文章详细介绍了如何从直观角度推导正交投影和透视投影的变换矩阵，涉及缩放、旋转和平移等3大矩阵，以及视角锥体和FOV的概念。
前言
我在阅读《unityshader入门精要》时,发现书上并没有给出投影矩阵的推导过程
投影矩阵在图形学有很关键的作用,在游戏开发,虚拟现实和增强现实,机器人学,机器视觉都有涉及到
我想用最直观的方式,解释透视正交投影如何得到的
想要看懂本文,要对缩放旋转平移,3大矩阵要清晰透彻的认识
正交投影
我们先从简单的正交投影开始,想要学习透视矩阵的,建议先学会正交矩阵
Size:竖直方向上高度的一半,NearHeight/2
Aspect,摄像机横纵比,Aspect=
N
e
a
r
W
i
d
t
h
N
e
a
r
H
e
i
g
h
t
{\frac{NearWidth}{NearHeight}}
NearHeightNearWidth
根据已知的Size,Near,Far,Apect求出变换矩阵
先将长方体进行缩放,让xyz都在[-1,1],
如下图所示,
对于y轴,对于点2.y=
N
e
a
r
H
e
i
g
h
t
2
\frac{NearHeight}{2}
2NearHeight=Size,Size=>1,k2=
1
S
i
z
e
\frac{1}{Size}
Size1
直观的理解就是y轴从Size=>1,y轴缩放大小是
1
S
i
z
e
\frac{1}{Size}
Size1
Aspect(简称a)=
N
e
a
r
W
i
d
t
h
N
e
a
r
H
e
i
g
h
t
{\frac{NearWidth}{NearHeight}}
NearHeightNearWidth,w=ah,x=ay
对于x轴
注意是变换之前a=x/y => x=ay
x’=k1x
y’=k2y
x’=y’=1(变换之后的x’,y’坐标都为1)
k1x=k2y
k1=k2 *
y
x
\frac{y}{x}
xy
a=
x
y
\frac{x}{y}
yx
k1=
k
2
a
\frac{k2}{a}
ak2
k2=
1
S
i
z
e
\frac{1}{Size}
Size1
k1=
1
A
s
p
e
c
t
∗
S
i
z
e
\frac{1}{Aspect*Size}
Aspect∗Size1
w=ah为什么不是k1=ak2,而是k1=k2/a,这是因为知道的是变换之前的比值,变换之后x’=y’,
假设是横屏,宽度大于高度,即a>1,x>y,想要x’=y’,则x’=kx,k<1,即1/a
对于z轴,观察长方体变换前后的长度,z=Far-Near,z’=2,z轴要翻转,乘以-1,
Far-Near=>2
z’=k3z,
k3=
−
2
F
a
r
−
N
e
a
r
-\frac{2}{Far-Near}
−Far−Near2
矩阵:
[
1
S
i
z
e
0
0
0
0
1
A
s
p
e
c
t
S
i
z
e
0
0
0
0
−
2
F
a
r
−
N
e
a
r
?
