图形学初识--空间变换

文章目录

  • 前言
  • 正文
    • 矩阵和向量相乘
    • 二维变换
      • 1、缩放
      • 2、旋转
      • 3、平移
      • 4、齐次坐标下总结
    • 三维变换
      • 1、缩放
      • 2、平移
      • 3、旋转
        • 绕X轴旋转:
        • 绕Z轴旋转:
        • 绕Y轴旋转:
  • 结尾:喜欢的小伙伴可以点点关注+赞哦

前言

前面章节补充了一下基本的线性代数中关于向量和矩阵的背景知识,这一节咱们讲解一下在二维和三维中常用的空间变换,主要包括:平移、旋转、缩放等!

正文

矩阵和向量相乘

假设有一个矩阵 M M M,有一个向量 P = ( x y ) P = \begin{pmatrix} x\\y \end{pmatrix} P=(xy),则令 P ⃗ ′ = M × P ⃗ = ( x ′ y ′ ) \vec P' = M \times \vec P = \begin{pmatrix} x'\\y' \end{pmatrix} P =M×P =(xy).

从上节,我们已经知道矩阵和向量相乘结果还是个向量,假设我们把向量 P P P 看作一个坐标,那么 P ′ P' P 的坐标就是矩阵 M M M 应用之后的结果,此时我们称对点 P P P应用矩阵 M M M的变换。

二维变换

假设在二维空间下,矩阵 M M M 是2x2的,向量 P = ( x y ) P = \begin{pmatrix} x\\y \end{pmatrix} P=(xy) 是二维向量。

矩阵乘向量在二维空间本质理解: 假设我们将 M M M 按照列方向,分解成两个列向量 ( α 1 ⃗ , α 2 ⃗ ) (\vec{\alpha_1}, \vec{\alpha_2}) (α1 ,α2 ),则 P ′ ⃗ = ( x α 1 ⃗ + y α 2 ⃗ ) \vec{P'} = (x\vec{\alpha_1} + y\vec{\alpha_2}) P =(xα1 +yα2 )

结果表明: 矩阵和向量相乘,就相当于向量的轴分量作为权重,给矩阵的列向量加权求和!

类似的,我们也可以把矩阵按照行向量分解,也可以表达成矩阵的行向量加权相加的形式。只不过列向量分解形式更为常见!

1、缩放

缩放矩阵M如下, S x S_x Sx 为x轴向的缩放因子, S y S_y Sy 为y轴向的缩放因子。
[ s x 0 0 s y ] \begin{bmatrix} s_x & 0\\ 0 & s_y\\ \end{bmatrix} [sx00sy]
P ′ = M P = [ s x 0 0 s y ] ∗ ( x y ) = ( s x ∗ x s y ∗ y ) P' = MP = \begin{bmatrix} s_x & 0\\ 0 & s_y\\ \end{bmatrix} * \begin{pmatrix} x\\y \end{pmatrix} = \begin{pmatrix} s_x * x\\s_y * y \end{pmatrix} P=MP=[sx00sy](xy)=(sxxsyy)

举个例子: M = [ 0.5 0 0 0.5 ] M = \begin{bmatrix} 0.5& 0\\ 0 & 0.5\\ \end{bmatrix} M=[0.5000.5] P = ( 2 2 ) P = \begin{pmatrix} 2\\2 \end{pmatrix} P=(22),则 P ′ = ( 1 1 ) P' = \begin{pmatrix} 1\\1 \end{pmatrix} P=(11),如下图所示:

在这里插入图片描述

2、旋转

默认地,正角度旋转代表逆时针,如下图所示的红色正方形,就是旋转45°

在这里插入图片描述

旋转矩阵 R θ R_\theta Rθ 如下:
[ cos ⁡ θ − sin ⁡ θ sin ⁡ θ cos ⁡ θ ] \begin{bmatrix} \cos \theta & -\sin \theta\\ \sin \theta & \cos \theta\\ \end{bmatrix} [cosθsinθsinθcosθ]

基本推导如下图:

