切线空间 真正从物理意义上的理解到数值计算

该如何正确理解切线空间
网上搜了一圈，说得好很少，讲得细的也不多
我花了大概快接近一周，从物理意义理解透了tbn变换矩阵。
如果你能耐心看完，你的线性代数水平、高数水平、和空间变换能力，会更上一层楼的

网上的文章分为两类：
（1）推导类
大部分文章明确告诉你，T就是u的切线，B是另一条在法平面内的切线方向。没告诉你怎么求u的切线，也没告诉你v的切线怎么求。在实际看引擎代码，是看不出所以然的
（2）计算类
这类文章着重数值计算，告诉你在uv取两个点，也没告诉你uv这两个点是在哪个空间下测量的数值。当你通过uv求出来TB后，告诉你TB不一定垂直，然后又要重新正交化，而且这类文章很喜欢说，假设uv法向量为(0,0,1)，是这样没错，但是对解决问题毫无帮助。

预备知识

求解切线控件的关键点在于：寻找一个矩阵，这个矩阵能将uv平面空间中的两个点映射到世界坐标三维空间中
关键点（1）uv的这两个点是在uv平面空间中测量的，一般uv都是在[0,1]的范围内。举个实际例子，(0.1,0.2）,(0.3,0.4)
关键点（2）世界坐标下的两个点一般是类似(1,2,3) 或者(12,3,1)
关键点（3）如何求出一个矩阵能将uv的两个点映射到世界坐标下的两个点呢？这正是本文的围绕的点。【先说结论 其实(T,B)就是这样的矩阵】

（1）扎实的线性代数理解

对的，你没看错，是“理解”，只会加减乘除这些统统都不算。正确理解切线空间。请把3B1B的视频老老实实看完，起码知道二维空间到三维空间的映射，以及三维空间到二维空间的映射。【只需要看里面某一两个视频，基向量和变换】
3B1B的线性代数链接

如果在刷3B1B的时候，发现有点吃力，挑着内容宋浩老师的视频，起码知道矩阵的加减乘除吧【只需看到矩阵的加减乘除即可】
宋浩的线性代数视频

（2）TBN的定义

在满足了预备知识之后，接下来开始，理解什么是tbn。其实milo大佬在之后上讲得很好了
为什么要有切线空间（Tangent Space），它的作用是什么？

（3）TBN的计算

只有用起来了，这些知识才是属于你的。
OPENGL教程

（4）正确理解

最后一步才是正确理解TB的含义，【N可以不考虑，N在一开始没啥意义，全网的公式和推导都是从N从(0,0,1)的基础上推导，其实都是不好理解，容易混乱了uv平面、切线空间以及世界坐标的关系，甚至会复杂化问题，本文基于uv平面到世界坐标的映射(二维到三维的映射)，不浪费过多的时间和精力去纠结其他的关系】

（1）T和B是uv空间的两个基向量

请看下图，这个是OpenGL的教程的推导公式，其实不容易看出公式的意义的。一旦知道了物理意义，就不用教程那么啰嗦的推导流程了

首先，不妨将两边转置，会发现，其实(T,B)矩阵是基向量【红色框圈起来了】，既然是基向量，那左乘任何一个矩阵，都会将（T,B）uv空间里面的任何点、或者向量转换到世界空间。【uv空间不是切线空间，只是一个普通的二维平面空间】
why？？？
为什么是转换到世界空间。
因为（T,B）是在世界空间测量的
【如果看不懂这段解释的话，得看3B1B视频，知道基向量空间的物理意义】

最有力证明我以上结论的是，OpenGL官方教程的数值计算

// positions
glm::vec3 pos1(-1.0,  1.0, 0.0);
glm::vec3 pos2(-1.0, -1.0, 0.0);
glm::vec3 pos3(1.0, -1.0, 0.0);
glm::vec3 pos4(1.0, 1.0, 0.0);
// texture coordinates
glm::vec2 uv1(0.0, 1.0);
glm::vec2 uv2(0.0, 0.0);
glm::vec2 uv3(1.0, 0.0);
glm::vec2 uv4(1.0, 1.0);
// normal vector
glm::vec3 nm(0.0, 0.0, 1.0);

glm::vec3 edge1 = pos2 - pos1;  //边E的数值是在世界空间下测量的
glm::vec3 edge2 = pos3 - pos1;  //这里的E也是一样的，在世界空间下测量的
glm::vec2 deltaUV1 = uv2 - uv1;  //这里的数值居然是在uv空间下测量的
glm::vec2 deltaUV2 = uv3 - uv1;  //这里的数值居然也是在uv空间下测量的

说明TB是想将uv空间下测量的点(向量)变换到三维空间的点(向量)。

（2）TB空间只能是uv平面的一个二维空间

既然是二维空间，又是怎么映射到三维呢？？
我们发现(T,B）矩阵是个32的矩阵，其实左乘任何一个二维矩阵，就会得到一个32的矩阵(E1, E2)，这个结果矩阵就表示，在TB空间映射到世界坐标下的两个三维向量

(3)TB二维空间如何映射到三维空间呢

N = TXB
利用叉乘就可以得到第三个垂直分量
其实N法向量从头至尾都是作为uv空间的一个垂直法向量，直接将TBN三者写一起，就变成了(T,B,N)这样的变换矩阵。

最后一个问题：
肯定有同学还在想 2维的数据表达成3维，那么会不会需要补充某些些数据，三维到2维，又会丢掉某些数据。补充和丢掉的数据会不会不一样。
答案：
如果这个三维数据的rank是2.。。。。其实本来就只能表达和二维数据一样的范围【如果想不通，就去看3B1B的关于rank的视频】

附上一张rank为2的图片，其中有两个零，并感受一下是不是这两个0导致的rank为2