一、图形变换数学基础

1.图形变换数学基础

1.1 矢量计算、表示

1).矢量长度 ：

$${\left|\mathrm{V}\right|}_2=({\mathrm{x}}_1{\mathrm{x}}_1+\cdots +{\mathrm{z}}_1{\mathrm{z}}_1{)}^{1/2}$$
2).数乘矢量
$$\alpha \mathrm{V}=(\alpha {\mathrm{x}}_1,\alpha {\mathrm{y}}_1,\alpha {\mathrm{z}}_1)$$
3).矢量点积
$$V_1\cdot V_2=\left|V_1\right|\left|V_2\right|cos\theta =x_1{x}_2+y_2{y}_2+y_3{y}_3$$
\qquad\qquad （点积满足交换和分配律：$V_1{V}_2=V_2{V}_1,V_1\cdot (V_2+V_3)=V_1{V}_2+V_1{V}_3$）
4).矢量叉积
$$V_1\cdot V_2=\left|\begin{array}{ccc}i& j& k\\ x_1& y_1& z_1\\ x_2& y_2& z_2\end{array}\right|=\left(y_1{z}_2-z_1{y}_2,z_1{x}_2-x_1{z}_2,x_1{y}_2-y_1{x}_2\right)$$
\qquad\qquad (叉积满足反交换和分配律：$V_1\cdot V_2=-V_2\cdot V_1,V_1\cdot (V_2+V_3)=V_1{V}_2+V_1{V}_3$)

1.2 矩阵计算、表示

1).乘法$$C_{m\times n}=A_{m\times p}\cdot B_{p\times n},C_{ij}=\sum _{k=1}^P{a}_{ik}\cdot b_{kj}$$
2).矩阵转置性质$$\begin{gathered} {(A^T)}^T=A, \\ {\left(M^{T}AM\right)}^T=M^T{A}^T{\left(M^T\right)}^T=M^{T}AM \end{gathered}$$
\qquad 对称阵：$$A+A^T$$
\qquad 反对称阵：$$A-A^T$$
\qquad 证明：$${\left(A-A^T\right)}^T={\left(-A^T\right)}^T+A^T=-A+A^T=-\left(A-A^T\right)$$
3).矩阵的逆
\qquad 定义：A,B均为n阶方阵，I为n阶单位阵
\qquad 满足$AB=BA=I,则B=A^{-1}$，称AB互逆。
4).Matrix operation properties

1. 加法交换律和结合律
   $$\begin{array}{rl}A+B& =B+A\\ A+(B+C)& =(A+B)+C\end{array}$$
2. 数乘矩阵，分配律和结合律$$\begin{array}{c}a(A+B)=aA+aB\\ a(A\cdot B)=(a\cdot A)\cdot B=A\cdot aB\end{array}$$
3. 矩阵乘法的结合律$$A(B\cdot C)=(A\cdot B)C$$
4. 矩阵乘法对加法的分配律$$\begin{array}{l}(A+B)C=AC+BC\\ C(A+B)=CA+CB\end{array}$$
5. 矩阵乘法不具备交换律$$A\cdot B\ne B\cdot A$$

1.3 线性方程组求解

$$\{\begin{array}{l}{a}_{11}{x}_1+a_{12}{x}_2+\cdots +a_{1n}{x}_n=b_1\\ a_{21}{x}_1+a_{22}{x}_2+\cdots +a_{2n}{x}_n=b_2\\ \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \\ a_{n1}{x}_1+a_{n2}{x}_2+\cdots +a_{nn}{x}_n=b_n\end{array}$$
表示AX=B,A为系数矩阵(方阵)。解为
$$X=A^{-1}B$$
解判定：
a）$r(A)=r([A|B])=n$, \qquad 有唯一解
b) $r(A)=r([A|B])<n$, \qquad 有无穷多解
c）$r(A)\ne r([A|B])$, \qquad \qquad 无解

2. 二维几何变换

2.1 平移

• $\left(x,y\right)向方向\left(dx,dy\right)平移后的坐标为\left(x,y\right)$
  $$\begin{array}{rl}& x^{\prime }=x+dx\\ & y^{\prime }=y+dy\end{array}$$
• 矩阵表示
  $$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\\ 1\end{array}\right]=\left[\begin{array}{ccc}1& 0& dx\\ 0& 1& dy\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=T\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$$
  eg.translation (1,1).
  

2.2 旋转

• 绕原点旋转
  $$\left[\begin{array}{l}{x}^{\prime }\\ y^{\prime }\\ 1\end{array}\right]=\left[\begin{array}{c}x\cos \theta -y\sin \theta \\ x\sin \theta +y\cos \theta \\ 1\end{array}\right]=\left[\begin{array}{ccc}\cos \theta & -\sin \theta & 0\\ \sin \theta & \cos \theta & 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{l}x\\ y\\ 1\end{array}\right]=R(\theta )\left[\begin{array}{l}x\\ y\\ 1\end{array}\right]$$
  eg.rotato 45 degrees around（0，0）.
  

