【Shader笔记】Shader数学基础（一）

参考书籍：UNITY SHADER入门精要

一、笛卡尔坐标系 Cartesian Coordinate System

1.1 二维笛卡尔坐标系

一个二维笛卡尔坐标系包含两个部分信息：

• 一个特殊的位置——原点（整个坐标系的中心）
• 两条经过原点且互相垂直的矢量（x/y轴），也称为基矢量。

1.2 三维笛卡尔坐标系

在三维笛卡尔坐标系中

• X轴、Y轴、Z轴为该坐标系的基矢量。
• 3个坐标轴之间互相垂直，且长度为1，即为标准正交基。
• 3个坐标轴之间互相垂直，但长度不为1，即为正交基。

正交：互相垂直
与二维笛卡尔坐标系相似，无固定方向的坐标轴。导致出现两种不同类型的坐标系。即左手坐标系和右手坐标系，如下图所示：

上图两种坐标系具有旋向性

1.3 Unity的坐标系

提供了模型空间、世界空间共两种。对这两种空间，Unity选择使用的是左手坐标系。

对于观察空间（通过以摄像机为原点的坐标系观察），Unity选择是引用的是右手坐标系。

1.4 练习题

• (1) 建模软件3D Max的默认坐标轴方向是：X轴正方向指向右方，Y轴正方向指向前方，Z轴正方向指向上方。那它是左手坐标系还是右手坐标系？
  答：左手坐标系。
• (2) 有一点坐标(0, 0, 1)，在左手坐标系中，将其绕Y轴正方向旋转+90°，旋转后坐标为什么？同理在右手坐标系中，将其绕Y轴正方向旋转+90°，旋转后的坐标是什么？
  答：左手坐标系中(1, 0, 0) 右手坐标系(-1, 0, 0)

二、点和矢量

点：n维空间中的一个位置（主要出现于二维、三维场景）。
矢量：n维空间中包含了 模-magnitude、方向-direction的有向线段。

具体：

• 矢量的模 = 矢量的长度（非负数）
• 矢量的方向：描述该矢量在空间中的指向

注：矢量常被用于表示相对某个点的偏移。

2.1 区别

矢量有两点组成。任何一个点可以表示成一个从原点出发的矢量。

其他：表示方向的矢量称为方向矢量。

2.2 矢量运算

2.2.1 矢量和标量的乘法、除法

乘法：k$v$= (k$v_x$, k$v_y$, k$v_z$)
除法：$\frac{1}{k}$$v$ = ($\frac{1}{k}{v}_x$, $\frac{1}{k}{v}_y$, $\frac{1}{k}{v}_z$)

2.2.2 矢量的加减法

加法：a+b= ($a_x+b_x$, $a_y+b_y$, $a_z+b_z$)
减法：a-b= ($a_x-b_x$, $a_y-b_y$, $a_z-b_z$)

2.2.3 矢量的模

$|v|=\sqrt{v_x^2+v_y^2+v_z^2}$

2.2.4 单位矢量

解释：多数情况下，我们只关心矢量的方向而不是模。例如 计算光照模型，需要得到顶点的法线方向和光源方向。矢量的长度丝毫不需关心。故此类情况下，需要计算单位矢量。

单位矢量：模长为1的矢量（也称“归一化的矢量（normalized vector）”）
归一化：将任意非零矢量转换成单位矢量的过程。

零矢量：即(0，0，0，0) 不可被归一化。

2.2.5 矢量的点积

矢量的乘法：分为点积和叉积（即对应内积、外积）

---

公式一：a $\ast$ b=$(a_x,a_y,a_z)\ast (b_x,b_y,b_z)=a_x{b}_x+a_y{b}_y+a_z{b}_z$

注：矢量的点积满足交换律

点积的几何意义很重要，其几乎应用到图形学的各方面。最有意义的如投影。如下图所示：

点积具有以下性质：

• 点积可以几何标量乘法：$(ka)\ast b=a\ast (kb)=k(a\ast b)$
• 点积可以结合矢量加减法：$a\ast (b+c)=a\ast b+a\ast c$
• 一个矢量和本身进行点积的结果，是该矢量的模的平方：$v\ast v=v_x\ast v_x+v_y\ast v_y=|v{|}^2$

---

公式二：a $\ast$ b=|a||b|$\cos \theta$

记斜边b的模长为1，如图所示 :

• a $\ast$ b = $\frac{直角边}{斜边}$ = $\cos \theta$
• $\theta =\arcsin$(a $\ast$ b)

2.2.6 矢量的叉积

【理解】矢量的叉积结果是一个矢量。

• 叉积的表示符号 “x”

---

公式： a x b = $(a_x,a_y,a_z)$ X $(b_x,b_y,b_z)=(a_y{b}_z-a_z{b}_y,a_z{b}_x-a_x{b}_z,a_x{b}_y-a_y{b}_x)$

