序
最近 GIS 很火啊,各种应用和引擎呈百花齐放的形式,之前的重心方向:地理信息框架、底层数据组织、业务应用模式都接触很多了,自己也做了简单的开源 Web GIS 应用以做代学,详情可见Github 仓库,后续的目标应该会集中在:显卡编程、GLSL、图形学上面,更偏底层一些,涉及到业务的更少,但能开拓的东西更多。
这块目标上随时都会涉及到线性代数的知识点,大学时候学习的线性代数这么多年没怎么用,已经基本还给老师了,所以很有必要进行一系列的回顾。故开此篇。
向量
向量的基础内容博客以前写过了,就不重新写了,详见:基础内容和延伸内容
矩阵
矩阵向量表示
我们可以用一个矩阵来表示向量,如一个二维向量可以这样表示:
A=(xy)
AT=(xy) 转置矩阵
注:一般习惯用列向量来表示,用行向量表示也可以,本质上没有区别
叉乘的性质
x×y=+z
y×x=−z
y×z=+x
z×y=−x
z×x=+y
x×z=−y
以上常用于定坐标系。
a×b=−b×a
a×a=0
a×(b+c)=a×b+a×c
a×(kb)=k(a×b)
矩阵表示
一个 m ×n 的数组(m:rows,n:columns),例:
150324
矩阵相乘
必须满足:(M×N)(N×P)=(M×P)
如何计算
结果矩阵的元素 (i, j) 是,A 矩阵的第 i 行和 B 矩阵的第 j 列 点乘的结果。
150324(32679843)=9198274428336132132612
矩阵乘法属性
变换
缩放 Scale
[x′y′]=[Sx00Sy][xy]
剪切变换 Shear Matrix
[x′y′]=[1ba1][xy]
旋转 Rotate
一切旋转不作特别说明的,都是以原点(0,0)为轴,逆时针(CCW)进行旋转。
[x′y′]=costhetasinthetasinthetacostheta−[xy]
以上形式,我们称为线性变换
x′=ax+by
y′=cx+dy
[x′y′]=[acbd][xy]
x′=Mx
平移 Translation
平移 (tx,ty)的距离,则:
x′=x+tx
y′=y+ty
[x′y′]=[acbd][xy]+[txty]
这是一个非线性变换
为了解决平移非线性变换的问题,使所有变换能统一计算。引入 齐次坐标 Homogenous Coordinates
齐次坐标 Homogenous Coordinates
添加一个坐标,称为:w-coordinate
对于二维来说:
- 2D point = (x,y,1)T
- 2D vector = (x,y,0)T
通过 w-coordinate 的结果是 1 或 0,来验证
- vector + vector = vector
- point - point = vector
- point + vector = point
- point + point = center point
在齐次坐标中,如果 xyw 是一个 2D 点,我们可以把 w-coordinate 归一,x/wy/w1, w=0
平移
有了齐次坐标,平移就可以表示为:
x′y′w′=100010txty1cdotxy1=x+txy+ty1
仿射变换 = 线性变换 + 平移变换
(x′y′)=(acbd)cdot(xy)+(x′y′)
使用齐次坐标
x′y′1=ac0bd0txty1cdotxy1
可以看出变换矩阵的最后一行,始终是 0 0 1
可以想象,使用旋转矩阵 R 和平移矩阵 T。先进行平移 T,再做旋转 R;和先进行旋转 R,再做平移 T,结果肯定是不一样的,既:RT=TR。 这也证明了,矩阵不满足交换律。(记住:旋转默认情况下以原点,逆时针进行)
一个复杂的组合变换:
x′y′1=AncdotcdotcdotA2cdotA1cdotxy1
其中,AncdotcdotcdotA2cdotA1,是多个变换矩阵。
由于矩阵乘法满足分配律,且这些矩阵相乘,最终还是一个矩阵,所以,组合变换用一个矩阵就可以进行表示。
3D 变换
还是使用齐次坐标:
- 3D point = (x,y,z,1)T
- 3D vector = (x,y,z,0)T
一般地,(x,y,z,w)(w=0) ,代表 3 维坐标点:(x/w,y/w,z/w)
3D 的仿射变换,使用 4×4矩阵表示:
x′y′z′1=adg0beh0cfi0txtytz1cdotxyz1
顺序
从上面文章中平移的公式:
[x′y′]=[acbd][xy]+[txty]
可以看出,先做线性变换,再做平移。
版权声明:
除非注明,本博文章均为原创,转载请以链接形式标明本文地址。