计算机图形学学习笔记（向量、矩阵、变换）

计算机图形学学习笔记（向量、矩阵、变换）

---

---

前言

向量（Vector）运算、矩阵（Matrix）运算、和变换矩阵 (Transformation Marices) 在计算机图形学中非常重要，一切物体的缩放，旋转，位移，都可以通过变换矩阵作用得到。同时在投影 (projection) 变换的时候也有很多应用，本文将会介绍一些向量运算、矩阵运算和一些简单的变换矩阵

---

一、向量运算

1.向量点乘

几何：$\vec{a}\cdot \vec{b}$ = $||\vec{a}||$ * $||\vec{b}||$ * $\cos \theta$
代数：$$\vec{a}\cdot \vec{b}=\left(\begin{array}{c}{x}_a\\ y_a\end{array}\right)\cdot \left(\begin{array}{c}{x}_b\\ y_b\end{array}\right)=x_a{x}_b+y_a{y}_b$$

$||\vec{a}||$ ： $\vec{a}$向量的模
$\cos \theta$ ：$\vec{a}$$\vec{b}$向量的夹角
向量点乘符合交换、结合、分配律

2.向量叉乘

几何：$\vec{a}\times \vec{b}$ = $-(\vec{b}\times \vec{a})$
$||\vec{a}\times \vec{b}||$ = $||\vec{a}||$ * $||\vec{b}||$ * $\sin \theta$
叉乘获得垂直于 $\vec{a}$与$\vec{b}$的向量方向（右手螺旋定则，四指旋转方向为：如果$\vec{a}\times \vec{b}$ 就从$\vec{a}$旋转到$\vec{b}$大拇指方向为叉乘向量的方向）
注意：GAMES101教学使用右手系，所以使用右手螺旋定则，Unity和UE引擎都使用左手系所以应变为左手定则
代数：$$\vec{a}\times \vec{b}=\left(\begin{array}{c}{x}_a\\ y_a\\ z_a\end{array}\right)\times \left(\begin{array}{c}{x}_b\\ y_b\\ z_b\end{array}\right)=\left(\begin{array}{c}{y}_a{z}_b-y_b{z}_a\\ z_a{x}_b-x_a{z}_b\\ x_a{y}_b-y_a{x}_b\end{array}\right)$$
叉乘符合结合、分配律，但是不符合交换律（方向会反）
向量叉乘的应用：判断左右、判断内外

$\vec{a}\times \vec{b}$得正：$\vec{a}$在$\vec{b}$右侧

$\overrightarrow{AB}\times \overrightarrow{AP}$与$\overrightarrow{BC}\times \overrightarrow{BP}$与$\overrightarrow{CA}\times \overrightarrow{CP}$方向相同则P在三角形ABC内

二、矩阵运算

1.矩阵相乘

一个M行N列的矩阵与一个N行P列的矩阵相乘获得一个M行P列矩阵
A(M $\times$ N) $\times$ B(N $\times$ P) = C(M $\times$ P)
C矩阵i行j列的元素是A矩阵第i行的行向量与B矩阵第j列的列向量的点乘
性质：没有交换律，有结合、分配律
一些公式：
$（AB{）}^T=B^T{A}^T$
$（AB{）}^{-1}=B^{-1}{A}^{-1}$
向量叉乘用矩阵乘法形式表达（知道即可）：
$$\vec{a}\times \vec{b}=A\times \vec{b}=\left(\begin{array}{ccc}0& -z_a& y_a\\ z_a& 0& -x_a\\ -y_a& x_a& 0\end{array}\right)\left(\begin{array}{c}{x}_b\\ y_b\\ z_b\end{array}\right)$$

三、变换（Transform）

1.2D变换

3.1.1缩放（Scale）

$$\left(\begin{array}{c}x\\ y\end{array}\right)\times \left(\begin{array}{cc}s& 0\\ 0& s\end{array}\right)=\left(\begin{array}{c}{x}_1\\ y_1\end{array}\right)$$
$$\left(\begin{array}{c}x\\ y\end{array}\right)\times \left(\begin{array}{cc}{s}_x& 0\\ 0& s_y\end{array}\right)=\left(\begin{array}{c}{x}_1\\ y_1\end{array}\right)$$
水平翻转：
$$\left(\begin{array}{c}x\\ y\end{array}\right)\times \left(\begin{array}{cc}-1& 0\\ 0& -1\end{array}\right)=\left(\begin{array}{c}{x}_1\\ y_1\end{array}\right)$$
切变：
$$\left(\begin{array}{c}x\\ y\end{array}\right)\times \left(\begin{array}{cc}-1& a\\ 0& -1\end{array}\right)=\left(\begin{array}{c}{x}_1\\ y_1\end{array}\right)$$
理解：A点移动了a，B点移动了a/2，所以$x_1=x+ay$

