本文主要是介绍计算机图形学入门03:基本变换,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
变换(Transformation)可分为模型(Model)变换和视图(Viewing)变换。在3D虚拟场景中相机的移动和旋转,角色人物动画都需要变换,用来描述物体运动。将三维世界投影变换到2D屏幕上成像出来,也需要变换。
1.二维变换
1.1缩放变换
如上图所示,把一个图形缩小为原来的0.5倍,那么就需要x坐标变为0.5倍,y坐标也变为0.5倍,这样的变换叫做缩放(Scale)变换。可以用以下表达式表示:
可以用矩阵的形式表示如下:
上面的矩阵表达式针对x轴和y轴进行相同比例的缩放,实际中两个方向上的缩放可能不相同,把矩阵表达式修改如下:
Sx表示在X轴方向上缩放的倍数,Sy表示在Y轴方向上缩放的倍数。
1.2反射变换
反射(Reflection)变换也可称为镜像变换,如下图所示:
如上图需要将物体以y轴进行镜像,那么可以用以下表达式表达:
用矩阵形式的表达如下:
当然还有其他方向的反射矩阵。
1.3切变变换
如上图这个变换好像是拽着图形的右上角沿着x轴向右拉了一段距离,称为切变(Shear)变换。
提示:
1.y=0时,水平位移为0
2.y=1时,水平位移为a(当y=0.5时,水平位移是0.5a,即y*a)
3.垂直位移总是0
通过以上三个提示的规律可得出任何x轴上的位移为a*y,表示移动距离等于原本x位置加上a*y,即x’=x+a*y,而y轴的值始终不变,即y’=y。用矩阵表达为如下:
1.4旋转变换
说旋转(Rotation),默认指的是绕原点(0,0)逆时针旋转,下图是物体绕原点逆时针旋转θ角的示意图:
以上变换同样可以写成矩阵的形式:
推导如下
1.首先确认要达到的目标位置(x’,y’),假设原点(x,y)。
2.用矩阵形式表示:
如此需要求得a,b,c,d四个未知数。
3.所有旋转的点都要符合最终公式,包括特殊点。先找出特殊点A(1,0),将A点旋转度,通过三角定律可得A的坐标变成(,),假设当前就是以A点为原始点,进行了度的旋转。那么带入后矩阵表示:。通过矩阵相乘可得:cos=a*1+b*0,sin=c*1+d*0,所以a=cos,c=sin。
4.同理使用B(0,1)这个特殊点旋转度,求得b=-sin,d=cos。
1.5线性变换
前面提到的变换都可以使用以下表达式表示:
用矩阵都可以如下表示:
继而表示为:输出坐标 = 变换矩阵 × 输入坐标 的形式:
满足以上条件的变换称为线性(Linear)变换。
1.6仿射变换
如上图所示,沿x轴平移tx,沿y轴平移ty,这样是一个平移变换。可以用以下表达式表示:
你会发现,它无法用前面熟悉的线性变换矩阵的形式表示,也就是说平移变换是非线性变换。 只能用以下矩阵形式表示,上面把这种变换称为非线性变换,其实它有专门的名字叫仿射(Affine)变换。
为了方便统一,不希望平移变换是一个特例,那么是否有一个统一的方式来表示所有的变换?通过不断探索,引入了齐次坐标(Homogeneous coordinates)。
1.7齐次坐标
我们可以在现在二维上,再增加一个维度,变成三维,在坐标系上添加第三个坐标(W坐标),如果在卡尔坐标系上有点(x,y),当转换为齐次坐标后这个点变为(wx,wy,w)。反过来同样适用,如果在其次坐标系中有一个点(x,y,w),转换到笛卡尔坐标系下,这个点应该表示为(x/w,y/w)。如此,对于任何一个点和任意一个向量,我们都可以表示如下:
注意:这里为什么点是加1,而向量是加0呢?因为向量是个方向,平移后还是原来的向量,具有平移不变性质。如果有一个向量(x,y,0),同样经过上图矩阵这么一个变换,得到的结果仍然希望是(x,y,0),添加0是为了保护向量在平移变换过程中不发生变化。
将点(x,y)表示成(x,y,1),平移变换可写成如下矩阵形式:
所以像如下这种仿射变换表达式:
通过引入齐次坐标后,可以使用线性变换的形式表达(根据上图所示,表示先线性变换再平移变换的)。
所以就有了统一所有变换的表达式。可以发现最后变换矩阵最后一行都是0,0,1。
1.8二维主要变换总结
引入了齐次坐标后,二维变换表达式分别变成了如下:
缩放矩阵
旋转矩阵
上述旋转矩阵是绕原点逆时针旋转的变换矩阵,当需要得到顺时针旋转的变换矩阵时,可以通过逆变换(后面内容)得到,即
通过上面两个矩阵对比发现,在旋转矩阵里面,旋转矩阵的逆就是旋转矩阵的转置。利用这个性质,求旋转的逆,也就是求反方向旋转相同角度的时候,只要写出正向旋转矩阵,把矩阵转置过来就可以了。
如果一个矩阵的转置等于这个矩阵的逆,我们称这个矩阵是正交矩阵。
平移矩阵