0
0
0
1
]
\begin{bmatrix} \frac{1}{Size}& 0 & 0 & 0 \\ 0 & \frac{1}{AspectSize} & 0&0\\ 0 & 0 & -\frac{2}{Far-Near}&?\\ 0 & 0 & 0& 1\\ \end{bmatrix}
Size10000AspectSize10000−Far−Near2000?1
再考虑z轴上的平移就可以求出完整的矩阵了
平移,由2部分组成,如上图所示,在经过缩放后的空间观察,
一部分是,摄像机到裁剪平面的距离,另一部分是正方体长度的一半
摄像机到裁剪平面的距离,由于经过缩放,大小不是Near,而是Near*k3=
−
2
N
e
a
r
F
a
r
−
N
e
a
r
-\frac{2Near}{Far-Near}
−Far−Near2Near
正方体长度的一半,注意z轴翻转了,1,
−
2
N
e
a
r
F
a
r
−
N
e
a
r
-\frac{2Near}{Far-Near}
−Far−Near2Near-1=
−
2
N
e
a
r
F
a
r
−
N
e
a
r
-\frac{2Near}{Far-Near}
−Far−Near2Near-
F
a
r
−
N
e
a
r
F
a
r
−
N
e
a
r
\frac{Far-Near}{Far-Near}
Far−NearFar−Near
=
−
N
e
a
r
−
F
a
r
F
a
r
−
N
e
a
r
\frac{-Near-Far}{Far-Near}
Far−Near−Near−Far=
−
F
a
r
+
N
e
a
r
F
a
r
−
N
e
a
r
-\frac{Far+Near}{Far-Near}
−Far−NearFar+Near(和书上的写法保持一致)
至此,正交矩阵就推导出来了
[
1
S
i
z
e
0
0
0
0
1
A
s
p
e
c
t
S
i
z
e
0
0
0
0
−
2
F
a
r
−
N
e
a
r
−
F
a
r
+
N
e
a
r
F
a
r
−
N
e
a
r
0
0
0
1
]
\begin{bmatrix} \frac{1}{Size}& 0 & 0 & 0 \\ 0 & \frac{1}{AspectSize} & 0&0\\ 0 & 0 & -\frac{2}{Far-Near}&-\frac{Far+Near}{Far-Near}\\ 0 & 0 & 0& 1\\ \end{bmatrix}
Size10000AspectSize10000−Far−Near2000−Far−NearFar+Near1
如果不理解矩阵为什么要怎么写,可以查查关于缩放旋转平移,3大矩阵的资料
透视投影
- 基本概念:
NearHeight: 近裁剪面的高度
FarHeight: 远裁剪面的高度
Near:摄像机离近裁剪面的距离
Far:摄像机离近裁剪面的距离
FOV:Field of View,视野范围
为什么上面的变换不能像正交变换一样,直接转化为[-1,1]标准化的立方体
而是要变换为一个棱台,这是因为矩阵的线性变换,可以将长方体变换为立方体,
无法将一个棱台转换为立方体,棱台转换为立方体需要非线性变换函数,
4×4的变换矩阵,只能对空间进行缩放旋转平移,空间中任意2个原本平行的直线变换后仍然平行,这3大变换显然不能将棱台转换为立方体.因为棱台=>正方体,棱台的两侧的直线不平行=>平行,线性变换无法实现
将w存储变换之前的z,将变换之后的点xyz都除以w,就都变换到[-1,1],此变换是非线性的,缩放值是不固定的,对
不同的平面(平行于xOy的平面),缩放值为平面之前离摄像机的距离
这也是为什么变换后xy有Near,Far
上面的变换可以分为以下几步
- 对视锥体进行缩放,让它的xyzw等于缩放之后的xyzw
- 对视锥体的z方向进行平移
- 翻转z轴
tan
F
O
V
2
\frac{FOV}{2}
2FOV=
n
e
a
r
H
e
i
g
h
t
2
N
e
a
r
\frac{\frac{nearHeight}{2}}{Near}
Near2nearHeight ①
tan
F
O
V
2
\frac{FOV}{2}
2FOV等于近裁剪面的高度的一半/Near
Aspect,摄像机横纵比,Aspect=
N
e
a
r
W
i
d
t
h
N
e
a
r
H
e
i
g
h
t
{\frac{NearWidth}{NearHeight}}
NearHeightNearWidth
先考虑缩放
y轴的缩放,对于下图点2.y来说
N
e
a
r
H
e
i
g
h
t
2
\frac{NearHeight}{2}
2NearHeight=>Near
对于y轴,由
n
e
a
