动机
三角形并不是天生就有三个屏幕位置。建模时,顶点通常相对于对象自身的原点记录;场景再把对象放进世界;相机把世界改用观察者的坐标描述;最后才投影到影像及像素。分开这些步骤,同一网格便可以重复放置,相机亦可移动而不必重写所有顶点。更重要的是,每个数字都有明确意义:两个矩阵的尺寸相容,并不表示它们所连接的坐标系相容。
本文采用列向量,矩阵从左边作用,三维坐标系为右手正交单位坐标系,相机沿自身的负第三轴观看。这些都是约定,并不是所有图形接口的共同定律。其他约定同样可用,但整条管线必须一致。以下推导先用精确实数算术;浮点误差与有限深度精度是额外问题。
首先要区分“移动对象”与“改变描述”。把点向右移三个单位会改变场景;把相机向右移三个单位,则同一个点的相机坐标向左改变。两者都有矩阵,物理意义却不同。把相机摆放矩阵直接当作观察矩阵,正是画面方向颠倒的常见原因。
定义
点表示位置,方向向量表示两个位置之差。在选定坐标中,仿射映射写成 F ( p ) = A p + t F(p)=Ap+t F ( p ) = A p + t ,其中 A A A 是三阶方阵,t t t 是平移。位移的变换为 v ↦ A v v\mapsto Av v ↦ A v ,因为两个变换后位置相减时,平移会抵消。映射可逆的充要条件是 A A A 可逆。
齐次坐标把两种运算放进同一个矩阵:
H = ( A t 0 1 ) , H ( p 1 ) = ( A p + t 1 ) , H ( v 0 ) = ( A v 0 ) . H=\begin{pmatrix}A&t\\0&1\end{pmatrix},\qquad
H\begin{pmatrix}p\\1\end{pmatrix}=\begin{pmatrix}Ap+t\\1\end{pmatrix},\qquad
H\begin{pmatrix}v\\0\end{pmatrix}=\begin{pmatrix}Av\\0\end{pmatrix}. H = ( A 0 t 1 ) , H ( p 1 ) = ( A p + t 1 ) , H ( v 0 ) = ( A v 0 ) .
第四分量一和零,分别标示位置与方向。一般齐次位置 ( x , y , z , w ) (x,y,z,w) ( x , y , z , w ) 在 w ≠ 0 w\ne0 w = 0 时表示 ( x / w , y / w , z / w ) (x/w,y/w,z/w) ( x / w , y / w , z / w ) ;四个分量同乘非零常数仍表示同一点。第四分量为零的表示法不是普通有限位置,不能直接除法或擅自把它当成位置。
设相机中心为 e e e ,世界坐标下的右、上、后方单位轴为 r , u , b r,u,b r , u , b ,三者互相垂直。点的相机坐标为 ( r ⋅ ( p − e ) , u ⋅ ( p − e ) , b ⋅ ( p − e ) ) (r\cdot(p-e),u\cdot(p-e),b\cdot(p-e)) ( r ⋅ ( p − e ) , u ⋅ ( p − e ) , b ⋅ ( p − e )) 。对前方点 ( x , y , z ) (x,y,z) ( x , y , z ) ,令 d = − z > 0 d=-z>0 d = − z > 0 ;焦距 f > 0 f>0 f > 0 的虚拟像平面是 z = − f z=-f z = − f ,影像坐标定义为 ( f x / d , f y / d ) (fx/d,fy/d) ( f x / d , f y / d ) 。
若 R R R 的三个列向量为 r , u , b r,u,b r , u , b ,则 p = e + R p c p=e+Rp_c p = e + R p c ,因此观察变换是 p c = R T ( p − e ) p_c=R^T(p-e) p c = R T ( p − e ) 。这里利用了正交性,才能把逆矩阵写成转置;一般非正交坐标架并不容许这样做。像平面半高为 h h h 时,垂直视角满足 tan ( θ y / 2 ) = h / f \tan(\theta_y/2)=h/f tan ( θ y /2 ) = h / f ,可由穿过像平面上边缘的直角三角形得到。