在这里插入图片描述

我们使用最笨的待定系数法求解,将矩阵 R θ R_{\theta} Rθ 设为 [ A B C D ] \begin{bmatrix} A & B\\ C & D\\ \end{bmatrix} [ACBD],然后将两个点的前后结果带入计算,如下:
[ A B C D ] ( 1 0 ) = ( cos ⁡ θ sin ⁡ θ ) , [ A B C D ] ( 0 1 ) = > ( − sin ⁡ θ cos ⁡ θ ) \begin{bmatrix} A & B\\ C & D\\ \end{bmatrix}\begin{pmatrix} 1\\0 \end{pmatrix} = \begin{pmatrix} \cos{\theta}\\\sin{\theta} \end{pmatrix}, \begin{bmatrix} A & B\\ C & D\\ \end{bmatrix}\begin{pmatrix} 0\\1 \end{pmatrix} => \begin{pmatrix} -\sin{\theta}\\\cos{\theta} \end{pmatrix} [ACBD](10)=(cosθsinθ)[ACBD](01)=>(sinθcosθ)
所以自然得到:
A = cos ⁡ θ B = − sin ⁡ θ C = sin ⁡ θ D = c o s θ \begin{align} A &= \cos \theta\\ B &= -\sin \theta\\ C &= \sin \theta\\ D &= cos \theta\\ \end{align} ABCD=cosθ=sinθ=sinθ=cosθ

3、平移

平移就是让x轴和y轴的坐标分别偏移一定的量,如下图所示:

在这里插入图片描述

x ′ = x + t x y ′ = y + t y x' = x + t_x\\ y' = y + t_y x=x+txy=y+ty

我们记 P = ( x y ) P = \begin{pmatrix} x\\y \end{pmatrix} P=(xy) P ′ = ( x ′ y ′ ) P' = \begin{pmatrix} x'\\y' \end{pmatrix} P=(xy) T = ( t x t y ) T = \begin{pmatrix} t_x\\t_y \end{pmatrix} T=(txty) ,则上述可以表示为 P ′ ⃗ = P ⃗ + T ⃗ \vec{P'} = \vec P + \vec T P =P +T

但是我们发现,上述的形式没有用上矩阵,但在数学、物理中,人们都讲究统一,因此人们引入了齐次坐标的概念。

为了迎合平移也能统一使用矩阵进行变换,认为的给二维的向量添加一个维度,升为三维,如下:
p o s i t i o n = ( x y 1 ) , v e c t o r = ( x y 0 ) position = \begin{pmatrix} x\\y\\1 \end{pmatrix},vector = \begin{pmatrix} x\\y\\0 \end{pmatrix} position= xy1 vector= xy0
我们发现,位置向量咱们第三维补充1,方向向量咱们第三维补充0。

于是,咱们自然而然就可以定义出平移矩阵T,如下:
T = [ 1 0 t x 0 1 t y 0 0 1 ] 注: t x 表示 x 轴的偏移量, t y 表示 y 轴的偏移量 T = \begin{bmatrix} 1 & 0 & t_x\\ 0 & 1 & t_y\\ 0 & 0 & 1 \end{bmatrix}\\ 注:t_x 表示x轴的偏移量,t_y表示y轴的偏移量 T= 100010txty1 注:tx表示x轴的偏移量,ty表示y轴的偏移量
于是,针对位置点的平移、以及位置向量的平移计算结果如下:

在这里插入图片描述

我们发现,方向向量的结果没有变化,这难道出问题了么?并没有,因为方向向量本身就是位置无关的,不变才是对的,而针对某个顶点是变化了的,这就符合咱们的要求!