• 绕$\left(x_0,y_0\right)$旋转,分三个步骤：a.平移。b.旋转。c.反平移。其中$\left(d_x,d_y\right)=\left(x_0,y_0\right)$.
  $$\left[\begin{array}{l}{x}^{\prime }\\ y^{\prime }\\ 1\end{array}\right]=\left[\begin{array}{lll}1& 0& dx\\ 0& 1& dy\\ 0& 0& 1\end{array}\right]\left[\begin{array}{ccc}\cos \theta & -\sin \theta & 0\\ \sin \theta & \cos \theta & 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{ccc}1& 0& -dx\\ 0& 1& -dy\\ 0& 0& 1\end{array}\right]\left[\begin{array}{l}x\\ y\\ 1\end{array}\right]=T^{\prime }R(\theta )\mathrm{T}\left[\begin{array}{l}x\\ y\\ 1\end{array}\right]$$
  eg. rotato 45 degrees around（0.5，0.5）.
  

2.3 缩放

• 原点缩放, 缩放系数$(S_x,S_y)$
  $$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\\ 1\end{array}\right]=\left[\begin{array}{c}{S}_x\cdot x\\ S_y\cdot y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{S}_x& 0& 0\\ 0& S_y& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{l}x\\ y\\ 1\end{array}\right]=S\left[\begin{array}{l}x\\ y\\ 1\end{array}\right]$$
  eg.
  
• 定点$(x_0,y_0)$缩放, 缩放系数$(S_x,S_y)$.分三步：a.Translation $\left(-x_0,-y_0\right)$.b Scale c.Reverse translation$\left(x_0,y_0\right)$。
  eg.
  

2.4 Summary

对于二维齐次坐标变换形式
$$\left[\begin{array}{ccc}a& b& c\\ d& e& f\\ g& h& i\end{array}\right]$$

• $\left[\begin{array}{cc}a& b\\ d& e\end{array}\right]$可以对图形进行缩放、旋转、对称、错切等变换
• $\left[\begin{array}{c}c\\ f\end{array}\right]$完成图像平移操作
• $\left[\begin{array}{cc}g& h\end{array}\right]$ 对图像做投影变换
• $\left[\begin{array}{c}i\end{array}\right]$对图像整体做缩放变换

2.5 其他常见变换

1. 对称变换

$$\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\\ 1\end{array}\right]=\left[\begin{array}{c}ax+by\\ dx+ey\\ 1\end{array}\right]=\left[\begin{array}{lll}a& b& 0\\ d& e& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{l}x\\ y\\ 1\end{array}\right]$$
该变换只有在a,b,d,e取0，1特定值时，能产生特定效果。如

• $x^{\prime }=x,y^{\prime }=-y$,变换与x轴对称.(a=-1,e=-1,b=d=0)
• 与y轴对称，同理。
• 与$y=x$对称，$x^{\prime }=y,y^{\prime }=x$。
• 与原点对称，同理。

2. 错切（错位）变换

• 沿x轴错切，y不变，x随（x,y）变化，$S{H}_x$关于x的函数。
  $$\left[\begin{array}{l}{x}^{\prime }\\ y^{\prime }\\ 1\end{array}\right]=\left[\begin{array}{c}x+S{H}_x\cdot y\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}1& S{H}_x& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{l}x\\ y\\ 1\end{array}\right]$$
• 沿y轴错切，同理

3. 仿射变换

该变换可由5种特殊的一般变换形式而组合。（平移，比例，旋转，对称，错切）
$$\left[\begin{array}{l}{x}^{\prime }\\ y^{\prime }\\ 1\end{array}\right]=\left[\begin{array}{c}ax+by+e\\ cx+dy+f\\ 1\end{array}\right]=\left[\begin{array}{lll}a& b& e\\ c& d& f\\ 0& 0& 1\end{array}\right]\left[\begin{array}{l}x\\ y\\ 1\end{array}\right]$$
eg.对任意一直线$l_{1}Ax+By+C=0$做坐标对称变化。可以依次5个步骤完成变换。原始坐标为$P(x,y)$,变换后坐标为$P^{\prime }(x^{\prime },y^{\prime })$.
变换矩阵为$T=T_5\cdot T_4\cdot T_3\cdot T_2\cdot T_1$:

• $T_1$平移变换，使得$l_1$的x轴截点（-C/A,0）与原点重合
• $T_2$旋转变换，使得$l_1$与x轴重合，$\theta =\arctan (-A/B)$,(这里不考虑B=0，需要则自行考虑)。
• $T_3$对称变换，做绕x轴的对称变换。
• $T_4$旋转变换的逆变换,对于$T_2$来说${\theta }^{\prime }=-\theta$。
• $T_5$平移变换的逆变换，相对于$T_1$。

即可求的$P^{\prime }=TP$。