剑英陪你玩转图形学 (三)归去来在图形学的世界里“归去来”不仅是一句古风诗意更是一个核心概念的体现——变换与逆变换。在上一章中我们学习了如何通过矩阵让物体在三维空间中旋转、缩放和移动。而今天我们要深入探讨一个更高阶的主题如何在图形学中实现从世界坐标到相机坐标的转换也就是所谓的“视变换”View Transformation以及如何通过逆变换实现“归去来”——从屏幕坐标回到世界坐标。这一过程是渲染管线中的关键环节也是理解三维引擎工作原理的基石。## 什么是“归去来”从世界到相机想象你站在一个三维场景中面前有一个立方体。这个世界本身是固定的但你可以移动视角——比如从正面看、从侧面看甚至从高空俯视。在图形学中这个过程被称为“相机变换”。它的本质是将世界坐标系中的物体转换到以相机为原点的坐标系中。这个新坐标系通常被称为“视图空间”或“相机空间”。为什么叫“归去来”因为在实际应用中我们不仅要从前向世界到相机转换还要从反向相机到世界转换。例如在鼠标拾取Picking中你需要将屏幕上的点击位置转换回世界坐标。这种双向变换就像一场“归去来”的旅程。## 基础概念矩阵与变换在开始编码之前让我们重温一下基础。在图形学中变换通常用4x4矩阵表示因为我们需要处理平移3x3矩阵无法表示平移。一个典型的变换矩阵如下| r11 r12 r13 tx || r21 r22 r23 ty || r31 r32 r33 tz || 0 0 0 1 |其中左上角的3x3部分表示旋转和缩放右边的tx、ty、tz表示平移。当我们说“视变换”时其实就是用一个矩阵将世界坐标映射到相机坐标。## 从零构建相机变换让我们用Python实现一个简单的相机变换系统。我们将从基础开始定义一个相机类包含位置、目标和上方向。pythonimport numpy as npclass Camera: def __init__(self, position, target, up): 初始化相机 :param position: 相机位置 (x, y, z) :param target: 目标点 (x, y, z) :param up: 上方向向量 (x, y, z) self.position np.array(position, dtypefloat) self.target np.array(target, dtypefloat) self.up np.array(up, dtypefloat) # 计算相机坐标系基向量 self.forward self._normalize(self.target - self.position) # 前向量 self.right self._normalize(np.cross(self.forward, self.up)) # 右向量 self.true_up np.cross(self.right, self.forward) # 真正的上向量正交化 def _normalize(self, vec): 向量归一化 norm np.linalg.norm(vec) if norm 0: return vec return vec / norm def get_view_matrix(self): 构建视图矩阵世界到相机 参考OpenGL的LookAt函数 # 平移矩阵将相机移动到原点 translation np.eye(4) translation[0, 3] -self.position[0] translation[1, 3] -self.position[1] translation[2, 3] -self.position[2] # 旋转矩阵将相机坐标系对齐到世界坐标轴 rotation np.eye(4) rotation[0, :3] self.right rotation[1, :3] self.true_up rotation[2, :3] -self.forward # 视图矩阵 旋转 * 平移 view_matrix rotation translation return view_matrix这段代码中我们实现了“LookAt”变换的核心逻辑。首先通过位置、目标和上方向计算出相机坐标系的三个基向量右、上、前。然后构建一个平移矩阵将相机移到原点再构建一个旋转矩阵将基向量对齐到世界轴。最后组合成视图矩阵。## 进阶应用实现“归去来”的逆变换现在我们有了从世界到相机的变换。但“归去来”的核心在于逆变换如何从相机坐标回到世界坐标这在鼠标拾取、VR交互等场景中至关重要。逆矩阵就是我们的答案如果视图矩阵是M那么它的逆矩阵M⁻¹就能将相机坐标转回世界坐标。让我们扩展Camera类添加逆变换功能pythonimport numpy as npclass CameraExtended(Camera): def __init__(self, position, target, up): super().__init__(position, target, up) self.view_matrix None self.inv_view_matrix None def update_view(self): 更新视图矩阵及其逆矩阵 self.view_matrix self.get_view_matrix() # 计算逆矩阵对于旋转矩阵逆等于转置对于平移取反 # 但我们直接用numpy的inv确保通用性 self.inv_view_matrix np.linalg.inv(self.view_matrix) def world_to_camera(self, world_point): 将世界点转换到相机坐标 if self.view_matrix is None: self.update_view() # 齐次坐标 point_h np.array([*world_point, 1.0]) cam_point self.view_matrix point_h return