3.1.2旋转（Rotate）

$$\left(\begin{array}{c}x\\ y\end{array}\right)\times \left(\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right)=\left(\begin{array}{c}{x}_1\\ y_1\end{array}\right)$$
$$R_{-\theta }=\left(\begin{array}{cc}\cos \theta & \sin \theta \\ -\sin \theta & \cos \theta \end{array}\right)=R_{\theta }^T$$
$$R_{-\theta }=R_{\theta }^{-1}(定义可得)$$

3.1.3线性变换（Linear Transforms）

线性变换=矩阵
$$\left(\begin{array}{c}x\\ y\end{array}\right)\times \left(\begin{array}{cc}a& b\\ c& d\end{array}\right)=\left(\begin{array}{c}{x}_1\\ y_1\end{array}\right)$$
$$x_1=ax+by$$
$$y_1=cx+dy$$
以上介绍的变换都是线性变换

3.1.4齐次坐标（Homogeneous coordinates）

平移：
$$\left(\begin{array}{c}x\\ y\end{array}\right)+\left(\begin{array}{c}{t}_x\\ t_y\end{array}\right)=\left(\begin{array}{c}{x}_1\\ y_1\end{array}\right)$$
$$x_1=x+t_x$$
$$y_1=y+t_y$$
平移不能用传统的变换矩阵表示，所以平移不是线性变换
平移——>矩阵表示——>引入齐次坐标，增加一个新的维度（w-coordinate）即
点：$$\left(\begin{array}{c}x\\ y\end{array}\right)->\left(\begin{array}{c}x\\ y\\ 1\end{array}\right)$$
向量：为什么向量是(x,y,0)?因为向量平移之后还是原向量$$\left(\begin{array}{c}x\\ y\end{array}\right)->\left(\begin{array}{c}x\\ y\\ 0\end{array}\right)$$
表示平移：
$$\left(\begin{array}{c}{x}_1\\ y_1\\ w_1\end{array}\right)=\left(\begin{array}{ccc}1& 0& t_x\\ 0& 1& t_y\\ 0& 0& 1\end{array}\right)\left(\begin{array}{c}x\\ y\\ 1\end{array}\right)=\left(\begin{array}{c}x+t_x\\ y+t_y\\ 1\end{array}\right)$$
简而言之，齐次坐标就是用N+1维来代表N维坐标。我们可以在一个2D笛卡尔坐标末尾加上一个额外的变量w来形成2D齐次坐标，因此，一个点(X,Y)在齐次坐标里面变成了（x,y,w），并且一定有：
X = x/w
Y = y/w
也就是说我们把齐次坐标转化为笛卡尔坐标的方法是前面n-1个坐标分量分别除以最后一个分量即可。

在转换的过程中，会发现(1, 2, 3), (2, 4, 6) 和(4, 8, 12)对应同一个笛卡尔坐标点 (1/3, 2/3)，任何标量的乘积，例如(1a, 2a, 3a) 对应 笛卡尔空间里面的(1/3, 2/3) 。因此，这些点是“齐次的”，因为他们代表了笛卡尔坐标系里面的同一个点。换句话说，齐次坐标有规模不变性。

3.1.5仿射变换（Affine transform）

仿射变换 = 先线性变换 + 后平移
缩放、旋转、平移变换都属于仿射变换
使用齐次坐标：
$$\left(\begin{array}{c}{x}_1\\ y_1\\ w_1\end{array}\right)=\left(\begin{array}{ccc}a& b& t_x\\ c& d& t_y\\ 0& 0& 1\end{array}\right)\left(\begin{array}{c}x\\ y\\ 1\end{array}\right)$$

3.1.6逆变换（Inverse transform）

3.1.7组合变换

为什么变换结果不同？
因为矩阵乘法不符合交换律
$$T_{(1,0)}{R}_{45}\left(\begin{array}{c}x\\ y\\ 1\end{array}\right)\ne R_{45}{T}_{(1,0)}\left(\begin{array}{c}x\\ y\\ 1\end{array}\right)$$

2.3D变换(同2D不过多赘述)

参考

GAMES101-现代计算机图形学入门-闫令琪视频课程