4、齐次坐标下总结

引入齐次坐标后,缩放和旋转矩阵多了一个维度,这里列举一下:

缩放矩阵:
S = [ s x 0 0 0 s y 0 0 0 1 ] S = \begin{bmatrix} s_x & 0 & 0\\ 0 & s_y & 0\\ 0 & 0 & 1 \end{bmatrix} S= sx000sy0001
旋转矩阵:
R = [ cos ⁡ θ − sin ⁡ θ 0 sin ⁡ θ cos ⁡ θ 0 0 0 1 ] R = \begin{bmatrix} \cos \theta & -\sin \theta & 0\\ \sin \theta & \cos \theta & 0\\ 0 & 0 & 1 \end{bmatrix} R= cosθsinθ0sinθcosθ0001

平移矩阵:
T = [ 1 0 t x 0 1 t y 0 0 1 ] T = \begin{bmatrix} 1 & 0 & t_x\\ 0 & 1 & t_y\\ 0 & 0 & 1 \end{bmatrix}\\ T= 100010txty1

三维变换

首先,由于多引入了一个维度,复杂度上升。坐标系自然而然分为两种:左手系、右手系,示意图如下:

在这里插入图片描述

**为了方便,后续三维空间中的矩阵变换讲解以右手系为例!**左手系也是类似,大家熟练之后可自行推导!

同理,在三维坐标系下,同样为了统一平移的操作,引入齐次坐标后,变换矩阵都是4x4的,这里不多赘述!

1、缩放

由于缩放最是容易,也最容易理解,这里直接给出缩放矩阵:
S = [ s x 0 0 0 0 s y 0 0 0 0 s z 0 0 0 0 1 ] 注: s x 、 s y 、 s z 分别为 x 、 y 、 z 轴的缩放比例 S = \begin{bmatrix} s_x & 0 & 0 & 0\\ 0 & s_y & 0 & 0\\ 0 & 0 & s_z & 0\\ 0 & 0 & 0 & 1 \end{bmatrix}\\ 注:s_x、s_y、s_z分别为x、y、z轴的缩放比例 S= sx0000sy0000sz00001 注:sxsysz分别为xyz轴的缩放比例

2、平移

也是类似,这里直接给出平移矩阵:
T = [ 1 0 0 t x 0 1 0 t y 0 0 1 t z 0 0 0 1 ] 注: t x 、 t y 、 t z 分别为 x 、 y 、 z 轴的偏移量 T = \begin{bmatrix} 1 & 0 & 0 & t_x\\ 0 & 1 & 0 & t_y\\ 0 & 0 & 1 & t_z\\ 0 & 0 & 0 & 1 \end{bmatrix}\\ 注:t_x、t_y、t_z分别为x、y、z轴的偏移量 T= 100001000010txtytz1 注:txtytz分别为xyz轴的偏移量

3、旋转

由于三维世界中,旋转并不是绕一个点,而是绕一个旋转轴,所以最简单的旋转就是绕:x、y、z轴的旋转。

旋转规则: 绕某个轴旋转 θ \theta θ 角度,就是表明逆着此轴的方向眼睛看过去,逆时针旋转 θ \theta θ 角度。

例如如下示意图就是绕z轴旋转 θ \theta θ 角度:

在这里插入图片描述

并且我们一定要理解,绕z轴转动时,所有点的z坐标是不会变化的!

这里需要对照二维空间中的旋转矩阵的理解,本质上:二维旋转就是将两个相互垂直的基向量作为坐标轴,逆时针旋转的结果

所以,上述的绕z轴的旋转,可以理解为基向量就是 ( 1 0 0 ) \begin{pmatrix} 1\\0\\0 \end{pmatrix} 100 ( 0 1 0 ) \begin{pmatrix} 0\\1\\0 \end{pmatrix} 010

这里给出一个基本任意正交基向量 i ⃗ 、 j ⃗ \vec{i}、\vec{j} i j 的旋转示意图:

在这里插入图片描述

绕X轴旋转:

示意图如下:

在这里插入图片描述

因此,我们只是将基向量变成 ( 0 1 0 ) \begin{pmatrix} 0\\1\\0 \end{pmatrix} 010 ( 0 0 1 ) \begin{pmatrix} 0\\0\\1 \end{pmatrix} 001

