[C++]学习《DirectX12 3D 游戏开发实战》第三天变换

本文链接：https://blog.csdn.net/weixin_51952244/article/details/136304183

DirectXMath库提供的变换函数

#include <windows.h>
#include <DirectXMath.h>
#include <DirectXPackedVector.h>
#include <iostream>
#include <iomanip> // 为将数字精确到小数点后两位


using namespace std;
using namespace DirectX;
using namespace DirectX::PackedVector;

ostream& XM_CALLCONV operator << (ostream& os, FXMVECTOR v)
{
    XMFLOAT4 dest;
    XMStoreFloat4(&dest, v);

    os << "(" << dest.x << ", " << dest.y << ", " << dest.z << ", " << dest.w << ")";
    return os;
}

ostream& XM_CALLCONV operator << (ostream& os, FXMMATRIX m)
{
    for (int i = 0; i < 4; ++i)
    {
        os << setprecision(2) << XMVectorGetX(m.r[i]) << "\t";
        os << XMVectorGetY(m.r[i]) << "\t";
        os << setprecision(2) << XMVectorGetZ(m.r[i]) << "\t";
        os << XMVectorGetW(m.r[i]);
        os << endl;
    }
    return os;
}

int main() {
    if (!XMVerifyCPUSupport())
    {
        cout << "directx math not supported" << endl;
        return 0;
    }

    //(x,y,z,0) 表示向量
    //(x,y,z,1) 表示点
    XMVECTOR a = XMVectorSet(0.5f, 2.0f, 1.0f, 0.0f);// 例3.2里的缩放比例
    XMVECTOR b3_2max = XMVectorSet(-4.0f, -4.0f, 0.0f, 1.0f); // 例3.2里的最小点坐标
    XMVECTOR c = XMVectorSet(12.0f, -10.0f, 0.0f, 1.0f); // 例3.4里的移动点
    XMVECTOR c3_4min = XMVectorSet(-8.0f, 2.0f, 0.0f, 1.0f); // 例3.4里的最小点坐标
 
    float k = (-30.0 / 180 ) * XM_PI;// 例3.3里的角度改弧度

    //缩放
    XMMATRIX S1 = XMMatrixScaling(0.5f, 2.0f, 1.0f);// 生成沿 x 轴、y 轴和 z 轴缩放的矩阵。 例3.2里的缩放矩阵
    XMMATRIX S2 = XMMatrixScalingFromVector(a);// 从 3D 向量生成缩放矩阵。

    //旋转
    XMMATRIX Rx = XMMatrixRotationX(k);// 生成绕 x 轴旋转的矩阵。输入绕 x 轴旋转的角度（以弧度为单位）。 在顺着面向原点的旋转轴观察时，角度是按顺时针方向测量的。
    XMMATRIX Ry = XMMatrixRotationY(k);// 生成绕 y 轴旋转的矩阵。输入绕 y 轴旋转的角度（以弧度为单位）。 在顺着面向原点的旋转轴观察时，角度是按顺时针方向测量的。
    XMMATRIX Rz = XMMatrixRotationZ(k);// 生成绕 z 轴旋转的矩阵。输入绕 z 轴旋转的角度（以弧度为单位）。 在顺着面向原点的旋转轴观察时，角度是按顺时针方向测量的。
    XMMATRIX Rn = XMMatrixRotationAxis(XMVectorSplatOne(), k);// 生成围绕任意轴旋转的矩阵。

    //平移
    XMMATRIX T1 = XMMatrixTranslation(12.0f, -10.0f, 0.0f);// 从指定的偏移量生成转换矩阵。 例3.4里的平移矩阵
    XMMATRIX T2 = XMMatrixTranslationFromVector(c);// 从向量生成转换矩阵。

    //向量与矩阵的乘积
    XMVECTOR x = XMVector3TransformCoord(c3_4min, T1);// 书上:计算向量与矩阵的乘积aA, 此函数针对点的变换，即总是默认a的w=1。 官方:按给定矩阵转换 3D 向量，将结果投影回 w = 1。
    XMVECTOR y = XMVector3TransformNormal(b3_2max,S1);// 书上:计算向量与矩阵的乘积aA, 此函数针对向量的变换，即总是默认a的w=0。 官方:按给定矩阵转换 3D 矢量法线。
    //对于最后的两个函数来说，用户不必显式设置w分量，因为在执行XMVector3TransformCoord时，默认w=1，而当执行XMVector3TransformNormal时，默认w=0.


    cout << "例3.2中的缩放矩阵 S1 = "                << endl << S1 << endl;
    cout << "3D向量中的分量构建的缩放矩阵 S2 = "      << endl << S2 << endl;
    cout << "绕x轴“逆时针”旋转30度的矩阵 Rx = "       << endl << Rx << endl;
    cout << "绕y轴“逆时针”旋转30度的矩阵 Ry = "       << endl << Ry << endl;
    cout << "绕z轴“逆时针”旋转30度的矩阵 Rz = "       << endl << Rz << endl;
    cout << "绕任意轴“逆时针”旋转30度的矩阵 Rn = "    << endl << Rn << endl;
    cout << "例3.4里的平移矩阵 T1 = "                << endl << T1 << endl;
    cout << "3D向量中的分量构建的平移矩阵 T2 = "      << endl << T2 << endl;
    cout << "例3.4中进行平移变换后的向量 x = "        << endl << x  << endl;
    cout << "例3.2中进行缩放变换后的向量 y = "        << endl << y  << endl;

}

运行结果：

个人总结笔记

1.1 线性变换 (linear transformation)

