计算机图形学入门笔记

注：本文是基于闫令琪老师的 GAMES101-现代计算机图形学入门 视频课程以及虎书《Fundamentals of Computer Graphics》做的笔记。转载请注明出处。

---

主要内容

• 光栅化
• 几何
• 光线追踪
• 模拟/动画

依赖（Dependencies）

1. 线性代数 (Linear algebra)
2. 微积分 (calculus)
3. 统计 (statistics)
4. 光学 (optics)
5. 力学 (mechanics)
6. 信号处理 (signal processing)
7. 数值分析(numerical analysis)

---

1.线性代数

向量默认是列向量

• 向量点积

  1. 用于计算两个向量之间的夹角
  2. 用于计算向量的投影
  3. 衡量两个向量接近程度

4. 根据点乘的正负判断两个向量的方向关系（同向还是反向）

• 向量叉积

  1. 遵循右手螺旋定则，四指由第一个向量旋转至第二个向量
  2. 用于根据x ，y轴确定z轴
  3. 用于确定向量的左右关系，如果xy平面内的向量a×b结果是正的（与z轴方向相同），表明b在a的左侧，若是负的则b在a的右侧
  4. 用于判断点是否在三角形内部
  5. 有些地方会使用左手坐标系，即z轴方向与xy的叉积相反
  6. 仍然遵顼结合律，a × (b+c)=a × b + a × c
  7. 两个同向向量叉积是零向量，零向量也是向量

• 矩阵乘法

  A×B = C

  A的列数必须等于B的行数，C的第i行第j列的数等于A的第i行向量与B的第j列向量的数量积

  ---

  2D仿射变换（Affine Transformations）

  线性变换（Linear Transformation）都可以用矩阵来表示:
  $$\begin{gathered} \left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right] \\ {x}^{\prime }=ax+by \\ {y}^{\prime }=cx+dy \end{gathered}$$

• 缩放（Scale）
  

  $$\begin{gathered} \left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{cc}{s}_x& 0\\ 0& s_y\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right] \\ {x}^{\prime }=s_{x}x \\ {y}^{\prime }=s_{y}y \end{gathered}$$

• 对称（Reflection）

  ​ 沿y轴对称:
  

  $$\begin{gathered} \left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{cc}-1& 0\\ 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right] \\ {x}^{\prime }=-x \\ {y}^{\prime }=y \end{gathered}$$
  ​ 沿x轴对称只要将1和-1互换即可

• 错切（Shear）

$$\begin{gathered} \left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{cc}1& a\\ 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right] \\ {x}^{\prime }=x+ay \\ {y}^{\prime }=y \end{gathered}$$

• 旋转（Rotation）

  旋转中心为(0,0)时：
  

  $$\begin{gathered} \left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{cc}cos\theta & -sin\theta \\ sin\theta & cos\theta \end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right] \\ {x}^{\prime }=xcos\theta -ysin\theta \\ {y}^{\prime }=xsin\theta +ycos\theta \end{gathered}$$
  不难发现旋转矩阵是正交矩阵，即逆矩阵等于转置矩阵
  $$R_{\theta }^{-1}=R_{\theta }^T=\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{cc}cos\theta & sin\theta \\ -sin\theta & cos\theta \end{array}\right]$$

• 平移 (translation)
  

$$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]+\left[\begin{array}{c}{t}_x\\ t_y\end{array}\right]$$

• 齐次坐标（Homogeneous Coordinates）

  平移不是线性变换，我们无法使用一个二维矩阵来表示这个T ，因此引入齐次坐标的概念

  把二维坐标增加一个维度：

  点写成： (x,y,1)

  向量写成: (x,y,0)

  只有向量最后一个数是0时才符合向量的平移不变性质，且用点坐标减去点坐标得到的向量最后一位是0，用点+向量得到的第三位是1，符合基本定理

  当点坐标的第三维不为1时：

  (x,y,w) 写成 (x/w,y/w,1) 来保证第三位是1，因此两个点坐标相加的结果是他们的中点

  至此，包括平移在内的以上的所有变换都可以写成下面的形式：

$$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\\ 1\end{array}\right]=\left[\begin{array}{ccc}a& b& t_x\\ c& d& t_y\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$$

• 逆变换 (Inverse Transformations)

  逆变换可以通过乘以逆矩阵来表示

  因为
  $$\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=A^{-1}\cdot A\cdot \left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$$

• 复合变换 (Composing Transformations)

  变换的顺序改变，结果也会改变（矩阵乘法不满足交换律）

  先旋转再平移: 先左乘旋转变换矩阵，再左乘平移变换矩阵
  $$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\\ 1\end{array}\right]=T_{1,0}\cdot R_{45}\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$$
  ​ 如果按先后顺序有一系列变换:
  $$A_1,A_2,...,A_n$$
  ​ 可以通过矩阵乘法合并为一个矩阵:
  $$A=A_n...A_2{A}_1$$
  ​ 然后导出结果:
  $$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\\ 1\end{array}\right]=A\cdot \left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$$

---

3D变换 (3D Transformations)

• 齐次坐标

  依然是使用其次坐标来表示三维的点和向量

  点: (x,y,z,1)

  向量: (x,y,z,0)

  (x,y,z,w)视作点 (x/w,y/w,z/w,1)

• 3D仿射变换矩阵
  $$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\\ z^{\prime }\\ 1\end{array}\right]=\left[\begin{array}{cccc}a& b& c& t_x\\ d& e& f& t_y\\ g& h& i& t_z\\ 0& 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ z\\ 1\end{array}\right]$$
  表示的依然是先线性变换再平移

  • 缩放
    $$S(s_x,s_y,s_z)=\left[\begin{array}{cccc}{s}_x& 0& 0& 0\\ 0& s_y& 0& 0\\ 0& 0& s_z& 0\\ 0& 0& 0& 1\end{array}\right]$$

• 平移
  $$T(t_x,t_y,t_z)=\left[\begin{array}{cccc}0& 0& 0& t_x\\ 0& 0& 0& t_y\\ 0& 0& 0& t_z\\ 0& 0& 0& 1\end{array}\right]$$

• 旋转

  绕x轴旋转α角度：
  $$R_x(\alpha )=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& cos\alpha & -sin\alpha & 0\\ 0& sin\alpha & cos\alpha & 0\\ 0& 0& 0& 1\end{array}\right]$$
  绕y轴旋转α角度：
  $$R_y(\alpha )=\left[\begin{array}{cccc}cos\alpha & 0& sin\alpha & 0\\ 0& 1& 0& 0\\ -sin\alpha & 0& cos\alpha & 0\\ 0& 0& 0& 1\end{array}\right]$$

  ​ 绕y轴旋转时α变成了-α，这是因为x轴是y轴叉乘z轴得到的，z轴是x轴叉乘y轴，方向都是正的，而y轴按顺序由 z轴叉乘x轴得到，方向是相反的。

  绕z轴旋转α角度：
  $$R_z(\alpha )=\left[\begin{array}{cccc}cos\alpha & -sin\alpha & 0& 0\\ sin\alpha & cos\alpha & 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$$

  绕某一根轴旋转时，拿x轴举例，旋转后所有点的x坐标不变，所以矩阵的第一行第一列是1，第一行其他列都是0。这样矩阵乘法之后可以保证x还是x。然后我们从x轴方向往原点看，即看yz平面，此时yz平面上的变化是所有的点在绕原点旋转，那么就可以直接使用二维的旋转变换矩阵来表示y，z坐标的变换，第二行和第三行就是这样得到的。