z,1)^{T}$
3D 向量表示为： $x,y,z,0)^{T}$

当 $w\neq 0$ 时， $\begin{pmatrix} x\\ y\\ z\\ w \end{pmatrix}$ 就表示 3D 点 $\begin{pmatrix} x/w\\ y/w\\ z/w\\ 1 \end{pmatrix}$ 。

三维空间中的旋转

绕谁转，谁不变。用代数余子式的方法去理解下面的式子：

绕 $x$ 轴旋转： $\mathbf{R}_{x}(\alpha) = \begin{pmatrix} 1 & 0 & 0 & 0 \\ 0 & \cos \alpha & -\sin \alpha & 0 \\ 0 & \sin \alpha & \cos \alpha & 0 \\ 0 & 0 & 0 & 1 \end{pmatrix}$

绕 $y$ 轴旋转： $\mathbf{R}_{y}(\alpha) = \begin{pmatrix} \cos \alpha & 0 & \sin \alpha & 0 \\ 0 & 1 & 0 & 0 \\ -\sin \alpha & 0 & \cos \alpha & 0 \\ 0 & 0 & 0 & 1 \end{pmatrix}$ （注意负号的位置）

绕 $z$ 轴旋转： $\mathbf{R}_{z}(\alpha) = \begin{pmatrix} \cos \alpha & -\sin \alpha & 0 & 0 \\ \sin \alpha & \cos \alpha & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{pmatrix}$

罗德里格斯旋转公式（Rodrigues’ Rotation Formula）

绕过原点的 $\mathbf{n}$ 轴，旋转 $\alpha$ 角度：（其中 $\mathbf{I}$ 是单位阵）

$\mathbf{R}(\mathbf{n}, \alpha)=\cos (\alpha) \mathbf{I}+(1-\cos (\alpha)) \mathbf{n n}^{T}+\sin (\alpha) \underbrace{\begin{pmatrix} 0 & -n_{z} & n_{y} \\ n_{z} & 0 & -n_{x} \\ -n_{y} & n_{x} & 0 \end{pmatrix}}_{\mathbf{N}}$

Viewing transformation

MVP：

模型变换（model transformation）—— Find a good place and arrange people
视图变换（view transformation）—— Find a good “angle” to put the camera
投影变换（projection transformation）—— Cheese!

视图变换（View / Camera transformation）

定义相机：

相机的位置 $\vec{e}$
观察方向 $\hat{g}$
向上方向 $\hat{t}$ （假定垂直于观察方向）

容易得到相机的右方向是 $\hat{g} \times \hat{t}$

把相机固定到原点，并且向上方向为 $y$ 轴方向，看向 $- z$ 轴的方向（观察方向）。让物体跟着相机走。

移动相机示意图

使用矩阵 $M_{view}$ 来完成这一变换：

$M_{view}=R_{view}T_{view}$
把 $\vec{e}$ 平移到原点： $T_{view} = \begin{bmatrix} 1 & 0 & 0 & -x_{e} \\ 0 & 1 & 0 & -y_{e} \\ 0 & 0 & 1 & -z_{e} \\ 0 & 0 & 0 & 1 \end{bmatrix}$
旋转： $\hat{g} \rightarrow -Z$ 轴， $\hat{t} \rightarrow Y$ 轴， $\left ( \hat{g} \times \hat{t} \right )\rightarrow X$ 轴
- 考虑其逆过程： $Z$ 轴 $\rightarrow -\hat{g}$ ， $Y$ 轴 $\rightarrow \hat{t}$ ， $X$ 轴 $\rightarrow \left ( \hat{g} \times \hat{t} \right )$
- 由于旋转矩阵的逆等于旋转矩阵的转置，可以得到：
  $R_{view}^{-1}=\begin{bmatrix} x_{\hat{g} \times \hat{t}} & x_{t} & x_{-g} & 0 \\ y_{\hat{g} \times \hat{t}} & y_{t} & y_{-g} & 0 \\ z_{\hat{g} \times \hat{t}} & z_{t} & z_{-g} & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} \quad \Rightarrow \quad R_{view}=\begin{bmatrix} x_{\hat{g} \times \hat{t}} & y_{\hat{g} \times \hat{t}} & z_{\hat{g} \times \hat{t}} & 0 \\ x_{t} & y_{t} & z_{t} & 0 \\ x_{-g} & y_{-g} & z_{-g} & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}$