$\tau(u+v)=\tau(u)+\tau(v)$

$\tau(ku)=k\tau(u)$

u和v是任意3D向量，k为标量。

1.1.1 缩放 (scaling)

$S(x,y,z)=(s_{x}x,s_{y}y,s_{z}z)$

缩放矩阵 (scaling matrix):

$S=\begin{bmatrix} s_{x} & 0 & 0\\ 0&s_{y} &0 \\ 0&0 & s_{z} \end{bmatrix}$

对应逆矩阵：

$S^{-1}=\begin{bmatrix} \frac{1}{s_{x}} & 0 & 0\\ 0&\frac{1}{s_{y}} &0 \\ 0& 0 & \frac{1}{s_{z}} \end{bmatrix}$

1.1.2 旋转 (rotation)

绕x轴旋转：

$R_{x}=\begin{bmatrix} 1& 0& 0& 0\\ 0& cos\Theta & sin\Theta & 0\\ 0& - sin\Theta& cos\Theta& 0\\ 0 & 0 & 0& 1 \end{bmatrix}$

绕y轴旋转：

$R_{y}=\begin{bmatrix} cos\Theta& 0& - sin\Theta& 0\\ 0& 1 & 0 & 0\\ sin\Theta& 0& cos\Theta& 0\\ 0 & 0 & 0& 1 \end{bmatrix}$

绕z轴旋转：

$R_{z}=\begin{bmatrix} cos\Theta & sin\Theta & 0& 0\\ -sin\Theta & cos\Theta & 0 & 0\\ 0& 0 & 1 &0 \\ 0 & 0 & 0 & 1 \end{bmatrix}$

绕任意轴旋转：

$R_{n}=\begin{bmatrix} c+(1-c)x^2 & (1-c)xy+sz &(1-c)xz-sy \\ (1-c)xy-sz& c+(1-c)y^2& (1-c)yz+sz\\ (1-c)xz+sy& (1-c)yz-sx& c+(1-c)z^2 \end{bmatrix}$

其中 $c=cos\Theta$ ， $s=sin\Theta$ 。

1.2 仿射变换 (affine transformation)

一个线性变换 + 一个平移变换

$\alpha (u)=\tau(u)+b$

b为平移向量。

矩阵表示：

$\alpha (u)=uA+b=[x,y,z]\begin{bmatrix} A_{11} & A_{12} &A_{13} \\ A_{21}&A_{22} &A_{23} \\ A_{31}& A_{32} & A_{33} \end{bmatrix}+[b_{x},b_{y},b_{z}]=[x',y',z']$

A是一个线性变换的矩阵表示。

1.2.1 齐次坐标 (homogeneous coordinate)

(x,y,z,0) 表示向量；

(x,y,z,1) 表示点。

如果用w=1把坐标扩充为齐次坐标，那么就可以将上式更简洁地写作：

$[x,y,z,1]\begin{bmatrix} A_{11} & A_{12} & A_{13} & 0\\ A_{21} & A_{22} & A_{23} & 0\\ A_{31} & A_{32} & A_{33} &0 \\ b_{x} & b_{y} & b_{z} & 1 \end{bmatrix}=[x',y',z',1]$

1.2.2 平移 (translation)

平移矩阵 (translation matrix):

$T=\begin{bmatrix} 1 & 0& 0&0 \\ 0& 1& 0 & 0\\ 0& 0 & 1 &0 \\ b _{x} &b _{y} &b _{z} & 1 \end{bmatrix}$

对应逆矩阵：

$T^{-1}=\begin{bmatrix} 1 & 0& 0 &0 \\ 0& 1& 0 & 0\\ 0& 0 & 1& 0\\ -b_x& -b_y &-b_z & 1 \end{bmatrix}$

1.2.3 仿射变换矩阵的几何意义

刚体变换 (rigid body transformation) 本质是一种保形 (shape preserving) 变换。

刚体变换用仿射变换来表示：

$\alpha (x,y,z)=\tau (x,y,z)+b=x\tau (i)+y\tau (j)+z\tau (k)+b$

$\tau$ 为描述物体旋转操作的旋转变换，b为定义物体平移操作的平移向量。

这种思路同样可以运用在缩放或斜切 (skew) 变换上。

1.3 变换的复合 (composition of transformations)

C=SRT

S是缩放矩阵，R是旋转矩阵，T是平移矩阵。

1.4 坐标变换 (change of coordinate transformation)

不同标架间的坐标的转换。

//在本书上

标架 (frame) = 参考系 (frame of reference) = 空间 (space) = 坐标系 (coordinate system)

1.4.1 坐标变换的向量、点、矩阵表示

向量： $(x',y',z')=xu_{B}+yv_{B}+zw_{B}$

点： $(x',y',z')=xu_{B}+yv_{B}+zw_{B}+Q_{B}$

从标架 A 变换到标架 B，u、v、w分别是指向标架 A 中 x轴，y轴，z轴正方向上的单位向量。

如果使用齐次坐标，就可以用同一公式对点和向量进行处理：

$(x',y',z',w)=xu_{B}+yv_{B}+zw_{B}+Q_{B}$

如果 w=0，此式化简为向量的坐标变换公式；

如果 w=1，此式化简为点的坐标变换公式。

矩阵形式：

$[x',y',z',w]=[x,y,z,w]\begin{bmatrix} u_{B}\\ v_{B}\\ w_{B}\\ Q_{B} \end{bmatrix}=[x,y,z,w]\begin{bmatrix} u_{x} &u_{y} &u_{z} &0 \\ v_{x} &v_{y} &v_{z} &0 \\ w_{x} &w_{y} &w_{z} &0 \\ Q_{x} &Q_{y} &Q_{z} &1 \end{bmatrix}$