【Games101】Lecture03 变换 整理

视频&图片来源：【B站】GAMES101-现代计算机图形学入门-闫令琪

1. 线性变换

1.1 缩放

1.1.1 均匀缩放

$x^{{}^{\prime }}=sx，y^{{}^{\prime }}=sy$
矩阵形式表示:$\left[\begin{array}{c}{x}^{{}^{\prime }}\\ y^{{}^{\prime }}\end{array}\right]=\left[\begin{array}{cc}s& 0\\ 0& s\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]$，其中，$\left[\begin{array}{cc}s& 0\\ 0& s\end{array}\right]$称为缩放矩阵。

1.1.2 非均匀缩放

矩阵形式表示:$\left[\begin{array}{c}{x}^{{}^{\prime }}\\ y^{{}^{\prime }}\end{array}\right]=\left[\begin{array}{cc}{s}_x& 0\\ 0& s_y\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]$

1.2 反射

1.2.1 水平反射

$x^{{}^{\prime }}=-x，y^{{}^{\prime }}=y$
矩阵形式表示:$\left[\begin{array}{c}{x}^{{}^{\prime }}\\ y^{{}^{\prime }}\end{array}\right]=\left[\begin{array}{cc}-1& 0\\ 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]$

1.3 切变

矩阵形式表示:$\left[\begin{array}{c}{x}^{{}^{\prime }}\\ y^{{}^{\prime }}\end{array}\right]=\left[\begin{array}{cc}1& a\\ 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]$
要点：

• 在$y=0$时，水平位移为0；在$y=1$时，水平位移为$a$
• 竖直位移恒为0。

1.4 旋转

旋转矩阵：$R_{\theta }=\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]$

1.5 总结

针对$x$和$y$的变换：$x^{{}^{\prime }}=ax+by，y^{{}^{\prime }}=cx+dy$
写成矩阵形式：$\left[\begin{array}{c}{x}^{{}^{\prime }}\\ y^{{}^{\prime }}\end{array}\right]=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]$
总的来说：${\mathrm{X}}^{{}^{\prime }}=M\mathrm{X}$，其中，$M$为变换矩阵

2. 齐次坐标

2.1 非线性变换

2.1.1 引入：一种非线性变换—平移

平移是一种非线性变换：$\left[\begin{array}{c}{x}^{{}^{\prime }}\\ y^{{}^{\prime }}\end{array}\right]=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]+\left[\begin{array}{c}{t}_x\\ t_y\end{array}\right]$
我们希望将平移也能以线性变换的形式进行处理。
处理方法（以2D为例）：进行维度上的拓展。

• 点$=(x,y,1{)}^T$
• 向量$=(x,y,0{)}^T$

于是，平移变换的矩阵表示可以为：$\left(\begin{array}{c}{x}^{{}^{\prime }}\\ y^{{}^{\prime }}\\ w^{{}^{\prime }}\end{array}\right)=\left(\begin{array}{ccc}1& 0& t_x\\ 0& 1& t_y\\ 0& 0& 1\end{array}\right)\cdot \left(\begin{array}{c}x\\ y\\ z\end{array}\right)=\left(\begin{array}{c}x+t_x\\ y+t_y\\ 1\end{array}\right)$

这样做的依据：

• 向量具有平移不变性，平移方向不变。
• 扩充的定义：$\left(\begin{array}{c}x\\ y\\ w\end{array}\right)$是2D点$\left(\begin{array}{c}x/w\\ y/w\\ 1\end{array}\right)$，$w\ne 0$

辅助理解：当$w$的坐标为0或者1，有效的操作有:

• 向量+向量=向量
• 点-点=向量
• 点+向量=点
• 点+点=这两个点的中点

2.1.2 仿射变换

一般表示：$\left(\begin{array}{c}{x}^{{}^{\prime }}\\ y^{{}^{\prime }}\end{array}\right)=\left(\begin{array}{cc}a& b\\ c& d\end{array}\right)\left(\begin{array}{c}x\\ y\end{array}\right)+\left(\begin{array}{c}{t}_x\\ t_y\end{array}\right)$


使用齐次坐标表示：$\left(\begin{array}{c}{x}^{{}^{\prime }}\\ y^{{}^{\prime }}\\ 1\end{array}\right)=\left(\begin{array}{ccc}a& b& t_x\\ c& d& t_y\\ 0& 0& 1\end{array}\right)\cdot \left(\begin{array}{c}x\\ y\\ 1\end{array}\right)$

• 缩放矩阵：$S(s_x,s_y)=\left(\begin{array}{ccc}{s}_x& 0& 0\\ 0& s_y& 0\\ 0& 0& 1\end{array}\right)$
• 旋转矩阵：$R(\alpha )=\left(\begin{array}{ccc}\cos \alpha & -\sin \alpha & 0\\ \sin \alpha & \cos \alpha & 0\\ 0& 0& 1\end{array}\right)$
• 平移矩阵：$T(t_x,t_y)=\left(\begin{array}{ccc}1& 0& t_x\\ 0& 1& t_y\\ 0& 0& 1\end{array}\right)$

2.1.3 变换的组合

• 复杂变换可以通过一系列简单变换得到
• 变换的顺序不同结果不同，从右到左逐个应用（原理：矩阵乘法）
  

e.g. 先逆时针旋转45°，再水平平移一个单位
$T_{(1,0)}\cdot R_{45}\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left(\begin{array}{ccc}1& 0& 1\\ 0& 1& 0\\ 0& 0& 1\end{array}\right)\left(\begin{array}{ccc}\cos 45°& -\sin 45°& 0\\ \sin 45°& \cos 45°& 0\\ 0& 0& 1\end{array}\right)\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$

2.2 逆变换

3. 三维变换

• 3D点$=(x,y,z,1{)}^T$
• 3D向量$=(x,y,z,0{)}^T$
• 扩充的定义：$\left(\begin{array}{c}x\\ y\\ z\\ w\end{array}\right)$是3D点$\left(\begin{array}{c}x/w\\ y/w\\ z/w\end{array}\right)$，$w\ne 0$
• 齐次坐标变换矩阵：$\left(\begin{array}{c}{x}^{{}^{\prime }}\\ y^{{}^{\prime }}\\ z^{{}^{\prime }}\\ 1\end{array}\right)=\left(\begin{array}{cccc}a& b& c& t_x\\ d& e& f& t_y\\ g& h& i& t_z\\ 0& 0& 0& 1\end{array}\right)\cdot \left(\begin{array}{c}x\\ y\\ z\\ 1\end{array}\right)$