動機
三角形並不是天生就有三個屏幕位置。建模時,頂點通常相對於物件自身的原點記錄;場景再把物件放進世界;相機把世界改用觀察者的座標描述;最後才投影到影像及像素。分開這些步驟,同一網格便可以重複放置,相機亦可移動而不必重寫所有頂點。更重要的是,每個數字都有明確意義:兩個矩陣的尺寸相容,並不表示它們所連接的座標系相容。
本文採用列向量,矩陣從左邊作用,三維座標系為右手正交單位座標系,相機沿自身的負第三軸觀看。這些都是約定,並不是所有圖形介面的共同定律。其他約定同樣可用,但整條管線必須一致。以下推導先用精確實數算術;浮點誤差與有限深度精度是額外問題。
首先要區分「移動物件」與「改變描述」。把點向右移三個單位會改變場景;把相機向右移三個單位,則同一個點的相機座標向左改變。兩者都有矩陣,物理意義卻不同。把相機擺放矩陣直接當作觀察矩陣,正是畫面方向顛倒的常見原因。
定義
點表示位置,方向向量表示兩個位置之差。在選定座標中,仿射映射寫成 F ( p ) = A p + t F(p)=Ap+t F ( p ) = A p + t ,其中 A A A 是三階方陣,t t t 是平移。位移的變換為 v ↦ A v v\mapsto Av v ↦ A v ,因為兩個變換後位置相減時,平移會抵消。映射可逆的充要條件是 A A A 可逆。
齊次座標把兩種運算放進同一個矩陣:
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,分別標示位置與方向。一般齊次位置 ( x , y , z , w ) (x,y,z,w) ( x , y , z , w ) 在 w ≠ 0 w\ne0 w = 0 時表示 ( x / w , y / w , z / w ) (x/w,y/w,z/w) ( x / w , y / w , z / w ) ;四個分量同乘非零常數仍表示同一點。第四分量為零的表示法不是普通有限位置,不能直接除法或擅自把它當成位置。
設相機中心為 e e e ,世界座標下的右、上、後方單位軸為 r , u , b r,u,b r , u , b ,三者互相垂直。點的相機座標為 ( 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 )) 。對前方點 ( 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 的虛擬像平面是 z = − f z=-f z = − f ,影像座標定義為 ( f x / d , f y / d ) (fx/d,fy/d) ( f x / d , f y / d ) 。
若 R R R 的三個列向量為 r , u , b r,u,b r , u , b ,則 p = e + R p c p=e+Rp_c p = e + R p c ,因此觀察變換是 p c = R T ( p − e ) p_c=R^T(p-e) p c = R T ( p − e ) 。這裏利用了正交性,才能把逆矩陣寫成轉置;一般非正交座標架並不容許這樣做。像平面半高為 h h h 時,垂直視角滿足 tan ( θ y / 2 ) = h / f \tan(\theta_y/2)=h/f tan ( θ y /2 ) = h / f ,可由穿過像平面上邊緣的直角三角形得到。
定理 / 命題
若實數權重滿足 ∑ i λ i = 1 \sum\limits_i\lambda_i=1 i ∑ λ i = 1 ,則任意仿射映射皆滿足
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 ) . 因此直線上的線性插值與三角形的重心表示,可以先插值後變換,亦可以先變換後插值。
權重之和的條件不可省略,否則平移項會被乘上錯誤的總權重。若權重另外非負,組合便在凸包之內。可逆仿射變換保留平行性及三角形的非退化性;奇異矩陣則可能把整個三角形壓成線段,甚至一點。
反例模式
權重和不為一的情況 一個誘人的推廣是:對任意權重都有 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 ,權重和為 2 2 2 。則 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 ) 。一般而言,兩邊相差 ( ∑ i λ i − 1 ) t \bigl(\sum\limits_i\lambda_i-1\bigr)t ( i ∑ λ i − 1 ) t ,只有當權重和為一或平移為零時才會消失。
