在 3D 程式設計中,我們用向量與矩陣運算來簡化空間座標變換的計算。像是求某個立方體繞任意軸旋轉後的座標,或是把「旋轉+縮放+切變+投影」串成一條流水線;若捨棄矩陣,就會掉進大量繁瑣的聯立運算裡。用齊次座標描述空間中的點、用 4×4 矩陣處理所有變換,早已是電腦圖形學的標準做法。

從 OpenGL、Direct3D 這些主流 3D API,到 JavaScript 版的 3D 引擎 Three.js,以及更早的 Glide、Heidi 等等,底層都離不開這套數學;而上層再包一層的 Java3D、XNA Framework 也是同樣的道理。在微軟 MSDN 的 XNA API 文件上,就能直接看到那張熟悉的 4×4 矩陣。

先揭開投影矩陣的面紗。

矩陣中每個變量的意義如下圖。

再從 Three.js 中摘一段 makeFrustum 的實作:
THREE.Matrix4.makeFrustum = function (left, right, bottom, top, near, far) {
var m, x, y, a, b, c, d;
m = new THREE.Matrix4();
x = 2 * near / (right - left);
y = 2 * near / (top - bottom);
a = (right + left) / (right - left);
b = (top + bottom) / (top - bottom);
c = - (far + near) / (far - near);
d = - 2 * far * near / (far - near);
m.n11 = x; m.n12 = 0; m.n13 = a; m.n14 = 0;
m.n21 = 0; m.n22 = y; m.n23 = b; m.n24 = 0;
m.n31 = 0; m.n32 = 0; m.n33 = c; m.n34 = d;
m.n41 = 0; m.n42 = 0; m.n43 = -1; m.n44 = 0;
return m;
};
沒錯,這就是投影變換矩陣。要真正看懂它,得從頭說起。
數學上,一個 m×n 矩陣就是由 m 行 n 列排成的矩形陣列,元素來自數或更一般地來自某個環。矩陣常見於線性代數、線性規劃、統計分析與組合數學等領域。以下是一個 4×3 矩陣:

矩陣 A 第 i 行第 j 列的元素通常記為 A[i,j] 或 Aij;在上圖中 A[2,3]=7。而 A = (aij) 這樣的寫法,意思就是對所有 i 與 j,A[i,j] = aij。
要搞懂兩者的運算,最直覺的切入點是單位向量與矩陣相乘。以行向量為例,設三維的單位座標向量為 i=(1,0,0)、j=(0,1,0)、k=(0,0,1)。
先取 x 軸上的單位向量 i 與矩陣相乘:


再取 y 軸上的單位向量 j 與矩陣相乘:


最後取 z 軸上的單位向量 k 與矩陣相乘:


由此可以歸納出一個重要結論:若用向量 (1,1,1) 去乘矩陣 A,得到的結果就是 (a1+b1+c1, a2+b2+c2, a3+b3+c3)。也就是說,矩陣的每一行(或每一列)決定了對應軸向的映射結果。
要理解矩陣的意義,就從它的幾何意義去體會。基本初等矩陣有三種:
(1)關於某一「標準軸(面)」的鏡面反射(對稱)變換:

(2)沿某一座標軸方向的伸縮變換(當某個座標被縮小為 0 時,即為投影變換):

(3)沿某一座標軸方向的切變變換:



「齊次座標表示是電腦圖形學的重要手段之一,它既能明確區分向量與點,也更易於進行仿射(線性)幾何變換。」——F.S. Hill, JR
齊次座標用 n+1 維分量來表示 n 維透視空間中的點。透視空間的點可視為歐幾里得空間再加上一些無窮遠點;由於每個分量同乘一個非零值並不改變所表示的點,這樣的座標就稱為齊次座標。它主要用在透視幾何計算上,因此在必須把場景投影到視窗的電腦圖形學中格外有用。
為了能用矩陣統一描述圖形變換,圖形學中慣例是以齊次座標表示空間中的點。二維點 (x,y) 的齊次表示是 (hx, hy, h),h 為任意非零比例因子;而齊次點 (a,b,c) 投影回二維時,就是 (a/c, b/c)。三維空間中的「無窮遠點」在電腦裡難以處理,但四維齊次空間中的解析點卻容易得多:
對一般座標點 P=(Px, Py, Pz),對應的齊次座標是一整族 (wPx, wPy, wPz, w),其中 w≠0。例如 P(1,4,7) 的齊次座標可以是 (1,4,7,1)、(2,8,14,2)、(-0.1,-0.4,-0.7,-0.1) 等等。從一般座標轉齊次座標,就是把 x、y、z 同乘 w 再補上第四個分量 w;反向轉換則是前三個分量同除第四個,再去掉它。
因為多出來的第四個分量,平移也能用矩陣表達,仿射變換因此得以統一運算。加上圖形硬體普遍支援齊次座標與矩陣乘法,它幾乎成了圖形學的事實標準。若只有一般座標,顯示器或相機在渲染時無從得知深度資訊(也就是 z 的大小),自然也就得不到有層次感的立體畫面。
總結一句:齊次座標在投影矩陣中的作用,是對 x、y 進行縮放以達到透視效果,使得同樣的 x、y 因 z 不同而投影出不同結果。
這是上一節漏掉的重要概念,屬於攝影機的關鍵屬性。日常經驗告訴我們:正前方以外的東西看不到,或者很模糊。因此在 3D 程式設計中必須明確定義攝影機的視野。玩過《絕對武力》這類遊戲的人,對下圖應該不陌生。