定理 / 命题
若实数权重满足 ∑ i λ i = 1 \sum\limits_i\lambda_i=1 i ∑ λ i = 1 ,则任意仿射映射皆满足
F ( ∑ i λ i p i ) = ∑ i λ i F ( p i ) . F\left(\sum_i\lambda_ip_i\right)=\sum_i\lambda_iF(p_i). F ( i ∑ λ i p i ) = i ∑ λ i F ( p i ) . 因此直线上的线性插值与三角形的重心表示,可以先插值后变换,亦可以先变换后插值。
权重之和的条件不可省略,否则平移项会被乘上错误的总权重。若权重另外非负,组合便在凸包之内。可逆仿射变换保留平行性及三角形的非退化性;奇异矩阵则可能把整个三角形压成线段,甚至一点。
反例模式
权重和不为一的情形 一个诱人的推广是:对任意权重都有 F ( ∑ i λ i p i ) = ∑ i λ i F ( p i ) F(\sum\limits_i\lambda_ip_i)=\sum\limits_i\lambda_iF(p_i) F ( i ∑ λ i p i ) = i ∑ λ i F ( p i ) 。取 F ( p ) = p + t F(p)=p+t F ( p ) = p + t ,t = ( 1 , 0 , 0 ) t=(1,0,0) t = ( 1 , 0 , 0 ) ,p 1 = p 2 = ( 0 , 0 , 0 ) p_1=p_2=(0,0,0) p 1 = p 2 = ( 0 , 0 , 0 ) ,λ 1 = λ 2 = 1 \lambda_1=\lambda_2=1 λ 1 = λ 2 = 1 ,权重和为 2 2 2 。则 F ( λ 1 p 1 + λ 2 p 2 ) = F ( 0 ) = ( 1 , 0 , 0 ) F(\lambda_1p_1+\lambda_2p_2)=F(0)=(1,0,0) F ( λ 1 p 1 + λ 2 p 2 ) = F ( 0 ) = ( 1 , 0 , 0 ) ,但 λ 1 F ( p 1 ) + λ 2 F ( p 2 ) = ( 2 , 0 , 0 ) \lambda_1F(p_1)+\lambda_2F(p_2)=(2,0,0) λ 1 F ( p 1 ) + λ 2 F ( p 2 ) = ( 2 , 0 , 0 ) 。一般地,两边相差 ( ∑ i λ i − 1 ) t \bigl(\sum\limits_i\lambda_i-1\bigr)t ( i ∑ λ i − 1 ) t ,只有当权重和为一或平移为零时才会消失。
设可逆矩阵 A A A 把平面的切向量变成 A v Av A v 。若非零原法向量对平面每个切向量 v v v 均满足 n ⋅ v = 0 n\cdot v=0 n ⋅ v = 0 ,则 A − T n A^{-T}n A − T n 与每个变换后切向量垂直。所需单位法向量可把 A − T n A^{-T}n A − T n 归一化得到,另须一致处理表面朝向。
此结论适用于透视之前的可逆线性部分。奇异缩放没有逆矩阵,不能套公式。若法向量由顶点绕序决定,还要留意反射:( A u ) × ( A v ) = det ( A ) A − T ( u × v ) (Au)\times(Av)=\det(A)A^{-T}(u\times v) ( A u ) × ( A v ) = det ( A ) A − T ( u × v ) 。垂直性本身不能决定哪一侧是外侧。
概念视角 代数