注意:一般二维变换下,除了平移矩阵,都用2*2的矩阵表示。
1.9逆变换
一个物体做一个变换,变换完以后要恢复到原来的位置,变换回原来的位置的过程称为逆(Inverse)变换,逆变换在数学上的实现是乘以变换矩阵的逆矩阵。
1.10组合变换
组合(Composite)变换就是对一个物体进行多个变换。如下图所示,左边图片通过某些变换后变成右边的图片。
可以有两种变换:
1.先向右平移1个单位,再旋转45度(默认都是绕原点、逆时针旋转)。
2.先旋转45度,后向右平移1个单位。
发现第一种变换方式并没有达到想要的效果,而第二种方式达到了目的。
得出两个结论:
1.一个复杂的变换,可以通过几个简单的变换得到。
2.变换的顺利不同最终的结果也会不同,因为矩阵相乘是不满足交换律的,矩阵相乘顺序不同结果就会不同(特殊除外)。
注意:矩阵的应用是从右到左的,将上述组合变换用矩阵表达如下(先旋转,再平移):
组合变换矩阵相乘应用的顺序
上图中A1,A2一直到An表示变换矩阵,一个点进行组合变换时,应用在该点的矩阵是从右到左。即矩阵An乘An-1一直乘到A1,实际应用到点的顺序是A1,A2一直到An。
矩阵乘法结合律使用
矩阵相乘无法使用交换律,但是可以使用结合律。
一个点做多个变换即多个矩阵相乘再乘以这个点,根据矩阵乘法结合律,可以先把这些矩阵相乘,乘完在与这个点相乘,只要保证矩阵相乘的顺序不变即可。假设A1到An都为3*3的矩阵,那么相乘的结果还是3*3的一个矩阵,那么就可以把很多个矩阵合成一个矩阵,简化了公式。
所以上述例子的表达式可以简化为:
同理,矩阵不仅能合成,还能够分解。前面最开始图就是把变换分解成了旋转变换和平移变换。
1.11非原点的旋转变换
在上述中,默认旋转变换是绕原点进行的,那么不是绕原点的变换该怎么实现呢?可以先把变换分解,分为三个步骤变换:
1.将旋转中心移动到原点(所有点移动)
2.在原点做旋转变换
3.平移到原点的位置
综上得出结论,先平移T(-c)到原点,然后旋转R(α),最后平移到原来位置T(c)。矩阵变换作用在物体上的顺序是从右到左,所以矩阵表达式表示:
2.三维平移变换
三维变换与二维变换类似,只是多了一个维度。那么三维变换拿二维变换做类比就可以了,包括齐次坐标表示。
2.1三维平移变换
在二维坐标中不希望平移变换是一个特例,同理在三维坐标中也是同理,那么再次使用齐次坐标。三维坐标系转为齐次坐标,与二维坐标系转为齐次坐标类似,一个点在末尾添加1,一个向量添加0。如下图。
通常,(x,y,z,w)(w!=0)是一个代表3D的点(x/w,y/w,z/w)。
使用齐次坐标表示三维空间下统一的线性变换如下:
与二维平移同理可得齐次坐标下三维平移变换矩阵:
2.2 三维缩放矩阵
在二维坐标中X,Y轴进行缩放,那么三维只需要增加一个z轴的缩放。可以得出三维缩放矩阵如下:
2.3 三维旋转矩阵
在三维旋转变换中,物体需要分别绕三个不同轴进行旋转。假设分别绕X,Y,Z三个轴旋转。
绕Z轴旋转矩阵
我们发现绕Z轴旋转矩阵和二维旋转矩阵很相似,去掉最下面一行和最右边一列就和二维旋转矩阵一样了。在二维旋转中只有X轴和Y轴,其实和三维绕Z轴旋转是一样的,也是X,Y轴的发生了变化,所以三维中Z轴对应的元素没有变化。
绕x轴旋转矩阵
同理绕X轴旋转矩阵,可以把三维的Y,Z轴看作二维的X,Y轴旋转。所以三维中X轴对应的元素没有变化。
绕Y轴旋转矩阵
同理绕Y轴旋转矩阵,可以把三维的X,Z轴看作二维的X,Y轴旋转,所以三维中Y轴对应的元素也应该没有变化。但是发现是相反的,这是什么原因呢?因为三维坐标轴是X,Y,Z。根据右手法则,X叉乘Y得到Z,Y叉乘Z得到X,而Z叉乘X得到Y,无论循环多少次,任何两个轴都能得到第三个轴,这叫做循环对称性质。而Y轴是Z叉乘X得到的,并不是X叉乘Z得到的,而叉乘顺序不同,结果不同,而X叉乘Z得到的是Y的反方向,所以是反的。如下图:
2.4绕任意轴旋转矩阵
描述复杂问题的时候,可以分解成几个简单问题,而绕任意轴旋转可分解为绕X轴旋转α角,绕Y轴旋转β角,绕Z轴旋转γ角,用以下形式表示:
根据罗德里格斯旋转公式得出矩阵(绕轴n旋转角度):
用一个向量n来表示一个旋转轴n是不够的,还需要知道起点位置,而以上公式默认轴n是穿过原点的,这样起点在原点上,方向就是向量n方向。所以这个公式只适用于绕穿过原点的向量旋转变换。在二维旋转中,绕任意点旋转的思路是先平移到原点后做旋转,旋转完后再平移到原来的位置,所以三维任意轴旋转一样用这个思路。
以上都是以欧拉角进行旋转,在图形学中,还能用四元数表示旋转,避免万向锁。
这篇关于计算机图形学入门03:基本变换的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!