Direct变换

Objectives
1、理解如何用矩阵去表达线性(linear)和仿射(affine)变换。
2、学习坐标系变换，如缩放、旋转。
3、发现几个变换矩阵可以通过矩阵乘法转换成一个变换网络。
4、发现如何转换坐标系从一个坐标系到另外一个。怎么去用矩阵描述这样的坐标系变换。
5、熟悉DirectXMath库提供的函数来构造变换矩阵。

线性变换

考虑一个函数对于$\tau(\textbf{v})$，若其满足以下：

$$\tau(\textbf{u} + \textbf{v}) = \tau(\textbf{u}) + \tau(\textbf{v})\\ \tau(k\textbf{u}) = k\tau(\textbf{u})$$
那么我们说这个函数是一个线性变换。

矩阵拓展
给定一个向量$\textbf{u} = (x,y,z)$,我们可以写成这样的形式。

$$\textbf{u} = (x,y,z)=x\mathbf{i} + y\mathbf{j}+z\mathbf{k}=x(1,0,0)+y(0,1,0)+z(0,0,1)$$
其中 $\mathbf{i,j,k}$为标准基向量( standard basis vectors)。
故，我们有这样的结论：
$$\tau(\mathbf{u}) = \tau(x\mathbf{i} + y\mathbf{j}+z\mathbf{k}) = x\tau(\mathbf{i}) + y\tau(\mathbf{j})+ z\tau(\mathbf{k})$$
所以，我们可以写成向量-矩阵乘法的形式。
$$\tau(\mathbf{u}) = x\tau(\mathbf{i})+y\tau(\mathbf{j})+z\tau(\mathbf{k})\\ =\mathbf{u}\mathbf{A} = \mathbf{u} \begin{bmatrix} \leftarrow \tau(\mathbf{i}) \rightarrow \\ \leftarrow \tau(\mathbf{j}) \rightarrow \\ \leftarrow \tau(\mathbf{k}) \rightarrow \end{bmatrix} =\begin{bmatrix} x,y,z \end{bmatrix} \begin{bmatrix} A_{11}&A_{12}&A_{13}\\ A_{21}&A_{22}&A_{23}\\ A_{31}&A_{32}&A_{33} \end{bmatrix}$$
我们可以说：矩阵A是线性变换 $\tau$的矩阵表达。

缩放
我们定义缩放像这样：

$$S(x,y,z) = (s_{x}x,s_{y}y,s_{z}z)$$
可以很容易的看出来， $S$是线性的。所以我们把他写成向量-矩阵相乘的形式。
$$S(\mathbf{i}) = (s_{x},0,0)\\ S(\mathbf{j}) = (0,s_{y},0)\\ S(\mathbf{k}) = (0,0,s_{z})\\ \therefore S = \begin{bmatrix} s_{x}&0&0\\ 0&s_{y}&0\\ 0&0&s_{y} \end{bmatrix}$$

旋转

从上图可以推导出：

$$R_{n}(\mathbf{v_{\perp }}) = cos\theta\mathbf{v}_{\perp} + sin\theta(\mathbf{n}\times\mathbf{v})\\ R_{n}(\mathbf{v}) = proj_{n}(\mathbf{v}) + R_{n}({\mathbf{v_{\perp}}})\\ =cos\theta\mathbf{v} + (1-cos\theta)(\mathbf{n}\cdot\mathbf{v})\mathbf{n}+sin\theta(\mathbf{n}\times\mathbf{v})$$
接下来就是将其转化为线性变换矩阵模式，将单位向量代入即可。
令 $c=cos\theta,s=sin\theta$得出
$$R_{n} = \begin{bmatrix} c+(1-c)x^{2}&(1-c)xy+sz&(1-c)xz-sy\\ (1-c)xy-sz&c+(1-c)y^{2}&(1-c)yz+sx\\ (1-c)xz+sy&(1-c)yz-sx&c+(1-c)z^{2} \end{bmatrix}$$
可以发现旋转矩阵所有行向量的长度为1，且相互正交。
所以他的逆矩阵就等于转置矩阵。
$$R_{n}^{-1}=R_{n}^{T}$$
这对于计算机的运算来说是非常效率的。

仿射变换

齐次坐标系(Homogeneous Coordinates)
因为我们对于向量只能表示方向或点，无法表达位移(translation)。换句话说，向量在进行位移时，不应该被改变。而齐次坐标系提供了一个方便的表达方式，来让我们同时表达向量和点。利用齐次坐标，我们使用4次来区分：
1、$(x,y,z,0)$表达向量
2、$(x,y,z,1)$表达点