持槍者有他自己的視野:太右、太左看不到,背後更不必說。若要把槍口转向右邊,做法就是旋轉世界(或旋轉攝影機),再依 x、y 座標裁剪,只留下視野範圍內的影像。
談透視變換之前,先看投影的分類。

我們眼中那種有立體層次感的畫面,正是透視投影的結果。空間中的座標經過透視變換後,x、y 也會按一定比例改變——這就是為什麼兩個 Y 座標相同的點,Z 越大、投影後的 Y 反而越小。
投影時 Z 座標歸零,只取 X、Y 進行渲染;而透視變換是 3D 轉 2D 的必經流水線,它的工作是取得 Z 座標並據以渲染。這個渲染發生在 CVV(單位立方體)之中,在該立方體內 Z 已不再是原本的 Z,但也沒有被完全抹去,而是隨攝影機、螢幕與被觀察物體三者距離的變化而對應改變。
一句話概括:投影變換做的事,就是把錐形的觀察空間轉換為單位立方體空間。下圖為透視投影:

下圖為平行投影:

拿上一篇的示範當作透視的例子:

這就是透視變換,也再次說明了齊次座標在透視投影裡扮演的角色。若改用平行投影,我們看到的就只是一個正方形:

規範化的目的有兩個:其一,不想為每一種投影都設計一套不同的投影矩陣,因此把所有投影都轉化為具有預設視景的正交投影;其二,這個策略讓我們能在流水線中套用標準變換,並進行有效率的裁剪。
做法是:先把物件變形,使變形後的物件經過正交投影能得到與原本理想投影相同的視圖;而規範化矩陣,就是正交投影矩陣乘上物件變形矩陣。

OpenGL 與 Direct3D 都要走這條規範化的投影流水線,差別只在視景立方體的大小:OpenGL 的視景體是邊長為 2 的正方體,Direct3D 則是長寬高分別為 2、2、1 的長方體。
下圖為 OpenGL 的透視投影變換過程:

被觀察體上的點與螢幕上的點,分別被映射到立方體的前後兩個面,也就是 z=1 與 z=-1:

投影逆變換在實務上有什麼意義?先看一個情境。

當我們點擊最上面那顆藍色立方體時,很可能同時也點到了下面那一顆,因為它們的投影重疊了。那麼電腦怎麼知道使用者點的是哪一顆?這個問題留給下一節,牽涉到的正是投影逆變換與深度比對。
a. 旋轉矩陣變換
function transform() {
angle = degToRad(currentAngle4);
init4();
m4.n11 = Math.cos(angle);
m4.n13 = -Math.sin(angle);
m4.n31 = Math.sin(angle);
m4.n33 = Math.cos(angle);
for (var i = 0; i < Points4.length; i++) {
Points4[i] = m4.multiplyVector4(Points4[i]);
}
}
b. 移動矩陣變換
function transform() {
init4();
m4.n41++;
m4.n42++;
m4.n43++;
for (var i = 0; i < Points4.length; i++) {
Points4[i] = m4.multiplyVector4(Points4[i]);
}
}
c. 切變
function transform() {
init4();
m4.n21 += 0.01;
for (var i = 0; i < Points4.length; i++) {
Points4[i] = m4.multiplyVector4(Points4[i]);
}
}
d. 比例變換
function transform() {
init4();
m4.n11 += 0.01;
m4.n22 += 0.01;
m4.n33 += 0.01;
for (var i = 0; i < Points4.length; i++) {
Points4[i] = m4.multiplyVector4(Points4[i]);
}
}
把這四段放在一起看,中不難發現:旋轉、平移、切變、縮放的全部差異,只在矩陣上動了哪幾個位置。這正是矩陣的威力——變換的種類再多,套用方式永遠是同一句「拿矩陣去乘每個點」。理解這件事,自製 3D 引擎就不再神祕。