r
H
e
i
g
h
t
2
=
>
N
e
a
r
\frac{nearHeight}{2}=>Near
2nearHeight=>Near,
即将原来的y乘以
N
e
a
r
N
e
a
r
H
e
i
g
h
t
2
\frac{Near}{\frac{NearHeight}{2}}
2NearHeightNear=>y’
y*
N
e
a
r
N
e
a
r
H
e
i
g
h
t
2
\frac{Near}{\frac{NearHeight}{2}}
2NearHeightNear=y’
y’=ky,k=
N
e
a
r
N
e
a
r
H
e
i
g
h
t
2
\frac{Near}{\frac{NearHeight}{2}}
2NearHeightNear②
由①=>cot
F
O
V
2
\frac{FOV}{2}
2FOV=
N
e
a
r
n
e
a
r
H
e
i
g
h
t
2
\frac{Near}{\frac{nearHeight}{2}}
2nearHeightNear③
由②③得k=cot
F
O
V
2
\frac{FOV}{2}
2FOV
怎么直观理解cot
F
O
V
2
\frac{FOV}{2}
2FOV,
其实就是点2.y变换前后的缩放,
恰好等于Near/近裁剪面的高度的一半,即cot
F
O
V
2
\frac{FOV}{2}
2FOV
因为,NearWidth=Aspect*NearHeight,w=ah
NearHeight=
N
e
a
r
W
i
d
t
h
A
s
p
e
c
t
\frac{NearWidth}{Aspect}
AspectNearWidth,h=w/a
对于x轴的缩放=y轴的缩放/Aspect
对于x轴,由NearWidth/2=>Near,即将原来的x乘以
N
e
a
r
N
e
a
r
W
i
d
t
h
2
\frac{Near}{\frac{NearWidth}{2}}
2NearWidthNear
w=ah为什么不是k1=ak2,而是k1=k2/a,这是因为知道的是变换之前的比值,变换之后x’=y’,
假设是横屏,宽度大于高度,即a>1,x>y,想要x’=y’,则x’=kx,k<1,即1/a
对于x轴的缩放有2种方式推导
方法1:
注意是变换之前a=x/y => x=ay
x’=k1x
y’=k2y
x’=y’=Near(变换之后的x’,y’坐标都为Near)
k1x=k2y
k1=k2 *
y
x
\frac{y}{x}
xy
a=
x
y
\frac{x}{y}
yx
k1=
k
2
a
\frac{k2}{a}
ak2
k2=cot
F
O
V
2
\frac{FOV}{2}
2FOV
k1=
c
o
t
F
O
V
2
A
s
p
e
c
t
\frac{cot\frac{FOV}{2}}{Aspect}
Aspectcot2FOV
方法2:
x *
N
e
a
r
N
e
a
r
W
i
d
t
h
2
\frac{Near}{\frac{NearWidth}{2}}
2NearWidthNear=x’,k2=
N
e
a
r
N
e
a
r
W
i
d
t
h
2
\frac{Near}{\frac{NearWidth}{2}}
2NearWidthNear
②=>
N
e
a
r
h
2
\frac{Near}{\frac{h}{2}}
2hNear=>
N
e
a
r
w
/
a
2
\frac{Near}{\frac{w/a}{2}}
2w/aNear=>
N
e
a
r
w
2
a
\frac{Near}{\frac{w}{2a}}
2awNear
cot
F
O
V
2
\frac{FOV}{2}
2FOV=
N
e
a
r
n
e
a
r
H
e
i
g
h
t
2
\frac{Near}{\frac{nearHeight}{2}}
2nearHeightNear③
=>cot
F
O
V
2
\frac{FOV}{2}
2FOV=
N
e
a
r
w
2
a
\frac{Near}{\frac{w}{2a}}
2awNear
=>
c
o
t
F
O
V
2
a
\frac{cot\frac{FOV}{2}}{a}
acot2FOV=
N
e
a
r
w
2
\frac{Near}{\frac{w}{2}}
2wNear
k2=
N
e
a
r
w
2
\frac{Near}{\frac{w}{2}}
2wNear=
c
o
t
F
O
V
2
a
\frac{cot\frac{FOV}{2}}{a}
acot2FOV
所以,x,y的缩放倍数已经得到
[
c
o
t
F
O
V
2
A
s
p
e
c
t
0
0
0
0
c
o
t
F
O
V
2
0
0
0
0
?