cam_point[:3] / cam_point[3] def camera_to_world(self, cam_point): 将相机点转换回世界坐标归去来 if self.inv_view_matrix is None: self.update_view() point_h np.array([*cam_point, 1.0]) world_point self.inv_view_matrix point_h return world_point[:3] / world_point[3]# 示例使用相机进行双向变换if __name__ __main__: # 创建一个相机位置在(0, 0, 5)看向原点上方向为Y轴 cam CameraExtended([0, 0, 5], [0, 0, 0], [0, 1, 0]) # 世界中的一个点 world_pt np.array([1, 2, 3]) print(f世界坐标: {world_pt}) # 转换到相机坐标 cam_pt cam.world_to_camera(world_pt) print(f相机坐标: {cam_pt}) # 再转换回世界坐标归去来 world_pt_back cam.camera_to_world(cam_pt) print(f逆变换回世界: {world_pt_back}) # 验证是否一致 assert np.allclose(world_pt, world_pt_back), 逆变换失败 print(归去来成功)运行这段代码你会看到世界点先被转换到相机空间然后又被完美地恢复回来。这就是“归去来”的数学之美通过矩阵的逆运算我们能够自由地在两个坐标系之间穿梭。## 深入理解为什么逆变换如此重要在实际的图形学应用中逆变换无处不在。例如1.鼠标拾取当你点击屏幕上的一个像素时你需要将这个2D坐标转换为3D世界坐标。这通常需要用到投影矩阵的逆和视图矩阵的逆。你可以先通过逆投影矩阵得到相机空间的点再通过逆视图矩阵得到世界坐标。2.反射与阴影在实现平面反射时你需要将相机位置“镜像”到反射平面另一侧。这本质上是一种逆变换的应用。3.物理模拟当物体在局部坐标系中运动时你需要将其位置转换到世界坐标系来检测碰撞。“归去来”不仅是一个概念更是图形学中平衡与对称的体现。每一次前向变换都对应着一个逆变换。理解这种双向关系是成为图形学高手的关键。## 总结在今天的课程中我们围绕“归去来”这个主题从基础概念出发一步步构建了相机变换系统。我们学习了如何通过LookAt矩阵将世界坐标转换到相机坐标并通过逆运算实现从相机坐标回到世界坐标。这个过程不仅帮助我们理解了图形学中坐标变换的底层原理也展示了数学尤其是线性代数在三维可视化中的强大力量。“归去来”教会我们在图形学的世界里任何变换都不是单向的。只有掌握了前向与逆向的平衡我们才能真正驾驭三维空间。下一章我们将进一步探索投影变换和屏幕空间让我们的“归去来”之旅更加完整。继续加油剑英陪你一起玩转图形学
剑英陪你玩转图形学 (三)归去来
剑英陪你玩转图形学 (三)归去来在图形学的世界里“归去来”不仅是一句古风诗意更是一个核心概念的体现——变换与逆变换。在上一章中我们学习了如何通过矩阵让物体在三维空间中旋转、缩放和移动。而今天我们要深入探讨一个更高阶的主题如何在图形学中实现从世界坐标到相机坐标的转换也就是所谓的“视变换”View Transformation以及如何通过逆变换实现“归去来”——从屏幕坐标回到世界坐标。这一过程是渲染管线中的关键环节也是理解三维引擎工作原理的基石。## 什么是“归去来”从世界到相机想象你站在一个三维场景中面前有一个立方体。这个世界本身是固定的但你可以移动视角——比如从正面看、从侧面看甚至从高空俯视。在图形学中这个过程被称为“相机变换”。它的本质是将世界坐标系中的物体转换到以相机为原点的坐标系中。这个新坐标系通常被称为“视图空间”或“相机空间”。为什么叫“归去来”因为在实际应用中我们不仅要从前向世界到相机转换还要从反向相机到世界转换。例如在鼠标拾取Picking中你需要将屏幕上的点击位置转换回世界坐标。这种双向变换就像一场“归去来”的旅程。## 基础概念矩阵与变换在开始编码之前让我们重温一下基础。在图形学中变换通常用4x4矩阵表示因为我们需要处理平移3x3矩阵无法表示平移。一个典型的变换矩阵如下| r11 r12 r13 tx || r21 r22 r23 ty || r31 r32 r33 tz || 0 0 0 1 |其中左上角的3x3部分表示旋转和缩放右边的tx、ty、tz表示平移。当我们说“视变换”时其实就是用一个矩阵将世界坐标映射到相机坐标。## 从零构建相机变换让我们用Python实现一个简单的相机变换系统。我们将从基础开始定义一个相机类包含位置、目标和上方向。pythonimport numpy as npclass Camera: def __init__(self, position, target, up): 初始化相机 :param position: 相机位置 (x, y, z) :param target: 目标点 (x, y, z) :param up: 上方向向量 (x, y, z) self.position np.array(position, dtypefloat) self.target np.array(target, dtypefloat) self.up np.array(up, dtypefloat) # 计算相机坐标系基向量 self.forward self._normalize(self.target - self.position) # 前向量 self.right self._normalize(np.cross(self.forward, self.up)) # 右向量 self.true_up np.cross(self.right, self.forward) # 真正的上向量正交化 def _normalize(self, vec): 