法向量是线性函数 取过原点的平面,其切空间为 T = { v : n ⋅ v = 0 } T=\{v:n\cdot v=0\} T = { v : n ⋅ v = 0 } 。法向量只通过线性函数 φ ( v ) = n T v \varphi(v)=n^Tv φ ( v ) = n T v 起作用,其核正是 T T T 。坐标变换 v ′ = A v v'=Av v ′ = A v 后,切空间变为 A T AT A T ,而以 A T AT A T 为核的线性函数是 φ ∘ A − 1 \varphi\circ A^{-1} φ ∘ A − 1 ,即 v ′ ↦ n T A − 1 v ′ = ( A − T n ) T v ′ v'\mapsto n^TA^{-1}v'=(A^{-T}n)^Tv' v ′ ↦ n T A − 1 v ′ = ( A − T n ) T v ′ 。方向(列向量)按 A A A 变换,线性函数(行向量)则在右侧乘以 A − 1 A^{-1} A − 1 ,对列向量 n n n 来说就是 A − T A^{-T} A − T 。把 n n n 乘以非零倍数不改变核,所以事后归一化是无害的。
下面的互动图对平面施加伸缩、剪切、反射及压平映射,并以精确的切向内积比较捷径 A n An A n 与逆转置法向量。
证明思路
把 A A A 分配到加权和上。右方等于 A ∑ i λ i p i + t ∑ i λ i A\sum\limits_i\lambda_ip_i+t\sum\limits_i\lambda_i A i ∑ λ i p i + t i ∑ λ i ,权重和为一便使平移项恰好是 t t t ,故与左方相等。这说明建模中的矩阵运算为何与仿射插值相容,但尚未说明透视之后的插值。
设 v v v 为平面的任意切向量,即 n ⋅ v = 0 n\cdot v=0 n ⋅ v = 0 ;变换后的切向量恰好就是 A v Av A v 。于是
( A − T n ) T A v = n T A − 1 A v = n T v = 0. (A^{-T}n)^TAv=n^TA^{-1}Av=n^Tv=0. ( A − T n ) T A v = n T A − 1 A v = n T v = 0. 由于 v v v 任意,A − T n A^{-T}n A − T n 与所有变换后切向量垂直。事后归一化只恢复长度,不改变哪些方向给出零。
证明透视
公式保留的是垂直配对 假设给出的是法向量与所有切向量内积为零。用逆转置,两个变换在内积中抵消;若错用 A n An A n ,得到的是 n T A T A v n^TA^TAv n T A T A v ,一般不为零。旋转或均匀缩放会掩盖错误,因为此时 A T A A^TA A T A 是单位矩阵的倍数。非均匀缩放则能立即揭露问题。最后归一化只修正长度,不能补救一个已经错误的方向。
透视公式另由相似三角形得到。从原点穿过 ( x , y , − d ) (x,y,-d) ( x , y , − d ) 的射线写成 s ( x , y , − d ) s(x,y,-d) s ( x , y , − d ) ,在 z = − f z=-f z = − f 相交时 s = f / d s=f/d s = f / d ,所以影像位置是 ( f x / d , f y / d ) (fx/d,fy/d) ( f x / d , f y / d ) 。分母随位置改变,故此不是三维仿射映射。相机后方点虽然也可能算出有限商数,却不因此成为前方可见点。
例题详解
令 S ( x , y , z ) = ( 2 x , y , z ) S(x,y,z)=(2x,y,z) S ( x , y , z ) = ( 2 x , y , z ) 、T ( x , y , z ) = ( x + 3 , y , z ) T(x,y,z)=(x+3,y,z) T ( x , y , z ) = ( x + 3 , y , z ) 。对 p = ( 1 , 2 , 0 ) p=(1,2,0) p = ( 1 , 2 , 0 ) ,先缩放后平移得到 T ( S ( p ) ) = ( 5 , 2 , 0 ) T(S(p))=(5,2,0) T ( S ( p )) = ( 5 , 2 , 0 ) ,先平移后缩放得到 S ( T ( p ) ) = ( 8 , 2 , 0 ) S(T(p))=(8,2,0) S ( T ( p )) = ( 8 , 2 , 0 ) 。列向量约定下,前者的矩阵为 T S TS T S ,最右边先作用。父子阶层同理使用 H p H c H_pH_c H p H c ;子对象的平移亦处于父坐标架之中,会跟随父对象旋转或缩放。
