图形学里面的数学

本笔记首发于知乎:https://zhuanlan.zhihu.com/p/255222417
文章建立于 20200621 暴雨转晴
文章修改于 20200919
文章完成于 20200919
声明:此文章为本人学习笔记。首发知乎。自己温习,也同他人分享沟通。如果文章中有侵权,错误,或者有不同的理解,本人希望在学习的路上得到更多的沟通,反馈。鄙人在此致谢。烦请大家多指教!

《图形学里面的数学》是本人计划的系列文章,每次更新为虎书间隔三章内容。

随着工作中的内容和美术在计算机中的图形表现,更随着深入的研究,越是发现基础学识的重要性,在这里写一个笔记给留自己复习及需要的朋友们查阅。
实用和技巧:指的是在各引擎或者DCC内的实现方法和原理;更好的理解记忆技巧。


文章大纲 一、向量 二、矩阵 三、变换


一、向量:
1.1、向量 向量:(向量又叫矢量)有方向有长度,无位置。
存在一个特殊性向量为:零向量。
向量相加:

image

向量相减:

image

向量与标量(常数,一个值)相乘:

image

向量求模(模的意思是标量,是长度,是一个数值):

image

向量归一化:
归一化,又叫单位化;模(长度)为1的向量。
在图形学中,需要的是向量的模标准化(归一化)后,向量点积结果,或者是求两个向量的cos角度值。

image

1.2、内积(点积) 向量的点积(点积又叫内集): 点积:向量乘向量=向量长度 乘 向量长度 乘 两个向量的Cos角度 实用和技巧:在所有计算前需归一化,所以上述点积的公式化解后,最终的值便是Cos角度的值域是-1到1内。 小参考:

image

在图形学里,向量点积前需要归一化(转为模长为1的向量)再计算,所以

image

在这个公式里点积的结果就是CosA的值,向量A的模为1,向量B的模也为1。
11CosA就是结果,而Cos的值域只有-1到1。

image

1.3、外积(叉积)
向量的叉积(叉积又叫外集):
叉积的结果也是一个向量。
要绝:结果x为与x不相干的参数相减,结果y为与y不相干的参数相减,结果z为与z不想干的参数相减。 实用和技巧:用来判断点在三角形内还是在三角形外,如果一个点都在三个向量的右侧或者左侧,那么就在三角形内。前提条件也需要定义好是左手法则还是右手法则。

image

向量的投影计算:
向量的投影结果为向量。

image

常数与常数先计算,然后再计算常数与向量的计算,得出结果为向量。

image

1.4、向量空间(二维化)
数组化(横向表示,或者竖直表示)。

二、矩阵
图形学中,常见于把顶或者向量增加一个数,引入齐次概念,来方便做计算。目的在计算中把计算写成矩阵与向量的计算。

2.1、矩阵

image
image
image
image

2.2、线性方程组
初等变换:结果为一个向量乘上一个简约矩阵。
什么叫简约矩阵:

image

解齐次方程组:用的增广矩阵得到简约矩阵,再求得线性方程组的解方法:

image

2.3、逆矩阵

image

2.4 行列式
基本概念:

image

二阶行列式:它的算法(2X2大小方阵)

image

三角行列式:上三角行列式与下三角行列式算法

image

在主对角上或者下都为零的状态下。

image

特殊行列式:
性质,主对角数相等,上三角与下三角数相等。

image

特殊行列式:
等比行列式,后行与前行呈指数等比。
算法:使用后列比数与此列比数相减的乘积。

image

行列式的常见算法:

image

行列式对换行列后的表示:

image

行列式中存在一样的列元素或者行元素,有可能存在等比例的,其值为0:

image

行列式的拆分:

image

常见拆分解法如下:示例1

image
image

示例2:

image

在常用行列式计算时,都是采用以上的几种性质:
0、首先找规律和性质看能否快速得到结果
1、其次就是把行列式转变成简约式,从简约式得到上三角或者下三角性质
书写的规范性(矩阵算简约矩阵时也可以这样书写):
双向箭头为互换,r1为第一行,c2为第二列。

image

便捷计算:

image

示例:

1

image

2

image

3

image

4

image

4步完成计算。
算法总结:
齐次后值为0,非齐次后值为非零常数。

image

三、坐标变换
3.1、线性变换
正交矩阵:可保持被变换的向量的长度和角度;变换前和变换后是一样的长度和角度。
偏手性:在计算时需要注意是左手空间,还是右手空间坐标系。
3.2、比例变换
向量或者标量与矩阵相乘,得到比例变换。可以是0,也可以是均匀变换,和非均匀变换。
3.3、旋转变换
二维旋转变换推导:(常用于UV和平面图像上)

image
image

三维旋转变换:
旋转变换是矩阵中最复杂的变换。一般在计算中都是拆分去计算,先旋转一个轴,再旋转另一个,最后旋转另一个,完成旋转操作。 一般分成4步,第一步在一个平面内,第二步在另一轴平面内,第三步在最后的平面内,第4步平移。
3.4、四维变换
从MIT大神们听来,为什么这样操作:因为人类懒惰,需要一个方便省时省力的事情。所以就有这样的操作。只需要注意4X4矩阵的最后一位,是常数还是0,在记算中正常情况下都把他们变成1或者0,如果不是1,那么把所有元素乘个倒数变成1。在数据计算时用来区分是向量还是坐标。
3.5、法向量和切向量(就是顶点法线和顶点切线)
3.6、四元素
用四元素来做旋转比用普通旋转变换更便捷。
3.6.2、球型线性插值

参考资料:
1.1、MIT 闫令琪 GAMES101《现代计算机图形学入门》 GAMES101 论坛 1.2、《Fundamentals of Computer Graphics, Fourth Edition》 tiger book 业界俗称 《虎书》圣典
1.3、《3D游戏与计算机图形学中的数学方法》Eric Lengyel著 詹海生译 1.4、《Unity Shader入门精要》第4章节 冯乐乐著
https://www.bilibili.com/video/BV1Dt411t7hs
https://www.bilibili.com/video/BV1M7411E74W
https://www.bilibili.com/video/BV1s4411S78P 3Blue1Brown
https://www.bilibili.com/video/BV1X7411F744?p=2 MIT games-cn.org https://forum.taichi.graphics/t/topic/272 https://www.bilibili.com/video/BV1NW41167rD?p=1 行列式与矩阵

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,686评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,668评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,160评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,736评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,847评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,043评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,129评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,872评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,318评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,645评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,777评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,470评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,126评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,861评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,095评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,589评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,687评论 2 351

推荐阅读更多精彩内容

  • 今天感恩节哎,感谢一直在我身边的亲朋好友。感恩相遇!感恩不离不弃。 中午开了第一次的党会,身份的转变要...
    迷月闪星情阅读 10,559评论 0 11
  • 彩排完,天已黑
    刘凯书法阅读 4,201评论 1 3
  • 表情是什么,我认为表情就是表现出来的情绪。表情可以传达很多信息。高兴了当然就笑了,难过就哭了。两者是相互影响密不可...
    Persistenc_6aea阅读 124,540评论 2 7