向量归一化 norm np.linalg.norm(vec) if norm 0: return vec return vec / norm def get_view_matrix(self): 构建视图矩阵世界到相机 参考OpenGL的LookAt函数 # 平移矩阵将相机移动到原点 translation np.eye(4) translation[0, 3] -self.position[0] translation[1, 3] -self.position[1] translation[2, 3] -self.position[2] # 旋转矩阵将相机坐标系对齐到世界坐标轴 rotation np.eye(4) rotation[0, :3] self.right rotation[1, :3] self.true_up rotation[2, :3] -self.forward # 视图矩阵 旋转 * 平移 view_matrix rotation translation return view_matrix这段代码中我们实现了“LookAt”变换的核心逻辑。首先通过位置、目标和上方向计算出相机坐标系的三个基向量右、上、前。然后构建一个平移矩阵将相机移到原点再构建一个旋转矩阵将基向量对齐到世界轴。最后组合成视图矩阵。## 进阶应用实现“归去来”的逆变换现在我们有了从世界到相机的变换。但“归去来”的核心在于逆变换如何从相机坐标回到世界坐标这在鼠标拾取、VR交互等场景中至关重要。逆矩阵就是我们的答案如果视图矩阵是M那么它的逆矩阵M⁻¹就能将相机坐标转回世界坐标。让我们扩展Camera类添加逆变换功能pythonimport numpy as npclass CameraExtended(Camera): def __init__(self, position, target, up): super().__init__(position, target, up) self.view_matrix None self.inv_view_matrix None def update_view(self): 更新视图矩阵及其逆矩阵 self.view_matrix self.get_view_matrix() # 计算逆矩阵对于旋转矩阵逆等于转置对于平移取反 # 但我们直接用numpy的inv确保通用性 self.inv_view_matrix np.linalg.inv(self.view_matrix) def world_to_camera(self, world_point): 将世界点转换到相机坐标 if self.view_matrix is None: self.update_view() # 齐次坐标 point_h np.array([*world_point, 1.0]) cam_point self.view_matrix point_h return cam_point[:3] / cam_point[3] def camera_to_world(self, cam_point): 将相机点转换回世界坐标归去来 if self.inv_view_matrix is None: self.update_view() point_h np.array([*cam_point, 1.0]) world_point self.inv_view_matrix point_h return world_point[:3] / world_point[3]# 示例使用相机进行双向变换if __name__ __main__: # 创建一个相机位置在(0, 0, 5)看向原点上方向为Y轴 cam CameraExtended([0, 0, 5], [0, 0, 0], [0, 1, 0]) # 世界中的一个点 world_pt np.array([1, 2, 3]) print(f世界坐标: {world_pt}) # 转换到相机坐标 cam_pt cam.world_to_camera(world_pt) print(f相机坐标: {cam_pt}) # 再转换回世界坐标归去来 world_pt_back cam.camera_to_world(cam_pt) print(f逆变换回世界: {world_pt_back}) # 验证是否一致 assert np.allclose(world_pt, world_pt_back), 逆变换失败 print(归去来成功)运行这段代码你会看到世界点先被转换到相机空间然后又被完美地恢复回来。这就是“归去来”的数学之美通过矩阵的逆运算我们能够自由地在两个坐标系之间穿梭。## 深入理解为什么逆变换如此重要在实际的图形学应用中逆变换无处不在。例如1.鼠标拾取当你点击屏幕上的一个像素时你需要将这个2D坐标转换为3D世界坐标。这通常需要用到投影矩阵的逆和视图矩阵的逆。你可以先通过逆投影矩阵得到相机空间的点再通过逆视图矩阵得到世界坐标。2.反射与阴影在实现平面反射时你需要将相机位置“镜像”到反射平面另一侧。这本质上是一种逆变换的应用。3.物理模拟当物体在局部坐标系中运动时你需要将其位置转换到世界坐标系来检测碰撞。“归去来”不仅是一个概念更是图形学中平衡与对称的体现。每一次前向变换都对应着一个逆变换。理解这种双向关系是成为图形学高手的关键。## 总结在今天的课程中我们围绕“归去来”这个主题从基础概念出发一步步构建了相机变换系统。我们学习了如何通过LookAt矩阵将世界坐标转换到相机坐标并通过逆运算实现从相机坐标回到世界坐标。这个过程不仅帮助我们理解了图形学中坐标变换的底层原理也展示了数学尤其是线性代数在三维可视化中的强大力量。“归去来”教会我们在图形学的世界里任何变换都不是单向的。只有掌握了前向与逆向的平衡我们才能真正驾驭三维空间。下一章我们将进一步探索投影变换和屏幕空间让我们的“归去来”之旅更加完整。继续加油剑英陪你一起玩转图形学