所以,很容易构造出以下等式:
[ 1 0 0 0 0 cos ⁡ θ − sin ⁡ θ 0 0 sin ⁡ θ cos ⁡ θ 0 0 0 0 1 ] ( x i j 1 ) = ( x cos ⁡ θ ∗ i − sin ⁡ θ ∗ j sin ⁡ θ ∗ i + cos ⁡ θ ∗ j 1 ) \begin{bmatrix} 1 & 0 & 0 & 0\\ 0 & \cos{\theta} & -\sin{\theta} & 0\\ 0 & \sin{\theta} & \cos{\theta} & 0\\ 0 & 0 & 0 & 1 \end{bmatrix}\\ \begin{pmatrix} x\\i\\j\\1 \end{pmatrix} =\begin{pmatrix} x\\\cos{\theta}*i - \sin{\theta} * j\\\sin{\theta}*i + \cos{\theta} * j\\1 \end{pmatrix} 10000cosθsinθ00sinθcosθ00001 xij1 = xcosθisinθjsinθi+cosθj1

自然而然可以得出,绕x轴的旋转矩阵如下:
R x = [ 1 0 0 0 0 cos ⁡ θ − sin ⁡ θ 0 0 sin ⁡ θ cos ⁡ θ 0 0 0 0 1 ] 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} Rx= 10000cosθsinθ00sinθcosθ00001

绕Z轴旋转:

同理,示意图:

在这里插入图片描述

容易构造出以下等式:
[ cos ⁡ θ − sin ⁡ θ 0 0 sin ⁡ θ cos ⁡ θ 0 0 0 0 1 0 0 0 0 1 ] ( i j z 1 ) = ( cos ⁡ θ ∗ i − sin ⁡ θ ∗ j sin ⁡ θ ∗ i + cos ⁡ θ ∗ j z 1 ) \begin{bmatrix} \cos{\theta} & -\sin{\theta} & 0 & 0\\ \sin{\theta} & \cos{\theta} & 0 & 0\\ 0 & 0 & 1 & 0\\ 0 & 0 & 0 & 1 \end{bmatrix}\\ \begin{pmatrix} i\\j\\z\\1 \end{pmatrix} =\begin{pmatrix} \cos{\theta}*i - \sin{\theta} * j\\\sin{\theta}*i + \cos{\theta} * j\\z\\1 \end{pmatrix} cosθsinθ00sinθcosθ0000100001 ijz1 = cosθisinθjsinθi+cosθjz1
自然而然可以得出,绕z轴的旋转矩阵如下:
R z = [ cos ⁡ θ − sin ⁡ θ 0 0 sin ⁡ θ cos ⁡ θ 0 0 0 0 1 0 0 0 0 1 ] 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} Rz= cosθsinθ00sinθcosθ0000100001

绕Y轴旋转:

Y轴相比X和Z比较特殊,也是新手初学三维空间旋转最容易困惑的地方。但在咱们这里不存在,示意图如下:

在这里插入图片描述

容易构造出以下等式:
[ cos ⁡ θ 0 sin ⁡ θ 0 0 1 0 0 − sin ⁡ θ 0 cos ⁡ θ 0 0 0 0 1 ] ( j y i 1 ) = ( sin ⁡ θ ∗ i + cos ⁡ θ ∗ j y cos ⁡ θ ∗ i − sin ⁡ θ ∗ j 1 ) \begin{bmatrix} \cos{\theta} & 0 & \sin{\theta} & 0\\ 0 & 1 & 0 & 0\\ -\sin{\theta} & 0 & \cos{\theta} & 0\\ 0 & 0 & 0 & 1 \end{bmatrix}\\ \begin{pmatrix} j\\y\\i\\1 \end{pmatrix} =\begin{pmatrix} \sin{\theta}*i + \cos{\theta} * j\\y\\\cos{\theta}*i - \sin{\theta} * j\\1 \end{pmatrix} cosθ0sinθ00100sinθ0cosθ00001 jyi1 = sinθi+cosθjycosθisinθj1
咱们发现,这里的形式稍微较绕x和绕z不一样了

本质就是因为这里的正交基分别是: ( 0 0 1 ) \begin{pmatrix} 0\\0\\1 \end{pmatrix} 001 ( 1 0 0 ) \begin{pmatrix} 1\\0\\0 \end{pmatrix} 100