如下图所示为理解图：

更多注意：

• 叉积不满足交换律，即a x b ≠ b x a
• 叉积满足反交换律，即a x b ≠ –（b x a）
• 叉积不满足结合律，即（a x b）x c ≠ a x (b x c)

叉积的应用：判断三角面片的朝向或计算矢量。

三、矩阵

特点：网格结构，具有行列之分。即行矩阵、列矩阵。

如下图所示：
$$M=\left[\begin{array}{cccc}{a}_1& a_2& a_3& \\ a_1& a_2& a_3& \\ a_1& a_2& a_3& \end{array}\right]$$

3.1 与矢量的关系

答：矩阵由多个或至少一个矢量组成。

3.2 矩阵运算

3.2.1 矩阵与标量的乘法

与矢量类似，矩阵与标量的乘积是一个相同维度的矩阵。

$$kM=Mk=k\left[\begin{array}{cccc}{a}_1& a_2& a_3& \\ a_1& a_2& a_3& \\ a_1& a_2& a_3& \end{array}\right]=\left[\begin{array}{cccc}k{a}_1& k{a}_2& k{a}_3& \\ k{a}_1& k{a}_2& k{a}_3& \\ k{a}_1& k{a}_2& k{a}_3& \end{array}\right]$$

3.2.2 矩阵与矩阵的乘法

已知A矩阵为 r x n 维，B矩阵为 n x c 维，则 A x B 矩阵为 r x c 维。

性质：

• 矩阵乘法不满足交换律：AB ≠ BA
• 矩阵乘法满足结合律：（AB）C = A（BC）

3.3 特殊矩阵

3.3.1 方块矩阵 square matrix

简称：方阵。指行、列数目相等的矩阵。三维渲染中常用3x3、4x4的方阵。

对角元素：行列号相等的元素（主斜对角元素）。
对角矩阵：除对角元素外的其他元素均为0的矩阵。

3.3.2 单位矩阵 identity matrix

简称：特殊的对角矩阵。主对角元素均为1。
符号表示：$I_n$ (n指维数)

如下所示为一个3x3的单位矩阵：
$$I_3=\left[\begin{array}{cccc}1& 0& 0& \\ 0& 1& 0& \\ 0& 0& 1& \end{array}\right]$$
注意：任何矩阵乘上单位矩阵的结果仍是其本身。

3.3.3 转置矩阵 transposed matrix

理解：对原矩阵的行列互换位置。

将原矩阵的第m行第n列置换至第n行第m列下。如下图所示：
$${\left[\begin{array}{cccc}6& 2& 10& 3\\ 7& 5& 4& 9\end{array}\right]}^T=\left[\begin{array}{cc}6& 7\\ 2& 5\\ 10& 4\\ 3& 9\end{array}\right]$$
性质：

• 矩阵转置的转置等于原矩阵：$(M^T{)}^T=M$
• 矩阵串接的转置，等于反向串接各个矩阵的转置：$(AB{)}^T=B^T{A}^T$

3.3.4 逆矩阵 inverse matrix

前提：该矩阵必须是一个方阵。

性质：

• 单位矩阵的逆矩阵是单位矩阵：$I^{-1}=I$
• 矩阵乘上自身的逆矩阵等于单位矩阵。
• 所有元素均为0的矩阵没有逆矩阵。
• 逆矩阵的逆矩阵是原矩阵本身（前提可逆）：$(M^{-1}{)}^{-1}=M$
• 转置矩阵的逆矩阵是逆矩阵的转置：$(M^T{)}^{-1}=(M^{-1}{)}^T$
• 矩阵串接相乘后的逆矩阵等于反向串接各个矩阵的逆矩阵：$(AB{)}^{-1}=B^{-1}{A}^{-1}$

矩阵具有逆矩阵：可逆的/非奇异的
矩阵不具有逆矩阵：不可逆的/奇异的

3.3.5 正交矩阵 orthogonal matrix

正交是矩阵的一种属性。

如果一个方阵M和它的转置矩阵的乘积是单位矩阵，则说这个方阵是正交。反之成立。
$$M{M}^T=M^{T}M=I$$
如果一个矩阵是正交的，则其转置矩阵和逆矩阵是一样的。
$$M^T=M^{-1}$$
判断是否正交矩阵：
$$M{M}^T=\left[\begin{array}{ccc}{i}_1& i_2& i_3\end{array}\right]\left[\begin{array}{c}{i}_1\\ i_2\\ i_3\end{array}\right]=\left[\begin{array}{ccc}{i}_1{i}_1& i_1{i}_2& i_1{i}_3\\ i_2{i}_1& i_2{i}_2& i_2{i}_3\\ i_3{i}_1& i_3{i}_2& i_3{i}_3\end{array}\right]=I=\left[\begin{array}{cccc}1& 0& 0& \\ 0& 1& 0& \\ 0& 0& 1& \end{array}\right]$$
由上式可得：
$$i_1.i_1=1，i_2.i_2=0，i_3.i_3=0$$

