齐次坐标1
齐次坐标表示法就是用 n+1 维向量表示一个 n 维向量。
n 维空间中的点的位置向量用非齐次坐标表示时, ( P 1 , P 2 , … , P n ) (P_1,P_2,…, P_n) (P1,P2,…,Pn) 具有 n 个坐标分量,并且是唯一的。如果用齐次坐标表示时,该向量有 n+1 个坐标分量, ( h P 1 , h P 2 , … , h P n , h ) (hP_1, hP_2,…, hP_n, h) (hP1,hP2,…,hPn,h) 并且是不唯一
的。2
通常都使 h=1。如果 h≠0,就可以用除齐次坐标的各分量,这一方法称之为齐次坐标的规范化。经过规范化后的齐次坐标就是唯一的。
h = 0 时,该点表示一无穷远点3。三元组 (0, 0, 0) 不表示任何点。原点表示为 (0, 0, 1)
如二维点 (x,y) 的齐次坐标表示为 ( h x , h y , h ) (h_x,h_y,h) (hx,hy,h) ,则 ( h 1 x , h 1 y , h 1 ) , ( h 2 x , h 2 y , h 2 ) , … , ( h m x , h m y , h m ) (h_1x,h_1y,h_1) , (h_2x,h_2y,h_2) ,…, (h_mx,h_my,h_m) (h1x,h1y,h1),(h2x,h2y,h2),…,(hmx,hmy,hm) 都是表示二维空间中的同一个点三维空间中的坐标点的齐次坐标可表示为 (x,y,1) 。
应用齐次坐标可以有效地用矩阵运算把二维、三维甚至更高维空间中点集从一个坐标系转换到另一个坐标系中。
二维齐次坐标变换矩阵的形式为
T 2 D = [ a d g b e h c f i ] T_{2D} = \begin{bmatrix} a & d & g \\ b & e & h \\ c & f & i \\ \end{bmatrix} T2D=⎣⎡abcdefghi⎦⎤
三维齐次坐标变换矩阵的形式为
T 3 D = [ a 11 a 12 a 13 a 14 a 21 a 22 a 23 a 24 a 31 a 32 a 33 a 34 a 41 a 42 a 43 a 44 ] T_{3D} = \begin{bmatrix} a_{11} & a_{12} & a_{13} & a_{14} \\ a_{21} & a_{22} & a_{23} & a_{24} \\ a_{31} & a_{32} & a_{33} & a_{34} \\ a_{41} & a_{42} & a_{43} & a_{44} \\ \end{bmatrix} T3D=⎣⎢⎢⎡a11a21a31a41a12a22a32a42a13a23a33a43a14a24a34a44⎦⎥⎥⎤
二维旋转变换
下面是一个简单的绕原点旋转变换的图。
本文我们关注的是怎么得到变换之后的坐标,而对于变换后的坐标,很多教材上都只有一个简略的结果,并不会给出详细的推导过程。今天学习旋转变换的时候,对怎么得出变换后的坐标产生了疑惑,花了几分钟才想明白,特此记录一下。
我们不妨设变换前图形上任意一点的坐标为 P ( x , y ) P(x, y) P(x,y),变换后图形上对应点坐标为 P ′ ( x ′ , y ′ ) P'(x', y') P′(x′,y′) 。
对于旋转变换来说,我们不妨设旋转角度为 θ,即 ∠ P O P ′ = θ \angle POP' = \theta ∠POP′=θ。我们现在就来推导一下 x ′ x' x′ 和 y ′ y' y′ 关于 x, y 的表示法。(应该还有更好的证法)
由旋转的性质易知 O P = O P ′ = x 2 + y 2 = d OP = OP' = \sqrt{x^2 + y^2} = d OP=OP′=x2+y2=d
不妨设 ∠ P O x = α \angle POx = \alpha ∠POx=α,有 s i n α = y d sin\alpha = \dfrac{y}{d} sinα=dy, c o s α = x d cos\alpha = \dfrac{x}{d} cosα=dx。又有下面这两个方程:
s i n ( α + θ ) = y ′ d c o s ( α + θ ) = x ′ d sin(\alpha + \theta) = \dfrac{y'}{d} \newline cos(\alpha + \theta) = \space \space \dfrac{x'}{d} sin(α+θ)=dy′cos(α+θ)= dx′
把这两个方程解出来就可以得到 x’ 和 y’ 的值了(把 sin(a+θ),cos(a+θ) 拆开后,sin a 和 cos a 都已知,把 d 乘过去就行,这里打方程不方便就不敲出具体拆解过程了):
x ′ = x c o s θ − y s i n θ y ′ = x s i n θ + y c o s θ x' = xcos\theta - ysin\theta \newline y' = xsin\theta + ycos\theta \newline x′=xcosθ−ysinθy′=xsinθ+ycosθ
因此有如下推导
P ′ = [ x ′ y ′ 1 ] = [ x c o s θ − y s i n θ x s i n θ + y c o s θ 1 ] = [ x y 1 ] [ c o s θ s i n θ 0 − s i n θ c o s θ 0 0 0 1 ] = P ・ R ( θ ) P' = [x'\space\space y'\space\space 1]=[xcos\theta - ysin\theta \space\space xsin\theta + ycos\theta \space\space 1]=[x\space\space y \space\space 1]\begin{bmatrix} cos\theta & sin\theta & 0 \\ -sin\theta & cos\theta & 0 \\ 0 & 0 & 1 \end{bmatrix}=P・R(\theta) P′