相机在 e = ( 0 , 0 , 5 ) e=(0,0,5) e = ( 0 , 0 , 5 ) 且坐标轴与世界一致,便有 p c = p − e p_c=p-e p c = p − e 。世界原点成为 ( 0 , 0 , − 5 ) (0,0,-5) ( 0 , 0 , − 5 ) ,确实位于相机前方。若相机改到 ( 2 , 0 , 5 ) (2,0,5) ( 2 , 0 , 5 ) ,原点的坐标变成 ( − 2 , 0 , − 5 ) (-2,0,-5) ( − 2 , 0 , − 5 ) 。检查时,相机中心必须映到零,而 e − r e-r e − r 必须映到 ( − 1 , 0 , 0 ) (-1,0,0) ( − 1 , 0 , 0 ) 。这些语义检查比只看一串矩阵元素更容易发现正负号或转置错误。
取 f = 2 f=2 f = 2 ,( 1 , 1 , − 2 ) (1,1,-2) ( 1 , 1 , − 2 ) 与 ( 2 , 2 , − 4 ) (2,2,-4) ( 2 , 2 , − 4 ) 都投影到 ( 1 , 1 ) (1,1) ( 1 , 1 ) ;它们沿同一条相机射线,故二维影像已失去深度。另取切向量 v = ( 1 , − 1 , 0 ) v=(1,-1,0) v = ( 1 , − 1 , 0 ) 、法向量 n = ( 1 , 1 , 0 ) n=(1,1,0) n = ( 1 , 1 , 0 ) ,施加 A = diag ( 2 , 1 , 1 ) A=\operatorname{diag}(2,1,1) A = diag ( 2 , 1 , 1 ) 。切向量成为 ( 2 , − 1 , 0 ) (2,-1,0) ( 2 , − 1 , 0 ) ;错误法向量 ( 2 , 1 , 0 ) (2,1,0) ( 2 , 1 , 0 ) 的内积是 3 3 3 。正确的 ( 1 / 2 , 1 , 0 ) (1/2,1,0) ( 1/2 , 1 , 0 ) 内积为零,归一化后是 ( 1 , 2 , 0 ) / 5 (1,2,0)/\sqrt5 ( 1 , 2 , 0 ) / 5 。
明确写出投影与裁剪约定
设宽高比为 a a a ,q = 1 / tan ( θ y / 2 ) q=1/\tan(\theta_y/2) q = 1/ tan ( θ y /2 ) ,近、远距离满足 0 < n < F 0<n<F 0 < n < F 。一种对称视锥的投影矩阵是
P = ( q / a 0 0 0 0 q 0 0 0 0 − ( F + n ) / ( F − n ) − 2 F n / ( F − n ) 0 0 − 1 0 ) . P=\begin{pmatrix}
q/a&0&0&0\\0&q&0&0\\
0&0&-(F+n)/(F-n)&-2Fn/(F-n)\\0&0&-1&0
\end{pmatrix}. P = q / a 0 0 0 0 q 0 0 0 0 − ( F + n ) / ( F − n ) − 1 0 0 − 2 F n / ( F − n ) 0 .
对相机点 ( x , y , − d , 1 ) (x,y,-d,1) ( x , y , − d , 1 ) ,裁剪分量 w c = d w_c=d w c = d 。除以它以后,规范化深度是
z n d c = F + n F − n − 2 F n ( F − n ) d . z_{\rm ndc}=\frac{F+n}{F-n}-\frac{2Fn}{(F-n)d}. z ndc = F − n F + n − ( F − n ) d 2 F n .