• 矩阵的每一行，即$i_1、i_2、i_3$都是单位矢量
• 矩阵的每一行，即$i_1、i_2、i_3$之间互相垂直
• 如果$M$是正交矩阵，同理$M^T$也是正交矩阵

正交基：基矢量之间互相垂直
标准正交基：基矢量均为1的正交基

3.4 行矩阵与列矩阵

在Unity中，常规做法是将矢量放在矩阵的右侧。即把矢量转换成列矩阵进行运算。例如：$CBAv=(C(B(Av)))$。
使用列向量的结果是，阅读顺序从右至左。

四、矩阵的几何意义：变换

4.1 什么是变换？

答：把一些数据（如点、方向矢量设置颜色等）通过某种方式进行转换的过程。

常见变换类型：

4.2 线性变换 linear transform

描述：可以保留 矢量加 和 标量乘 的变换。

条件一：$f(x)+f(y)=f(x+y)$
条件二：$kf(x)=f(kx)$

• 缩放 scale
  条件：$f(x)=2x$
• 旋转 rotation
• 错切 shear
• 镜像 mirroring/reflection
• 正交投影 orthographic projection

4.3 平移变换

$f(x)=x+(1,2,3)$ 满足标量乘法，但不满足矢量加法。令$x=(1,1,1)$，则结果
$$\begin{gathered} f(x+x)=(3,4,5) \\ f(x)+f(x)=(4,6,8) \end{gathered}$$
由于两个运算的结果不一样，使得我们不能用一个3x3矩阵来表示一个平移变换。就出现了仿射矩阵。

仿射矩阵：合并线性变换和平移变换的变换类型。使用4x4矩阵表示。

4.4 齐次坐标空间

四维空间，即为齐次坐标空间。

4.4.1 齐次坐标

是一个四维矢量。例如 （x,y,z,w）

• 从三维转为四维只需设置w=1
• 四维坐标对一个点进行变化，如旋转、缩放、平移。只需设置w=0。

4.4.2 分解基础坐标矩阵

基础变换矩阵：纯平移，纯旋转，纯缩放的变换矩阵。
$$\left[\begin{array}{cc}{M}_{3\ast 3}& t_{3\ast 1}\\ 0_{1\ast 3}& 1w\end{array}\right]$$

• $M_{3\ast 3}$：用于表示 旋转 和 缩放
• $t_{3\ast 1}$：用于表示 平移
• $0_{1\ast 3}$：零矩阵，即表示 [0 0 0]
• 1：标量1

4.4.3 平移矩阵

使用矩阵乘法表示对一个点的平移变换
$$\left[\begin{array}{cccc}1& 0& 0& t_x\\ 0& 1& 0& t_y\\ 0& 0& 1& t_z\\ 0& 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ z\\ 1\end{array}\right]=\left[\begin{array}{c}x+t_x\\ y+t_y\\ z+t_z\\ 1\end{array}\right]$$
使用矩阵乘法表示对一个方向矢量的平移变换
$$\left[\begin{array}{cccc}1& 0& 0& t_x\\ 0& 1& 0& t_y\\ 0& 0& 1& t_z\\ 0& 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ z\\ 0\end{array}\right]=\left[\begin{array}{c}x\\ y\\ z\\ 0\end{array}\right]$$
注：平移矩阵并不是一个正交矩阵。

4.4.4 缩放矩阵

$$\left[\begin{array}{cccc}{k}_x& 0& 0& 0\\ 0& k_y& 0& 0\\ 0& 0& k_z& 0\\ 0& 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ z\\ 0\end{array}\right]=\left[\begin{array}{c}{k}_{x}x\\ k_{y}y\\ k_{z}z\\ 0\end{array}\right]$$

• 统一缩放（uniform scale）：缩放系数$k_1=k_2=k_3$
• 非统一缩放（nonuniform scale）：$k_1，k_2，k_3$至少存在一对互不相等

注：缩放矩阵一般不是正交矩阵。

4.4.5 旋转矩阵

把点绕着x轴旋转θ度：
$$R_x(\theta )=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& cos\theta & -sin\theta & 0\\ 0& sin\theta & cos\theta & 0\\ 0& 0& 0& 1\end{array}\right]$$
把点绕着y轴旋转θ度：
$$R_y(\theta )=\left[\begin{array}{cccc}cos\theta & 0& sin\theta & 0\\ 0& 1& 0& 0\\ -sin\theta & 0& cos\theta & 0\\ 0& 0& 0& 1\end{array}\right]$$
把点绕着z轴旋转θ度：
$$R_z(\theta )=\left[\begin{array}{cccc}cos\theta & -sin\theta & 0& 0\\ sin\theta & cos\theta & 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$$
辅助理解：绕X轴旋转则X轴数值不变化【cosθ=1】，YZ数值变化。

