GAME101_Lecture02学习

学习视频链接

【GAMES101-现代计算机图形学入门-闫令琪】 https://www.bilibili.com/video/BV1X7411F744/?p=2&share_source=copy_web&vd_source=8332072dc5586e92174abc96d6e4280f

向量复习

图形学中，未作特殊规定的向量，缺省值（默认值）都是列

• 点积

• 叉积

• 正交基与坐标系

点乘

点乘基本知识

左下角的公式中：点乘可以快速得到两个向量之间的夹角，特别是在两个向量都只是方向的时候。

右下角的公式中：只要我们做一个反余弦，那就可以得到两个向量之间的夹角。

A表示一个向量（默认列向量），AT是A向量的转置

A的值可以用红色公式表示。

直角坐标系的点积

图形学应用

• 求两个向量之间的夹角(如光源与表面夹角的余弦)

• 求一个向量在另一个向量上的投影

投影点积

点乘可以把一个向量任意的进行垂直与平行的分解

上图计算向量b向量a的投影时，b的投影向量 = 向量b的长度 · cosθ · 向量a

图形学作用

• 测量两个方向的距离

• 分解向量

• 确定向前/向后

图形学中，可以计算两个向量或两个方向多么接近。主要通过比较点乘结果，可以判断接近还是远离这两个方向。

向量的点乘还可以得到一个前与后的信息。

如图假设向量a给定了某个方向，从a的起点向上为前，向下为后。

向量a与b的点乘会为正数表示其的方向是指向a的前方。向量c反之。

若向量a与某个向量的点乘为0，那么这个向量与向量a垂直。

同理，前面说到点乘可以判断接近还是原理。向量b与向量a越来越远，那么两者的点乘还会越来越等于0（即垂直），随后更远就是与a的方向相反，直到点乘变成-1（此时b与a完全相反）。

判断两个向量是否接近，其中一个应用——菲涅尔效果（看的角度和面的法线是否重合问题。越重合，说明面是对着相机的。否则面就越侧面（越亮），直到变成负数就是背面了（暗色））

叉乘

叉乘基本知识

• 叉积与两个初始向量正交

• 右手定则确定方向

• 在构造坐标系中很有用(以后)

右手螺旋定则（有些地方会用左手），可以判断

左侧的公式中，如果在三维坐标系中，x叉乘y是z，那么这个坐标系就是一个右手坐标系。

右侧的公式中，注意向量叉乘自己是0向量。并且叉乘只有反交换律。

在下方的公式，是向量可以写成矩阵的形式，然后向量的叉乘可以转换成矩阵乘以向量

图形学的应用

• 确定左/右

• 确定内部/外部

在图形学中，叉乘一是判断左和右，另一个是判断内和外。

在左图中，向量a叉乘向量b、得到z是正的；向量b叉乘向量a、得到的z是负的。这两种都能证明b在a的左侧。

在右图中，ABC的排布是逆时针，AB叉乘AP和BC叉乘AP、AC叉乘AP的z都是向外的（即AP都在所有边的左侧），这能说明P在ABC的中间。

ABC的排布变成顺时针也同理。（此处是对三角形做光栅化的基础，可以判断三角形覆盖了那些像素。若值等于0，即该像素刚好在三角形的边上，那么就自己定义）

正交基与坐标系

通过这些向量的乘法，就可以定义坐标系。定义坐标系可以把任意一个向量分解到三个轴上（利用点积算投影，然后用投影分解）

如图，假设将uvw设为一个三维坐标系的坐标轴，它们都是单位向量。

假设有一个向量p。我们可以用投影的方式投影到坐标轴上，直接用点乘的结果就可以立刻得到投影的长度。原因解释如下：

• 先假设向量p投影到u轴上，此时计算向量p在向量u上的投影向量。

• p在向量u上的投影向量 = 向量p的长度 · cosθ · 向量u

• 向量p点乘向量u=p的长度 × u的长度 × cosθ。

• 此时u为单位向量，长度为1。

• 那么，向量p点乘向量u = u的长度 × cosθ，正好就是其投影长度。

• （picgo上传出了问题，后面再补坑吧呜呜呜）

  

矩阵复习

• 神奇的2D阵列，在每一个CS课程中萦绕

• 在图形学中，广泛用于表示变换翻译、旋转、剪切、缩放(下一讲更详细)

矩阵乘积知识

m*n的矩阵 乘以 n*p的矩阵 = m*p的矩阵

矩阵乘法运算，黑色框框和蓝色框框分别是两个例子：

• 黑色框框的？，是在结果的第一行第二列，那么就去第一个矩阵中找第一行，第二个矩阵中找第二列，(1*6)+(3*7) = 27

• 蓝色框框同理，(5*4)+(2*3) = 26

矩阵没有任何的交换率。结合律比较有用。

• 将向量视为列矩阵(mx1)

• 转换点的关键(下一讲)

• 官方剧透:关于y轴的2D反射

始终认为，矩阵在左边，向量在右边。

矩阵的变换（转置）

矩阵和向量

向量在矩阵形式上的计算。

总结

这节课主要是对线性代数中向量和矩阵的复习，总体来说难度不大。

1.向量主要是其点乘和叉乘的两种乘法。

• 点乘能够用于计算向量之间的投影和向量之间的夹角，能够判断两向量是否相近（菲涅尔效果）

• 而向量投影主要能测量两个方向的距离、分解向量以及确定向前/向后等，这些特性能够运用到确定直角坐标系上（即确定基坐标，就是确定一个基准的感觉）

• 叉乘能够用于确定向量之间的位置关系，左右、内外等。

• 确定内外在后续光栅化用的会很多，而确定左右的方向好像没有提及运用？？后续有涉及到的话在回来补坑。

2.矩阵则是其乘法计算的一些计算方法。

• 计算机的图形信息基本都是用矩阵存储的，信息与信息的计算后续也会涉及。这里闫老师主要是稍微复习了一下。