[简化版 GAMES 101] 计算机图形学 04:二维变换上
计算机图形学中的变换是动画制作与三维成像的底层支撑。无论是电影中流畅的镜头运镜、游戏中真实的场景变化,还是机器人的关节旋转,本质上都由缩放、旋转等数学变换驱动。这些变换将抽象的数字矩阵与屏幕上的具象画面连接,是理解三维成像及投影变换的基础。
01二维线性变换基础
二维线性变换均可表示为“矩阵×向量”的形式。通过对基础向量进行操作,可以实现多种几何变形效果。以下为常见的四种变换类型及其矩阵实现原理:
- 缩放变换
使用对角矩阵乘以向量。若对角线元素相同则为均匀缩放,不同则为非均匀缩放,常用于图像尺寸调整。 - 反射变换
通过特定矩阵实现坐标取反。例如沿Y轴对称的变换是将X坐标变为相反数,而Y坐标保持不变。 - 切变变换
保持一个坐标轴不变,沿另一个轴进行拉伸或错位,常用于产生斜视效果。 - 旋转变换
默认绕原点逆时针旋转。其矩阵推导基于基向量(1,0)和(0,1)旋转后的位置,由正弦和余弦函数构成。
02齐次坐标与平移统一
在标准的二维线性变换中,平移操作无法通过2x2矩阵乘法实现,导致平移与缩放、旋转等变换在数学表达上产生割裂。为了解决这一问题,图形学引入了齐次坐标概念,通过增加维度将所有变换统一到矩阵乘法框架下。
| 概念 | 表示形式 | 说明 |
|---|---|---|
| 二维点 | [x, y, 1] | 引入额外维度,末尾为1 |
| 二维向量 | [x, y, 0] | 引入额外维度,末尾为0 |
| 平移矩阵 | 3x3矩阵 | 利用齐次坐标,将平移转化为矩阵乘法 |
齐次坐标的表示与转换
齐次坐标不仅解决了平移的数学表达问题,其运算规则也符合几何直觉。点减点得到向量,点加向量得到新点,两点相加除以二得到中点。这些规则使得图形学中的复杂运动,如物体移动、形变等,都能通过统一的矩阵运算高效实现。
当前文章无评论,是时候发表评论了