旋转矩阵的逆矩阵是旋转相反角度得到的矩阵变化。即旋转矩阵是正交矩阵。且多个旋转矩阵之间的串联同样是正交的。

4.4.6 复合变换

解释：将平移、旋转、缩放组合起来形成复杂变化的过程。

1.复合变换计算公式

$$P_{new}=M_{translation}{M}_{rotation}{M}_{scale}{P}_{old}$$

注意：阅读顺序从右至左。即先进行缩放变换，在进行旋转变换，最后进行平移变换。须注意的是，变换的结果以来于变换顺序。由于矩阵不满足交换律，结果将不一样。

例如：

• 情景1：人前进一步然后左转，记录当前位置。
• 情景2：人左转后再前进一步，记录当前位置。

经比较两种情景的位置是不一样的。

绝大多数情况下，约定变换顺序为 先缩放、再旋转、最后平移

2.旋转变换矩阵公式

$$M_{rotateZ}{M}_{rotateX}{M}_{rotateY}=\left[\begin{array}{cccc}cos\theta & -sin\theta & 0& 0\\ sin\theta & cos\theta & 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& cos\theta & -sin\theta & 0\\ 0& sin\theta & cos\theta & 0\\ 0& 0& 0& 1\end{array}\right]\left[\begin{array}{cccc}cos\theta & 0& sin\theta & 0\\ 0& 1& 0& 0\\ -sin\theta & 0& cos\theta & 0\\ 0& 0& 0& 1\end{array}\right]$$
旋转的变换顺序：zxy

旋转使用的是坐标系，给定一个旋转顺序（如zxy），以及对应的旋转角度$({\theta }_x,{\theta }_y,{\theta }_z)$，有两种坐标系选择：

• 纵坐标系E下的z轴旋转${\theta }_z$，纵坐标系E下的y轴旋转${\theta }_y$，纵坐标系E下的x轴旋转${\theta }_x$，即进行一次旋转时不一起旋转当前坐标系。
• 纵坐标系E下的z轴旋转${\theta }_z$，在坐标系E下再绕Z轴旋转${\theta }_z$后的新坐标系$E^{‘}$下的y轴旋转${\theta }_y$，在坐标系 $E^{‘‘}$下再绕y轴旋转${\theta }_y$后的新坐标系$E^{‘‘}$下 的x轴旋转${\theta }_x$，即在旋转时，把坐标系一起转动。

4.5 坐标空间

4.5.1 坐标空间的变换

实质：父空间与子空间之间对点和矢量的变换。

例如：现有父坐标空间P与子坐标空间C。已知父坐标空间中子坐标空间的原点位置与3个单位坐标轴。需求如下：

• 子坐标空间下的点或矢量$A_{children}$转换到父坐标空间下表示$A_{parent}$
  $$A_{parent}=M_{children->parent}{A}_{children}$$
  其中，$M_{children->parent}$表示从子坐标空间到父坐标空间的变换矩阵。

• 父坐标空间下的点或矢量$B_{parent}$转换到子坐标空间下表示$B_{children}$
  $$B_{children}=M_{parent->children}{B}_{parent}$$
  其中，$M_{parent->children}$表示从父坐标空间到子坐标空间的变换矩阵。

4.5.2 顶点的坐标空间变换

1.模型空间（对象空间/局部空间）

原点和坐标轴：由美术人员通过建模软件确定。通常位于模型的中心。

例如，某模型在游戏场景的坐标为（2，3，2）。扩展至齐次坐标系下为（2，3，2，1）。

2.世界空间 world space

• 最大的空间坐标系（特殊），可以无限大。
• 可被用于描述绝对位置-世界坐标系中的位置。
• xyz轴固定

顶点变换的第一步：将顶点坐标从模型空间变换到世界空间中。（模型变换）

4.5.3 观察空间 view space

• 又称"摄像机空间"（camera space），决定着我们渲染游戏所使用的的视角。
• 位于观察空间中的坐标原点

注意：

• 调用Camera.cameraToWorldMatrix、Camera.worldToCameraMatrix等接口自行计算某模型在观察空间中的位置，需注意左右手坐标系间的差异。
• 观察空间（三维）与 屏幕空间（二维）是不同的，需投影转换。

顶点变换的第二步：将顶点坐标从世界空间变换到观察空间中。（观察变化）

4.5.4 裁剪空间 clip space

又称"齐次裁剪空间"。用于变换的矩阵叫做裁剪矩阵（clip matrix），也叫投影矩阵（projection matrix）。

目标：由视椎体决定，便利化对渲染图源进行裁剪。

---

续文：【Shader笔记】 Shader数学基础（二）