前言(Preface)
前段时间有些朋友在论坛里问到一些关于3D数学的知识,就想为大家写点这方面的文章。由于之前比较忙,又遇到过春节,所以最近才着笔写了这篇文章,希望大家喜欢。这些内容主要是一些理论知识,看上去难免有些枯燥,之后的文章我会加入一些实例进行讲解的。如果内容存在错误和不全,就请你来更正和添加了。
三维坐标系(3D
Coordinate System)
三维坐标是把二维的平面坐标推广到三维空间中,在三维坐标中,点(x,y,z)的齐次坐标为(nx,ny,nz,n),其中n为任意不为0的数,规范化的齐次坐标为(x,y,z,1),与之相对应,三维变换的变换矩阵为4×4矩阵。
在三维空间中,我们通常使用右手坐标系(Right-Handed Coordinate System),因为它符合数学上的习惯,而在计算机图形学中,我们会使用左手坐标系(Left-Handed
Coordinate System),因为它比较符合日常习惯。其实,我们可以任意的旋转这些坐标系,而图形仍然保持不变。常见的坐标系如下:
本地坐标系:相对于对象的原点的3D坐标系
世界坐标系:相对于3D世界的原点三维坐标系
对齐(视点)坐标系:世界坐标系的变换,观察者的位置在世界坐标系的原点。
屏幕坐标系:相对于显示器的原点的2D坐标系
点(Point)
点是在某一个坐标系中使用坐标值指定的位置。因此,点到坐标原点之间的距离与坐标系的选择有关。点P在坐标系A中的坐标为(0,0,0),而在坐标系B中的坐标则为(x,y,z)。
向量(Vector)
向量是指两点的差值,具有大小和方向,即给定两点,就能唯一确定一个向量,向量的大小和方向与坐标系的选择无关。向量V=(Vx,Vy,Vz)=P1P2=(x2-x1,y2-y1,z2-z1)其中,Vx,Vy和Vz分别为向量V在x,y和z轴上的投影,称为向量V的x分量(x
component),y分量(y component)和z分量(z component)。该向量的大小为:
向量V与x,y和z轴形成的方向角(Direction Angle):α,β和γ,其中cosα,cosβ和cosγ称为方向余弦(Direction Cosine)。
向量加法:V1+V2=(V1x+V2x,V1y+V2y,V1z+V2z)
向量标量乘:aA=(aVx,aVy,aVz)
向量标量积:V1·V2=
V1x+V2x,V1y+V2y,V1z+V2z
向量积(*积):V1×V2=(V1yV2z-V1zV1y,V1zV2x-V1xV2z,V1xV2y-V1yV2z)
=|Ux
Uy Uz|
|V1x
V1y V1z|
|V2x
V2y V2z|
注:其中Ux,Uy,Uz分别表示沿x轴,y轴和z轴的单位向量。在以后的编程中,我们经常会用到向量积。
矩阵(Matrix)
矩阵是由若干个数值构成的矩形阵列,这些数值通常为实数,称为矩阵的元素。如果一个矩阵的行和列数相同,我们则称该矩阵为方阵(Square
Matrix),而只有一行或者一列的矩阵用常用向量表示,例如:[x,y,z]称为行向量(Row Vector),
|x|
|y| 则称为列向量(Colume Vector)。
|z|
矩阵加法:|A11
A12 A13|
|B11 B12
B13| | A11+
B11 A12+
B12 A13+
B13|
|A21
A22 A23|
+ |B21 B22
B23| = | A21+
B21 A22+
B22 A23+
B23|
|A31
A32 A33| |B31
B32 B33|
| A31+ B31
A32+ B32
A33+ B33|
矩阵标量乘: |A11
A12 A13|
|nA11 nA12
nA13|
n |A21
A22 A23|
= |nA21 nA22
nA23|
|A31
A32 A33|
|nA31 nA32
nA33|
矩阵变换(Matrix
Transform)
三维平移的矩阵表示为:
[x`,y`,z`,1]=[x,y,z,1] | 1 0 0 0 |
| 0 1 0 0 |
| 0
0 1 0 |
| tx ty tz 1 |
三维缩放的矩阵表示为:
[x`,y`,z`,1]=[x,y,z,1] | sz 0 0 0 |
| 0 sy 0 0 |
| 0
0 sx 0 |
| 0 0 0 1 |
绕x轴旋转的矩阵表示为:
[x`,y`,z`,1]=[x,y,z,1] | 1 0 0 0 |
| 0 cosα sinα 0 |
| 0
-sinα cosα 0 |
| 0
0 0 1 |
绕y轴旋转的矩阵表示为:
[x`,y`,z`,1]=[x,y,z,1] | cosα 0 -sinα 0 |
|
0 1 0 0 |
| sinα 0 cosα 0 |
|
0 0 0 1 |
绕z轴旋转的矩阵表示为:
[x`,y`,z`,1]=[x,y,z,1] | cosα sinα 0 0 |
|
-sinα cosα 0 0 |
|
0 0 1 0 |
| 0 0 0 1 |
反射(Reflection)
反射变换也称为对称(Symmetric)变换或镜像(Mirror Image)变换,三维反射变换可以相对于反射轴(Reflection Axis)进行,也可以相对于反射平面进行。相对于反射轴的三维反射变换是通过将图形绕反射轴旋转180°来实现的。
相对于xy平面的反射变换矩阵为:
| 1 0 0 0 |
| 0 1 0 0 |
| 0 0 1 0 |
| 0 0 0 1 |
相对于yz平面的反射变换矩阵为:
|-1 0 0 0 |
| 0 1 0 0 |
| 0 0 1 0 |
| 0 0 0 1 |
相对于zx平面的反射变换矩阵为:
| 1 0 0 0 |
| 0 -1 0 0 |
| 0 0 1 0 |
| 0 0 0 1 |
错切(Shear)
错切变换会改变图形的形状。
相对于x轴的错切变换矩阵为:
| 1 0 0 0 |
| shY
1 0 0 |
| shz
0 1 0 |
| 0 0 0 1 |
相对于y轴的错切变换矩阵为:
| 1 shX 0
0 |
| 0 1 0 0 |
| 0 shz
1 0 |
| 0 0 0 1 |
相对于z轴的错切变换矩阵为:
| 1 0 shX
0 |
| 0 1 shY
0 |
| 0 0 1 0 |
| 0 0 0 1 |
从简单的平移、缩放和旋转等可以延伸到复合平移、复合缩放、复合旋转、固定点缩放等概念,这