?
0
0
?
0
]
\begin{bmatrix} \frac{cot\frac{FOV}{2}}{Aspect} & 0 & 0 & 0 \\ 0 & cot\frac{FOV}{2} & 0&0\\ 0 & 0 & ?&?\\ 0 & 0 & ?& 0\\ \end{bmatrix}
Aspectcot2FOV0000cot2FOV0000??00?0
与上面的图片一样,方便查看图片
下面讲解怎么得到z轴的缩放
对于视锥体,在z方向,之前视锥体的长度为Far-Near,变换之后的大小为Far+Near,
所以k3=
F
a
r
+
N
e
a
r
F
a
r
−
N
e
a
r
\frac{Far+Near}{Far-Near}
Far−NearFar+Near,对z轴进行翻转,k3=-
F
a
r
+
N
e
a
r
F
a
r
−
N
e
a
r
\frac{Far+Near}{Far-Near}
Far−NearFar+Near
下面讲解z轴的平移和z轴的翻转,平移分两部分,在经过缩放后的空间观察,
一部分是变换后的点2的z,即z’2 =k3Near,另一部分是Near
z’=k3z,k3=
F
a
r
+
N
e
a
r
N
e
a
r
−
F
a
r
\frac{Far+Near}{Near-Far}
Near−FarFar+Near,Near
F
a
r
+
N
e
a
r
N
e
a
r
−
F
a
r
\frac{Far+Near}{Near-Far}
Near−FarFar+Near=
N
e
a
r
∗
F
a
r
+
N
e
a
r
2
N
e
a
r
−
F
a
r
\frac{Near*Far+Near^{2}}{Near-Far}
Near−FarNear∗Far+Near2
加上变换之后的,-Near(因为z轴的翻转),
N
e
a
r
∗
F
a
r
+
N
e
a
r
2
N
e
a
r
−
F
a
r
\frac{Near*Far+Near^{2}}{Near-Far}
Near−FarNear∗Far+Near2-Near=
N
e
a
r
∗
F
a
r
+
N
e
a
r
2
N
e
a
r
−
F
a
r
\frac{Near*Far+Near^{2}}{Near-Far}
Near−FarNear∗Far+Near2-
N
e
a
r
2
−
N
e
a
r
∗
F
a
r
N
e
a
r
−
F
a
r
\frac{Near^{2}-Near*Far}{Near-Far}
Near−FarNear2−Near∗Far=
2
∗
N
e
a
r
∗
F
a
r
N
e
a
r
−
F
a
r
\frac{2*Near*Far}{Near-Far}
Near−Far2∗Near∗Far
至此,缩放平移都完成了
要w保存之前的z,设置第4行3列为1即可
透视矩阵就推导出来了
[
c
o
t
F
O
V
2
A
s
p
e
c
t
0
0
0
0
c
o
t
F
O
V
2
0
0
0
0
−
F
a
r
+
N
e
a
r
F
a
r
−
N
e
a
r
−
2
∗
N
e
a
r
∗
F
a
r
F
a
r
−
N
e
a
r
0
0
1
0
]
\begin{bmatrix} \frac{cot\frac{FOV}{2}}{Aspect} & 0 & 0 & 0 \\ 0 & cot\frac{FOV}{2} & 0&0\\ 0 & 0 & -\frac{Far+Near}{Far-Near} & -\frac{2*Near*Far}{Far-Near} \\ 0 & 0 & 1& 0\\ \end{bmatrix}
Aspectcot2FOV0000cot2FOV0000−Far−NearFar+Near100−Far−Near2∗Near∗Far0
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