設可逆矩陣 A A A 把平面的切向量變成 A v Av A v 。若非零原法向量對平面每個切向量 v v v 均滿足 n ⋅ v = 0 n\cdot v=0 n ⋅ v = 0 ,則 A − T n A^{-T}n A − T n 與每個變換後切向量垂直。所需單位法向量可把 A − T n A^{-T}n A − T n 正規化得到,另須一致處理表面朝向。
此結論適用於透視之前的可逆線性部分。奇異縮放沒有逆矩陣,不能套公式。若法向量由頂點繞序決定,還要留意反射:( 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 ) 。垂直性本身不能決定哪一側是外側。
概念視角 代數
法向量是線性函數 取過原點的平面,其切空間為 T = { v : n ⋅ v = 0 } T=\{v:n\cdot v=0\} T = { v : n ⋅ v = 0 } 。法向量只通過線性函數 φ ( v ) = n T v \varphi(v)=n^Tv φ ( v ) = n T v 起作用,其核正是 T T T 。座標變換 v ′ = A v v'=Av v ′ = A v 後,切空間變為 A T AT A T ,而以 A T AT A T 為核的線性函數是 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 變換,線性函數(行向量)則在右側乘以 A − 1 A^{-1} A − 1 ,對列向量 n n n 來說就是 A − T A^{-T} A − T 。把 n n n 乘以非零倍數不改變核,所以事後正規化是無害的。
下面的互動圖對平面施加伸縮、剪切、反射及壓平映射,並以精確的切向內積比較捷徑 A n An A n 與逆轉置法向量。
證明思路
把 A A A 分配到加權和上。右方等於 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 ,權重和為一便使平移項恰好是 t t t ,故與左方相等。這說明建模中的矩陣運算為何與仿射插值相容,但尚未說明透視之後的插值。
設 v v v 為平面的任意切向量,即 n ⋅ v = 0 n\cdot v=0 n ⋅ v = 0 ;變換後的切向量恰好就是 A v Av A v 。於是
( 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. 由於 v v v 任意,A − T n A^{-T}n A − T n 與所有變換後切向量垂直。事後正規化只恢復長度,不改變哪些方向給出零。
證明透視
公式保留的是垂直配對 假設給出的是法向量與所有切向量內積為零。用逆轉置,兩個變換在內積中抵消;若錯用 A n An A n ,得到的是 n T A T A v n^TA^TAv n T A T A v ,一般不為零。旋轉或均勻縮放會掩蓋錯誤,因為此時 A T A A^TA A T A 是單位矩陣的倍數。非均勻縮放則能立即揭露問題。最後正規化只修正長度,不能補救一個已經錯誤的方向。
透視公式另由相似三角形得到。從原點穿過 ( x , y , − d ) (x,y,-d) ( x , y , − d ) 的射線寫成 s ( x , y , − d ) s(x,y,-d) s ( x , y , − d ) ,在 z = − f z=-f z = − f 相交時 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 ) 。分母隨位置改變,故此不是三維仿射映射。相機後方點雖然也可能算出有限商數,卻不因此成為前方可見點。
例題詳解
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 ) 。對 p = ( 1 , 2 , 0 ) p=(1,2,0) p = ( 1 , 2 , 0 ) ,先縮放後平移得到 T ( S ( p ) ) = ( 5 , 2 , 0 ) T(S(p))=(5,2,0) T ( S ( p )) = ( 5 , 2 , 0 ) ,先平移後縮放得到 S ( T ( p ) ) = ( 8 , 2 , 0 ) S(T(p))=(8,2,0) S ( T ( p )) = ( 8 , 2 , 0 ) 。列向量約定下,前者的矩陣為 T S TS T S ,最右邊先作用。父子階層同理使用 H p H c H_pH_c H p H c ;子物件的平移亦處於父座標架之中,會跟隨父物件旋轉或縮放。