自然而然可以得出,绕y轴的旋转矩阵如下:
R y = [ cos ⁡ θ 0 sin ⁡ θ 0 0 1 0 0 − sin ⁡ θ 0 cos ⁡ θ 0 0 0 0 1 ] 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} Ry= cosθ0sinθ00100sinθ0cosθ00001

结尾:喜欢的小伙伴可以点点关注+赞哦

希望对各位小伙伴能够有所帮助哦,永远在学习的道路上伴你而行, 我是航火火,火一般的男人!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/336574.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

软件安全复习

文章目录 第一章 软件安全概述1.1 信息定义1.2 信息的属性1.3 信息安全1.4 软件安全1.5 软件安全威胁及其来源1.5.1 软件缺陷与漏洞1.5.1.1 软件缺陷1.5.1.2 漏洞1.5.1.3 软件漏洞1.5.1.4 软件缺陷和漏洞的威胁 1.5.2 恶意软件1.5.2.1 恶意软件的定义1.5.2.2 恶意软件的威胁 1.…

Mysql搭建主从同步,docker方式(一主一从)

服务器:两台Centos9 用Docker搭建主从 使用Docker拉取MySQL镜像 确保两台服务器都安装好了docker 安装docker请查看:Centos安装docker 1.两台服务器都先拉取mysql镜像 docker pull mysql 2.我这里是在 /opt/docker/mysql 下创建mysql的文件夹用来存…

java人口老龄化社区服务与管理平台源码(springboot+vue+mysql)

风定落花生,歌声逐流水,大家好我是风歌,混迹在java圈的辛苦码农。今天要和大家聊的是一款基于springboot的人口老龄化社区服务与管理平台。项目源码以及部署相关请联系风歌,文末附上联系信息 。 项目简介: 人口老龄化…

在线思维导图编辑!3个AI思维导图生成软件推荐!

思维导图,一种以创新为驱动的视觉化思考工具,已经渗透到我们日常生活和工作的各个角落。当我们需要整理思绪、规划项目或者梳理信息时,思维导图总能提供极大的帮助。 近些年随着云服务等基础设施的完善,我们可以看到越来越多提供…

可视化大屏也在卷组件化设计了?分享一些可视化组件

hello,我是大千UI工场,这次分享一些可视化大屏的组件,供大家欣赏。(本人没有源文件提供)

Nacos 微服务管理

Nacos 本教程将为您提供Nacos的基本介绍,并带您完成Nacos的安装、服务注册与发现、配置管理等功能。在这个过程中,您将学到如何使用Nacos进行微服务管理。下方是官方文档: Nacos官方文档 1. Nacos 简介 Nacos(Naming and Confi…

【雷丰阳-谷粒商城 】【分布式基础篇-全栈开发篇】【00】补充

持续学习&持续更新中… 守破离 【雷丰阳-谷粒商城 】【分布式基础篇-全栈开发篇】【00】补充 WindowsCMD插件IDEAVsCode MavenvagrantDocker解决MySQL连接慢问题启动(自动)Docker注意切换到root用户远程访问MySQL MyBatisPlusVue模块化开发项目结构…

横截面分位数回归

一、分位数回归简介 分位数回归(英语:Quantile regression)是回归分析的方法之一。最早由Roger Koenker和Gilbert Bassett于1978年提出。一般地,传统的回归分析研究自变量与因变量的条件期望之间的关系,相应得到的回归…

Leecode热题100---二分查找--4:寻找两个正序数组的中位数

题目: 给定两个大小分别为 m 和 n 的正序(从小到大)数组 nums1 和 nums2。请你找出并返回这两个正序数组的 中位数 。 解法1、暴力解法(归并) 思路: 合并 nums1,nums2 为第三个数组 排序第三个数…

如何降本增效获得目标客户?AI企业使用联盟营销这个方法就对了!

