WebGL学习笔记——二维矩阵变换

  • 平移

二维平移矩阵

WebGL学习笔记——二维矩阵变换

说明:

(x',y')是原坐标(x,y)分别在x轴方向移动tx,y轴方向移动ty之后得到的新坐标

使用python的numpy矩阵处理模块、matplotlib的绘图模块直观展示一个三角形平移变化的代码及结果如下,使用的工具是JupyterLab

import numpy as np
import matplotlib.pyplot as plt
# 原坐标,第一行为x轴的坐标值,第二行为y轴的坐标值,第三行固定为1
# [x1, x2, x3]
# [y1, y2, y3]
# [ 1,  1,  1]
points = np.array([[-1,0,1],
                 [0,1,0],
                 [1,1,1]])
# 二维坐标平移矩阵
translate = np.array([[1,0,2],
                     [0,1,2],
                     [0,0,1]])
# 经过平移矩阵变换后的新坐标
new_points = np.matmul(translate, points)
new_points

Out[101]:

array([[1, 2, 3],
       [2, 3, 2],
       [1, 1, 1]])

In [103]:

plt.grid()
plt.axis('equal')
# 绘制原坐标组成的三角形
plt.fill(points[0,:], points[1,:], "b")
# 绘制经过平移变换后形成的新坐标组成的三角形
plt.fill(new_points[0,:], new_points[1,:], "r")
plt.show()
WebGL学习笔记——二维矩阵变换
  • 旋转

二维旋转矩阵:

WebGL学习笔记——二维矩阵变换

说明:

(x',y')是原坐标(x,y)相对于原点(0,0)逆时针旋转θ角度之后得到的新坐标

演示代码如下:

import numpy as np
import matplotlib.pyplot as plt
import math
# 原坐标,第一行为x轴的坐标值,第二行为y轴的坐标值,第三行固定为1
# [x1, x2, x3]
# [y1, y2, y3]
# [ 1,  1,  1]
points = np.array([[-1,0,1],
                 [0,1,0],
                 [1,1,1]])
# 二维旋转矩阵
translate = np.array([
  [math.cos(math.radians(30)),-math.sin(math.radians(30)),0],
  [math.sin(math.radians(30)),math.cos(math.radians(30)),0],
  [0,0,1]])
# 经过旋转矩阵变换后的新坐标
new_points = np.matmul(translate, points)
new_points

Out[123]:

array([[-0.8660254, -0.5      ,  0.8660254],
       [-0.5      ,  0.8660254,  0.5      ],
       [ 1.       ,  1.       ,  1.       ]])

In [125]:

plt.grid()
plt.axis('equal')
# 绘制原坐标组成的三角形
plt.fill(points[0,:], points[1,:], "b")
# 绘制经过旋转变换后形成的新坐标组成的三角形
plt.fill(new_points[0,:], new_points[1,:], "r")
plt.show()
WebGL学习笔记——二维矩阵变换
  • 缩放

二维缩放矩阵:

WebGL学习笔记——二维矩阵变换

说明:

(x',y')等于(xsx,ysy)

演示代码如下:

import numpy as np
import matplotlib.pyplot as plt
# 原坐标,第一行为x轴的坐标值,第二行为y轴的坐标值,第三行固定为1
# [x1, x2, x3]
# [y1, y2, y3]
# [ 1,  1,  1]
points = np.array([[-1,0,1],
                 [0,1,0],
                 [1,1,1]])
# 二维缩放矩阵
translate = np.array([[10,0,0],
                     [0,10,0],
                     [0,0,1]])
# 经过缩放矩阵变换后的新坐标
new_points = np.matmul(translate, points)
new_points

Out[105]:

array([[-10,   0,  10],
       [  0,  10,   0],
       [  1,   1,   1]])

In [109]:

plt.grid()
plt.axis('equal')
# 绘制经过缩放变换后形成的新坐标组成的三角形
plt.fill(new_points[0,:], new_points[1,:], "r")
# 绘制原坐标组成的三角形
plt.fill(points[0,:], points[1,:], "b")
plt.show()
WebGL学习笔记——二维矩阵变换
©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 214,837评论 6 496
  • 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 91,551评论 3 389
  • 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 160,417评论 0 350
  • 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 57,448评论 1 288
  • 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 66,524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 50,554评论 1 293
  • 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 39,569评论 3 414
  • 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 38,316评论 0 270
  • 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 44,766评论 1 307
  • 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 37,077评论 2 330
  • 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 39,240评论 1 343
  • 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 34,912评论 5 338
  • 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 40,560评论 3 322
  • 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 31,176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 32,425评论 1 268
  • 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 47,114评论 2 366
  • 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 44,114评论 2 352

推荐阅读更多精彩内容