相機在 e = ( 0 , 0 , 5 ) e=(0,0,5) e = ( 0 , 0 , 5 ) 且座標軸與世界一致,便有 p c = p − e p_c=p-e p c = p − e 。世界原點成為 ( 0 , 0 , − 5 ) (0,0,-5) ( 0 , 0 , − 5 ) ,確實位於相機前方。若相機改到 ( 2 , 0 , 5 ) (2,0,5) ( 2 , 0 , 5 ) ,原點的座標變成 ( − 2 , 0 , − 5 ) (-2,0,-5) ( − 2 , 0 , − 5 ) 。檢查時,相機中心必須映到零,而 e − r e-r e − r 必須映到 ( − 1 , 0 , 0 ) (-1,0,0) ( − 1 , 0 , 0 ) 。這些語義檢查比只看一串矩陣元素更容易發現正負號或轉置錯誤。
取 f = 2 f=2 f = 2 ,( 1 , 1 , − 2 ) (1,1,-2) ( 1 , 1 , − 2 ) 與 ( 2 , 2 , − 4 ) (2,2,-4) ( 2 , 2 , − 4 ) 都投影到 ( 1 , 1 ) (1,1) ( 1 , 1 ) ;它們沿同一條相機射線,故二維影像已失去深度。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 ) 。切向量成為 ( 2 , − 1 , 0 ) (2,-1,0) ( 2 , − 1 , 0 ) ;錯誤法向量 ( 2 , 1 , 0 ) (2,1,0) ( 2 , 1 , 0 ) 的內積是 3 3 3 。正確的 ( 1 / 2 , 1 , 0 ) (1/2,1,0) ( 1/2 , 1 , 0 ) 內積為零,正規化後是 ( 1 , 2 , 0 ) / 5 (1,2,0)/\sqrt5 ( 1 , 2 , 0 ) / 5 。
明確寫出投影與裁剪約定
設寬高比為 a a a ,q = 1 / tan ( θ y / 2 ) q=1/\tan(\theta_y/2) q = 1/ tan ( θ y /2 ) ,近、遠距離滿足 0 < n < F 0<n<F 0 < n < F 。一種對稱視錐的投影矩陣是
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 .
對相機點 ( 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 。除以它以後,規範化深度是
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 .
在近面等於負一,遠面等於一。其他介面可能採用不同區間,故不能只憑「深度」一詞套用公式。相機深度、裁剪深度及除法後深度,是三個不同量。
此約定下,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 。線段 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 對每個裁剪平面都給出關於 t t t 的線性不等式;有效參數是區間,逐一取交集便得到裁剪部分。若先除法,跨過相機平面的線段會遇到分母為零,不能當作普通有限屏幕線段處理。
實際建立相機時,可由中心 e e e 、目標 c ≠ e c\ne e c = e 及近似向上向量 v v v 開始。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 。必須假設 v v v 不平行於視線;否則叉積為零,根本沒有定義右方軸。重新計算 u u u 可確保正交,不能用微小數值雜訊冒充缺少的座標軸。
視口是再下一次座標變換。例如寬高為 W , H W,H W , H 時,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數位置;若行號向下增加,垂直公式亦要反轉。這些約定應明寫,否則正確的投影仍可能出現半像素位移或上下倒置。
常見錯誤
反例模式
屏幕中點不是空間中點的投影 取 f = 1 f=1 f = 1 ,端點 A = ( 0 , 0 , − 1 ) A=(0,0,-1) A = ( 0 , 0 , − 1 ) 、B = ( 2 , 0 , − 2 ) B=(2,0,-2) B = ( 2 , 0 , − 2 ) 的水平影像位置為零和一,屏幕中點是 1 / 2 1/2 1/2 。但空間中點 ( 1 , 0 , − 3 / 2 ) (1,0,-3/2) ( 1 , 0 , − 3/2 ) 投影到 2 / 3 2/3 2/3 。透視仍把可見直線段送到直線上,卻改變了沿線的參數。下一節因此需要推導透視修正插值,不能直接把屏幕權重當成表面權重。
方向光、速度及切向量都不應套用平移;兩點之差的推導已說明平移必須抵消。相反,把位置的第四分量寫成零,便會完全失去平移。位置取 w = 1 w=1 w = 1 ,方向取 w = 0 w=0 w = 0 。