在近面等于负一,远面等于一。其他接口可能采用不同区间,故不能只凭“深度”一词套用公式。相机深度、裁剪深度及除法后深度,是三个不同量。
此约定下,裁剪在除法之前使用 − w c ≤ x c , y c , z c ≤ w c -w_c\le x_c,y_c,z_c\le w_c − w c ≤ x c , y c , z c ≤ w c 。线段 C ( t ) = ( 1 − t ) C 0 + t C 1 C(t)=(1-t)C_0+tC_1 C ( t ) = ( 1 − t ) C 0 + t C 1 对每个裁剪平面都给出关于 t t t 的线性不等式;有效参数是区间,逐一取交集便得到裁剪部分。若先除法,跨过相机平面的线段会遇到分母为零,不能当作普通有限屏幕线段处理。
实际建立相机时,可由中心 e e e 、目标 c ≠ e c\ne e c = e 及近似向上向量 v v v 开始。令 b = ( e − c ) / ∥ e − c ∥ b=(e-c)/\|e-c\| b = ( e − c ) /∥ e − c ∥ 、r = ( v × b ) / ∥ v × b ∥ r=(v\times b)/\|v\times b\| r = ( v × b ) /∥ v × b ∥ 、u = b × r u=b\times r u = b × r 。必须假设 v v v 不平行于视线;否则叉积为零,根本没有定义右方轴。重新计算 u u u 可确保正交,不能用微小数值噪声冒充缺少的坐标轴。
视口是再下一次坐标变换。例如宽高为 W , H W,H W , H 时,可用 x s = W ( x n d c + 1 ) / 2 x_s=W(x_{\rm ndc}+1)/2 x s = W ( x ndc + 1 ) /2 、y s = H ( y n d c + 1 ) / 2 y_s=H(y_{\rm ndc}+1)/2 y s = H ( y ndc + 1 ) /2 。像素中心可另定在半整数位置;若行号向下增加,垂直公式亦要反转。这些约定应明写,否则正确的投影仍可能出现半像素位移或上下倒置。
常见错误
反例模式
屏幕中点不是空间中点的投影 取 f = 1 f=1 f = 1 ,端点 A = ( 0 , 0 , − 1 ) A=(0,0,-1) A = ( 0 , 0 , − 1 ) 、B = ( 2 , 0 , − 2 ) B=(2,0,-2) B = ( 2 , 0 , − 2 ) 的水平影像位置为零和一,屏幕中点是 1 / 2 1/2 1/2 。但空间中点 ( 1 , 0 , − 3 / 2 ) (1,0,-3/2) ( 1 , 0 , − 3/2 ) 投影到 2 / 3 2/3 2/3 。透视仍把可见直线段送到直线上,却改变了沿线的参数。下一节因此需要推导透视修正插值,不能直接把屏幕权重当成表面权重。
方向光、速度及切向量都不应套用平移;两点之差的推导已说明平移必须抵消。相反,把位置的第四分量写成零,便会完全失去平移。位置取 w = 1 w=1 w = 1 ,方向取 w = 0 w=0 w = 0 。
正交投影是线性地丢弃深度;只要两条平行线均不塌缩成点,投影后便平行或重合。沿观看方向的直线确会塌缩成点。透视则可让平行线朝共同消失点靠拢。两者都无法单凭二维影像唯一恢复三维场景。
矩阵的内存排列与向量乘法约定亦属不同问题。“按列存储”描述数据布局,“列向量”描述代数;不能只见接口提到存储次序,便擅自把数学矩阵转置。选一个预期位置已知的点作检查,才能把文件中的布局与代数正确连接。
总结
模型矩阵用线性部分加平移移动位置;观察矩阵是相机摆放的逆;法向量使用可逆线性部分的逆转置。透视再以深度作除法,并要求适当裁剪及清楚的深度约定。这些区分说明同一管线为何必须分别处理位置、方向与法向量。
练习
快速检查
(对可逆的 F ( p ) = A p + t F(p)=Ap+t F ( p ) = A p + t ,求逆仿射映射,并检查两种复合。)
由 q = A p + t q=Ap+t q = A p + t 解出 p p p 。
解答 · 答案 由 q = A p + t q=Ap+t q = A p + t 得 p = A − 1 q − A − 1 t p=A^{-1}q-A^{-1}t p = A − 1 q − A − 1 t 。代入原式,两项平移抵消;反向代入亦回到 q q q 。逆齐次矩阵的四个区块因此为 A − 1 , − A − 1 t , 0 , 1 A^{-1},-A^{-1}t,0,1 A − 1 , − A − 1 t , 0 , 1 ,不能只把平移改号而忽略线性部分。
