计算机图形学系列

计算机图形学总览

在学习计算机图形学之前，先看看一些相关的学科，分别是：

• 计算机视觉（CV）：是图形学的逆过程，分析和识别输入的图像，并从中提取二维或者三维的数据模型，简单理解为，一切需要猜测的东西。

• 数字图像处理（DIP）：图像的数字画表示，研究如何对一幅连续图像取样、量化以产生数字图像。

• 计算机图形学（CG）：研究怎么用数字计算生成、处理和显示图形的一门学科。

图形学课程学习

课程总览：

• 光栅化（扫描转换，裁剪，反走样，消隐）

• 几何造型（曲线曲面造型，实体造型）

• 真实感图形学（光线追踪，Phone模型，辐射度算法）

• 动画、仿真

常用的图形学API：OpenGL，Vulkan，Metal，DirectX，

比较主流的渲染引擎：Unity，UnReal

图形分为两类：

• 基于线条信息表示的，如工程图、等高线地图、曲面的线框图等
• 明暗图(Shading)，也就是通常所说的真实感图形。

什么是图形呢？

• 能在人的视觉系统中产生视觉印象的客观对象
• 包括自然景物、拍摄到的图片、用数学方法描述的图形等等

构成图形的要素有

• 几何要素：主要是用来刻画形状的点、线、面、体等几何要素
• 非几何要素：反映物体表面属性或材质的灰度颜色等非几何要素

比如描述一个球体，需要知道一个球的半径，几何方程，球心，这些就是几何要素，而这个球体的颜色，材质，表面是否有凹凸，这些是非几何要素

表示图形的方法：

• 点阵法：枚举出图形中所有的点来表示图形。（像素图，图像）
• 参数法：图形的形状参数和属性参数来表示图形，简称图形

图像和图形

• 图像（image）：图像纯指计算机内以位图(Bitmap)形式存在的灰度信息

• 图形（graphics）：图形含有几何属性，或者说更强调场景的几何表示，是由场景的几何模型和景物的物理属性共同组成的

常用线性代数复习：

图形学理论基础：

• 线性代数，微积分，统计
• 物理（光学，力学）
• 信号处理，数值分析
• 美学

线性代数复习：

向量（Vectors）：数学上叫向量，物理上叫矢量，有两个属性：方向，长度
$$\overrightarrow{AB}=\vec{B}-\vec{A}$$
单位向量：在图形学领域，通常来表示方向

向量基本操作：

• 向量求和：平行四边形法则，三角形法则

  代数：直接把坐标加起来

  在图形学上，默认：任何向量缺省的设置是列向量

• 点乘(dot)：$\vec{a}\cdot \vec{b}=a\ast bcos\theta$,对单元向量来说：cos $\theta$ = $\vec{a}\cdot \vec{b}$ ，向量的点乘直接就是两个向量夹角的余弦值。最终得到的是一个数。

  • 属性：满足交换律，结合律，分配律

  • 计算：$\vec{a}\cdot \vec{b}$ = xa * ya + xb * yb(2D)

  • 点乘在的应用：

    • 求两个向量之间的夹角（例如光照）。

    • 求一个向量在另外一个向量的投影，投影可以把一个向量分解成两个向量。把一个向量进行任意方向的分解。

    • 可以计算两个向量的方向是否接近（通过cos夹角可以求得）

• 叉乘(cross): $\vec{a}叉乘\vec{b}$ = a * b sin $\theta$（大小），两个向量做叉乘，得到一个新的向量。（方向）遵循右手螺旋定则。

  • 叉乘的应用：

    • 右手坐标系：建立直角坐标系

  • 叉乘的性质：满足分配律，结合律，不满足交换律（ $\vec{a}叉乘\vec{b}$ = - $\vec{b}叉乘\vec{a}$ ）

  • 计算法则：掐头去尾

  • 叉乘在图形学上的应用：

    • Determine left / right（顺时针，逆时针）
    • Determine inside / outside

矩阵（Matrixs）：矩阵就是一堆数

• 常数 * 矩阵
• 矩阵* 矩阵
• 矩阵* 向量（列向量）
• 转置：把行和列互换，（AB）T = BT * AT
• 单位阵：向量乘积也可以写成矩阵的形式
• 性质：没有任何交换律，有结合律和分配律