正交投影是線性地丟棄深度;只要兩條平行線均不塌縮成點,投影後便平行或重合。沿觀看方向的直線確會塌縮成點。透視則可讓平行線朝共同消失點靠攏。兩者都無法單憑二維影像唯一恢復三維場景。
矩陣的記憶體排列與向量乘法約定亦屬不同問題。「按列儲存」描述數據布局,「列向量」描述代數;不能只見介面提到儲存次序,便擅自把數學矩陣轉置。選一個預期位置已知的點作檢查,才能把文件中的布局與代數正確連接。
總結
模型矩陣用線性部分加平移移動位置;觀察矩陣是相機擺放的逆;法向量使用可逆線性部分的逆轉置。透視再以深度作除法,並要求適當裁剪及清楚的深度約定。這些區分說明同一管線為何必須分別處理位置、方向與法向量。
練習
快速檢查
(對可逆的 F ( p ) = A p + t F(p)=Ap+t F ( p ) = A p + t ,求逆仿射映射,並檢查兩種複合。)
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,兩項平移抵消;反向代入亦回到 q q q 。逆齊次矩陣的四個區塊因此為 A − 1 , − A − 1 t , 0 , 1 A^{-1},-A^{-1}t,0,1 A − 1 , − A − 1 t , 0 , 1 ,不能只把平移改號而忽略線性部分。
快速檢查
(三角形頂點為 ( 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 ) 。將權重 ( 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 ) ,再用變換後頂點驗算。)
解答 · 答案 原位置是 ( 1 / 3 , 1 / 6 , 0 ) (1/3,1/6,0) ( 1/3 , 1/6 , 0 ) ,變換後為 ( 5 / 3 , − 1 / 2 , 4 ) (5/3,-1/2,4) ( 5/3 , − 1/2 , 4 ) 。三個新頂點是 ( 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 ) 。依原權重加總,第一分量為 1 / 2 + 1 + 1 / 6 = 5 / 3 1/2+1+1/6=5/3 1/2 + 1 + 1/6 = 5/3 ,第二為 − 1 / 2 − 1 / 3 + 1 / 3 = − 1 / 2 -1/2-1/3+1/3=-1/2 − 1/2 − 1/3 + 1/3 = − 1/2 ,第三為四,與先變換的結果相同。
快速檢查
(平面法向量為 ( 1 , 1 , 1 ) (1,1,1) ( 1 , 1 , 1 ) ,變換為 A = diag ( 2 , 1 , 1 / 2 ) A=\operatorname{diag}(2,1,1/2) A = diag ( 2 , 1 , 1/2 ) 。求影像平面的單位法向量,並用切向量 ( 1 , − 1 , 0 ) (1,-1,0) ( 1 , − 1 , 0 ) 驗證。)
解答 · 答案 逆轉置給出 ( 1 / 2 , 1 , 2 ) (1/2,1,2) ( 1/2 , 1 , 2 ) ,長度為 21 / 2 \sqrt{21}/2 21 /2 ,所以可取 ( 1 , 2 , 4 ) / 21 (1,2,4)/\sqrt{21} ( 1 , 2 , 4 ) / 21 。切向量變成 ( 2 , − 1 , 0 ) (2,-1,0) ( 2 , − 1 , 0 ) ,內積為 ( 2 − 2 ) / 21 = 0 (2-2)/\sqrt{21}=0 ( 2 − 2 ) / 21 = 0 ,正好驗證垂直條件。
快速檢查
(在本文投影約定取 n = 1 , F = 9 n=1,F=9 n = 1 , F = 9 ,求距離 1 , 3 , 9 1,3,9 1 , 3 , 9 的規範化深度。相同距離增量是否給出相同深度增量?)
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 公式成為 z n d c = 5 / 4 − 9 / ( 4 d ) z_{\rm ndc}=5/4-9/(4d) z ndc = 5/4 − 9/ ( 4 d ) ,三個值依次是 − 1 , 1 / 2 , 1 -1,1/2,1 − 1 , 1/2 , 1 。距離由一到三,深度改變 3 / 2 3/2 3/2 ;由三到九只改變 1 / 2 1/2 1/2 ,不是線性比例。導數 9 / ( 4 d 2 ) 9/(4d^2) 9/ ( 4 d 2 ) 顯示此約定把更多深度解析度分配給靠近相機的範圍。