定义和矩阵表达
一个线性变换不能表达我们所有的变换。因此，我们增加一个向量：

$$a(\mathbf{u}) = \tau(\mathbf{u}) + \mathbf{b}$$
如果我们增加齐次坐标 $w=1$，我们可以写的更方便，如：
$$\begin{bmatrix} x,y,z,1 \end{bmatrix} \begin{bmatrix} A_{11}&A_{12}&A_{13}&0\\ A_{21}&A_{22}&A_{23}&0\\ A_{31}&A_{32}&A_{33}&0\\ b_{x}&b_{y}&b_{z}&1 \end{bmatrix} =\begin{bmatrix} x^{'},y^{'},z^{'},1 \end{bmatrix}$$
则这个4x4的矩阵被称为 仿射变换的矩阵表达形式。

位移

$$T=\begin{bmatrix} 1&0&0&0\\ 0&1&0&0\\ 0&0&1&0\\ b_{x}&b_{y}&b_{z}&1 \end{bmatrix}\\ T^{-1}=\begin{bmatrix} 1&0&0&0\\ 0&1&0&0\\ 0&0&1&0\\ -b_{x}&-b_{y}&-b_{z}&1 \end{bmatrix}\\ $$

仿射矩阵下的缩放和旋转
如果$\mathbf{b} = 0$，则仿射变换可以归纳为线性变换。
缩放和旋转的4x4仿射矩阵表达：

$$\mathbf{S} = \begin{bmatrix} s_{x}&0&0&0\\ 0&s_{y}&0&0\\ 0&0&s_{z}&0\\ 0&0&0&1 \end{bmatrix} \\ R_{n} = \begin{bmatrix} c+(1-c)x^{2}&(1-c)xy+sz&(1-c)xz-sy&0\\ (1-c)xy-sz&c+(1-c)y^{2}&(1-c)yz+sx&0\\ (1-c)xz+sy&(1-c)yz-sx&c+(1-c)z^{2}&0\\ 0&0&0&1 \end{bmatrix}$$

坐标系之间的转换
对于点：

$$\mathbf{p}_{B} = x\mathbf{u}_{B}+y\mathbf{v}_{B}+z\mathbf{w}_{B}+\mathbf{Q}_{B}$$
对于向量：

$$\mathbf{p}_{B} = x\mathbf{u}_{B}+y\mathbf{v}_{B}+z\mathbf{w}_{B}$$

那么在齐次坐标系中，我们可以将他们表达在一起：

$$(x^{'},y^{'},z^{'},w) = x\mathbf{u}_{B}+y\mathbf{v}_{B}+z\mathbf{w}_{B}+w\mathbf{Q}_{B}$$
如果 $w=0$，则为向量的表达形式，否则为点。
$$[x^{'},y^{'},z^{'},w]= [x,y,z,w]\begin{bmatrix} \leftarrow \mathbf{u}_{B}\rightarrow\\ \leftarrow \mathbf{v}_{B}\rightarrow\\ \leftarrow \mathbf{w}_{B}\rightarrow\\ \leftarrow \mathbf{Q}_{B}\rightarrow \end{bmatrix} \\ =[x,y,z,w]\begin{bmatrix} u_{x}&u_{y}&u_{z}&0\\ v_{x}&v_{y}&v_{z}&0\\ w_{x}&w_{y}&w_{z}&0\\ Q_{x}&Q_{y}&Q_{z}&1 \end{bmatrix} \\ =x\mathbf{u}_{B}+y\mathbf{v}_{B}+z\mathbf{w}_{B}+w\mathbf{Q}_{B}$$

---

Direct Math Transformation Functions

XMMATRIX XM_CALLCONV XMMatrixScaling(float ScaleX,float ScaleY,float ScaleZ);//构造一个缩放矩阵
XMMATRIX XM_CALLCONV XMMatrixScalingFromVector(FXMVECTOR Scale); // Scaling factors (sx,sy,sz)
XMMATRIX XM_CALLCONV XMMatrixRotationX(float Angle); //构造一个绕X轴旋转矩阵
XMMATRIX XM_CALLCONV XMMatrixRotationAxis(FXMVECTOR Axis, float Angle);//构造一个绕Axis旋转Angle的矩阵
XMMATRIX XM_CALLCONV XMMatrixTranslation(float OffsetX,float OffsetY,float OffsetZ);//构造一个平移
XMMATRIX XM_CALLCONV XMMatrixTranslationFromVector(FXMVECTOR Offset);

XMVECTOR XM_CALLCONV XMVector3TransformCoord(FXMVECTOR V, CXMMATRIX M); //V_w = 1;
XMVECTOR XM_CALLCONV XMVector3TransformNormal(FXMVECTOR V, CXMMATRIX M);//V_w = 0;