闫令琪Game101-Lecture 03 Introduction to Computer Graphics

Lecture 03 Introduction to Computer Graphics

变换

• 为什么学习变换：

  • 模型变换
  • 视图变换
  • 把三维世界变成二维图片

• 2D变换

  • Scale Transformations

    等大小变换

    

    非等大小变换：

    

  • Reflection Transformations

    

  • Shear Transformation:找到x,y两者变换前后的关系，再使用矩阵相乘。左乘矩阵行变换、右乘矩阵列变换。

    

  • Rotate Transformation (如果不说绕什么旋转，默认绕原点旋转；如果不说，默认逆时针旋转):

    

    使用两个特殊的点，比如(1,0),(0,1)来计算得到矩阵即可：

    

  • 对于线性变换都可以表示称矩阵形式

• 齐次坐标（解决平移问题）

  • 为什么要引入齐次坐标（所有的变换都可以写成矩阵乘以一个向量的形式）

    • 

    • 平移变换这种方式使用矩阵（线性变换）不能直接表示

    • 引入齐次坐标可以表示平移，但是它不好的地方在哪里

  • 解决方案

    • 

      为什么是$(x,y,1{)}^T$代表点，而$(x,y,0{)}^T$代表向量。向量平移变换之后不变，第三维设置为0的话，这样恰好可以第三维一直维持为0。

    • 

      向量加上向量还是向量本身，一个点减去另一个点是一个向量，点加上向量是一个点，点加上点是它的重点。

  • 仿射变换

    • 

  • 2D Transformations

    • 引入了齐次坐标的话，我们可以直接全部使用矩阵来表示全部2D变换

      

      不一定齐次坐标都是加入(0,0,1)。还可能是其他变换

• 逆变换（乘以变换的逆矩阵）

• composite 变换

  • 
    如何实现图中的变换

  • 变换的顺序十分重要

    • 如果是先平移后旋转，不能实现如图变换（旋转默认是原点旋转）

    • 如果是先旋转后平移，可以实现如图变换。原因：矩阵没有交换律（🐂大了）

    • 转换的矩阵为（确定了顺序之后，从矩阵的右边计算到左边）：

  • 通过上述表换之后，我们可以使用矩阵进行任意变换的组合（数学上，矩阵不满足交换律，但是满足的是结合率，因此可以从$A_n$计算到$A_1$）：

  • 拆解变换，计算矩阵式从右到左：

    

• 推广到3维空间：

  

• 

  答案：线性变换后平移，参考之前的2D变换方式