AI工具市场正在迅速发展,现仍有不少企业陆续涌出,那么如何让你的工具受到目标群体的关注呢?这相比是AI工具营销人员一直在思考的问题。 为什么AI企业难以获客呢? 即使这个市场正蓬勃发展,也无法保证营销就能轻易成功…

创建特定结构的二维数组:技巧与示例

新书上架~👇全国包邮奥~ python实用小工具开发教程http://pythontoolsteach.com/3 欢迎关注我👆,收藏下次不迷路┗|`O′|┛ 嗷~~ 目录 一、引言:二维数组的奇妙世界 二、方法一:直接初始化 1. 初始化一个…

K8s集群之 存储卷 PV PVC

目录 默写 1 如何将pod创建在指定的Node节点上 2 污点的种类(在node上设置) 一 挂载存储​​​​​​​ 1 emptyDir存储卷 2 hostPath存储卷 ①在 node01 节点上创建挂载目录 ② 在 node02 节点上创建挂载目录 ③ 创建 Pod 资源 ④ 在master上检测一下:…

Hadoop3:HDFS中DataNode与NameNode的工作流程

一、DataNode中的数据情况 数据位置 /opt/module/hadoop-3.1.3/data/dfs/data/current/BP-823420375-192.168.31.102-1714395693863/current/finalized/subdir0/subdir0块信息 每个块信息,由两个文件保存,xxx.meta保存的是数据长度、校验和、时间戳&am…

IEEE Latex模版踩雷避坑指南

参考文献 原Latex模版 \begin{thebibliography}{1} \bibliographystyle{IEEEtran}\bibitem{ref1} {\it{Mathematics Into Type}}. American Mathematical Society. [Online]. Available: https://www.ams.org/arc/styleguide/mit-2.pdf\bibitem{ref2} T. W. Chaundy, P. R. Ba…

搜索自动补全-elasticsearch实现

1. elasticsearch准备 1.1 拼音分词器 github地址:https://github.com/infinilabs/analysis-pinyin/releases?page6 必须与elasticsearch的版本相同 第四步,重启es docker restart es1.2 定义索引库 PUT /app_info_article {"settings": …

秋招突击——算法——模板题——区间DP(1)——加分二叉树

文章目录 题目描述思路分析实现代码分析总结 题目描述 思路分析 实现代码 不过我的代码写的真的不够简洁&#xff0c;逻辑不够清晰&#xff0c;后续多练练吧。 // 组合数问题 #include <iostream> #include <algorithm>using namespace std;const int N 35; int…

uniapp+php服务端实现苹果iap内购的消耗性项目和非续期订阅项目,前后端代码加逻辑分析

前言&#xff1a;公司的项目app在上架苹果商店时发现人家要求里面的部分购买项目必须使用iap购买的方式&#xff0c;使用原本的微信支付方式审核不给通过&#xff0c;无奈只能重新研究这个东西。做起来还是有点麻烦&#xff0c;主要是网上的文章很少&#xff0c;不能直接硬抄。…

Nacos 2.x 系列【12】配置加密插件

文章目录 1. 前言2. 安装插件2.1 编译2.2 客户端2.3 服务端 3. 测试 1. 前言 为保证用户敏感配置数据的安全&#xff0c;Nacos提供了配置加密的新特性。降低了用户使用的风险&#xff0c;也不需要再对配置进行单独的加密处理。 前提条件&#xff1a; 版本:老版本暂时不兼容&…

网络工程基础 不同网段下的设备实现通信

交换机可以实现同一个网段下的不同设备直接通信 路由器可以实现不同的网段下的设备进行通信 路由器查看路由表命令 display ip routing-table 华为路由器配置静态路由命令&#xff1a; ip route-static 目的网络地址 子网掩码 下一跳地址 电脑判断不同网段的ip会把请求转给网…

30【Aseprite 作图】桌子——拆解

1 桌子只要画左上方&#xff0c;竖着5&#xff0c;斜着3个1&#xff0c;斜着两个2&#xff0c;斜着2个3&#xff0c;斜着一个5&#xff0c;斜着一个很长的 然后左右翻转 再上下翻转 在桌子腿部分&#xff0c;竖着三个直线&#xff0c;左右都是斜线&#xff1b;这是横着水平线不…