快速检查
(三角形顶点为 ( 0 , 0 , 0 ) , ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) (0,0,0),(1,0,0),(0,1,0) ( 0 , 0 , 0 ) , ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) 。将权重 ( 1 / 2 , 1 / 3 , 1 / 6 ) (1/2,1/3,1/6) ( 1/2 , 1/3 , 1/6 ) 的重心位置施以 A = diag ( 2 , 3 , 1 ) A=\operatorname{diag}(2,3,1) A = diag ( 2 , 3 , 1 ) 、t = ( 1 , − 1 , 4 ) t=(1,-1,4) t = ( 1 , − 1 , 4 ) ,再用变换后顶点验算。)
解答 · 答案 原位置是 ( 1 / 3 , 1 / 6 , 0 ) (1/3,1/6,0) ( 1/3 , 1/6 , 0 ) ,变换后为 ( 5 / 3 , − 1 / 2 , 4 ) (5/3,-1/2,4) ( 5/3 , − 1/2 , 4 ) 。三个新顶点是 ( 1 , − 1 , 4 ) , ( 3 , − 1 , 4 ) , ( 1 , 2 , 4 ) (1,-1,4),(3,-1,4),(1,2,4) ( 1 , − 1 , 4 ) , ( 3 , − 1 , 4 ) , ( 1 , 2 , 4 ) 。依原权重加总,第一分量为 1 / 2 + 1 + 1 / 6 = 5 / 3 1/2+1+1/6=5/3 1/2 + 1 + 1/6 = 5/3 ,第二为 − 1 / 2 − 1 / 3 + 1 / 3 = − 1 / 2 -1/2-1/3+1/3=-1/2 − 1/2 − 1/3 + 1/3 = − 1/2 ,第三为四,与先变换的结果相同。
快速检查
(平面法向量为 ( 1 , 1 , 1 ) (1,1,1) ( 1 , 1 , 1 ) ,变换为 A = diag ( 2 , 1 , 1 / 2 ) A=\operatorname{diag}(2,1,1/2) A = diag ( 2 , 1 , 1/2 ) 。求影像平面的单位法向量,并用切向量 ( 1 , − 1 , 0 ) (1,-1,0) ( 1 , − 1 , 0 ) 验证。)
解答 · 答案 逆转置给出 ( 1 / 2 , 1 , 2 ) (1/2,1,2) ( 1/2 , 1 , 2 ) ,长度为 21 / 2 \sqrt{21}/2 21 /2 ,所以可取 ( 1 , 2 , 4 ) / 21 (1,2,4)/\sqrt{21} ( 1 , 2 , 4 ) / 21 。切向量变成 ( 2 , − 1 , 0 ) (2,-1,0) ( 2 , − 1 , 0 ) ,内积为 ( 2 − 2 ) / 21 = 0 (2-2)/\sqrt{21}=0 ( 2 − 2 ) / 21 = 0 ,正好验证垂直条件。
快速检查
(在本文投影约定取 n = 1 , F = 9 n=1,F=9 n = 1 , F = 9 ,求距离 1 , 3 , 9 1,3,9 1 , 3 , 9 的规范化深度。相同距离增量是否给出相同深度增量?)
使用 z n d c = F + n F − n − 2 F n ( F − n ) d z_{\rm ndc}=\frac{F+n}{F-n}-\frac{2Fn}{(F-n)d} z ndc = F − n F + n − ( F − n ) d 2 F n 。
解答 · 答案 公式成为 z n d c = 5 / 4 − 9 / ( 4 d ) z_{\rm ndc}=5/4-9/(4d) z ndc = 5/4 − 9/ ( 4 d ) ,三个值依次是 − 1 , 1 / 2 , 1 -1,1/2,1 − 1 , 1/2 , 1 。距离由一到三,深度改变 3 / 2 3/2 3/2 ;由三到九只改变 1 / 2 1/2 1/2 ,不是线性比例。导数 9 / ( 4 d 2 ) 9/(4d^2) 9/ ( 4 d 2 ) 显示此约定把更多深度分辨率分配给靠近相机的范围。