投影变换（Projection transformation）

正交投影（Orthographic projection）

简单的理解正交投影（直观理解）：

相机在原点, looking at $- Z$ , up at $Y$
直接丢弃 $Z$ 坐标
将生成的矩形平移并缩放到 $\left [ -1,1 \right ]^{2}$

实际上的做法：
把一个长方体 $\left [ l,r \right ]\times \left [ b,t \right ]\times \left [ f,n \right ]$ map(映射) 到标准视体 $\left [ -1,1 \right ]^{3}$

将长方体中心平移到原点 Translate (center to origin) first
缩放至标准大小 then scale (length/width/height to $2$ )

$M_{ortho}=\begin{bmatrix} \frac{2}{r-l} & 0 & 0 & 0 \\ 0 & \frac{2}{t-b} & 0 & 0 \\ 0 & 0 & \frac{2}{n-f} & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}\begin{bmatrix} 1 & 0 & 0 & -\frac{r+l}{2} \\ 0 & 1 & 0 & -\frac{t+b}{2} \\ 0 & 0 & 1 & -\frac{n+f}{2} \\ 0 & 0 & 0 & 1 \end{bmatrix}= \begin{bmatrix} \frac{2}{r-l} & 0 & 0 & \frac{l + r}{l -r}\\ 0 & \frac{2}{t-b} & 0 & \frac{b + t}{b -t}\\ 0 & 0 & \frac{2}{n-f} & \frac{f + n}{f-n}\\ 0 & 0 & 0 & 1 \end{bmatrix}$

注意： $n > f$ （Looking at / along -Z is making near and far not intuitive(不符合直觉)）
正交投影

透视投影（Perspective projection）

更常用，更符合人眼的直觉 Most common in Computer Graphics, art, visual system
近大远小，远处的物体看起来小 Further objects are smaller
平行线不再平行。平行线在远处看起来似乎会“相交”于一点 Parallel lines not parallel; converge to single point

如何做透视投影： $M_{persp}=M_{ortho} M_{persp \rightarrow ortho}$

先把视锥体挤压成长方体 $M_{persp \rightarrow ortho}$ First “squish” the frustum into a cuboid (n -> n, f -> f)
做正交投影 $M_{ortho}$ Do orthographic projection

示意图

求解 $M_{persp \rightarrow ortho}$ 的中心思想：寻找变换后点 $(x ’, y ’, z ’)$ 和变换前点 $(x, y, z)$ 的关系

在挤压的过程中，

近平面上点坐标不会变 Any point on the near plane will not change
远平面上点 $z$ 坐标不会变 Any point’s z on the far plane will not change
远平面中心点不会变（挤压之后它还是中心）

求解出来得： $M_{persp \rightarrow ortho}=\begin{pmatrix} n & 0 & 0 & 0 \\ 0 & n & 0 & 0 \\ 0 & 0 & n+f & -nf \\ 0 & 0 & 1 & 0 \end{pmatrix}$

综上： $\displaystyle M_{persp} \\ =M_{ortho} M_{persp \rightarrow ortho} \\ =M_{ortho} \begin{pmatrix} n & 0 & 0 & 0 \\ 0 & n & 0 & 0 \\ 0 & 0 & n+f & -nf \\ 0 & 0 & 1 & 0 \end{pmatrix} \\ = \begin{pmatrix} \frac{2n}{r-l} & 0 & \frac{l+r}{l-r} & 0\\ 0 & \frac{2n}{t-b} & \frac{b+t}{b-t} & 0\\ 0 & 0 & \frac{n+f}{n-f} & \frac{2fn}{f-n}\\ 0 & 0 & 1 & 0 \end{pmatrix}$