概述+線性代數
為什麼學習圖形學？
Computer Graphics is AWESOME!
主要涉及內容：
- 光柵化
- 曲線和網格
- 光線追蹤
- 動畫與模擬
Differences between CG and CV:
線性代數回顧
向量（Vectors）
-
方向和長度
模長：\(||\vec{a}||\)
-
沒有確定的起點
-
單位向量：模長為1
單位化向量： \(\hat{a} = \vec{a}/||\vec{a}||\)
-
向量求和：
-
列向量，轉置，模長的計算方式
\(\boldsymbol{A} = \begin{pmatrix}x \\ y\end{pmatrix} \quad \boldsymbol{A}^T = \begin{pmatrix}x&y\end{pmatrix} \quad ||\boldsymbol{A}|| = \sqrt{x^2+y^2}\)
-
點乘（Dot/scalar Product）
-
點乘定義：
\(\vec{a} \cdot \vec{b} = ||\vec{a}||\,||\vec{b}||cos\theta\)
\(cos\theta = \frac{\vec{a}\cdot\vec{b}}{||\vec{a}\||\,||\vec{b}||}\)
-
For unit vectors:
\(cos\theta = \hat{a}\cdot\hat{b}\)
-
交換律、結合律、數乘
直角座標系下,計算更為方便：
-
2D:
\(\vec{a}\cdot\vec{b} = \begin{pmatrix}x_a \\y_a\end{pmatrix}\cdot\begin{pmatrix}x_b \\y_b\end{pmatrix} = x_ax_b+y_ay_b.\)
-
3D:
\(\vec{a}\cdot\vec{b} = \begin{pmatrix}x_a \\y_a\\z_a\end{pmatrix}\cdot\begin{pmatrix}x_b \\y_b\\z_b\end{pmatrix} = x_ax_b+y_ay_b+z_az_b.\)
-
投影:
$\vec{b}_\perp:\vec{b}$ 在 $\vec{a}$ 上的投影;
$\vec{b}_\perp = k\hat{a};$
$k = ||\vec{b}_\perp|| = ||\vec{b}||cos\theta$
- 點乘可以告訴我們前和後的關係
-
叉乘（Cross\Vector product）
-
兩個向量相乘，得到一個與這兩個向量都相等的向量；
\(\vec{a}\times\vec{b} = -\vec{b}\times\vec{a}\)
\(\vec{a}\times\vec{a} = \vec{0}\)
\(||\vec{a}\times\vec{b}|| = ||\vec{a}||\,||\vec{b}||sin\phi\)
方向由右手螺旋定則確定
-
笛卡爾座標系下的計算方法：
\(\vec{a}\times\vec{b} = \begin{pmatrix}y_az_b-y_bz_a \\ z_ax_b - x_az_b \\ x_ay_b-y_ax_b\end{pmatrix} = A*b = \begin{pmatrix}0 & -z_a& y_a \\ z_a & 0 & -x_a \\ -y_a & x_a & 0\end{pmatrix}\)
\(A\) 為 \(\vec{a}\) 的對偶矩陣。
-
叉乘在圖形學中的作用
判定左和右（一次叉乘），判斷內和外（三次叉乘）
-
-
正交系
-
三個單位向量
$ ||\vec{u}|| = ||\vec{v}|| = ||\vec{w}|| = 1$
-
兩兩垂直
\(\vec{u}\cdot\vec{v} = \vec{v}\cdot\vec{w} = \vec{u}\cdot\vec{w}\)
-
右手系
\(\vec{w} = \vec{u}\times\vec{v}\)
-
任何一個向量可以由這三個向量表示
\(\vec{p} = (\vec{p}\cdot\vec{u})\vec{u} + (\vec{p}\cdot\vec{v})\vec{v} + (\vec{p}\cdot\vec{w})\vec{w}\)
因為\(\vec{u}\ \vec{v}\ \vec{w}\) 都是單位向量，所以可以用 \(\vec{p}\) 在其上的投影乘以其本身來得到一個維度的分量。
-
-
矩陣（Matrices）
-
矩陣乘矩陣
維度需滿足：
\((M\times N)(N\times P) = (M\times P)\)
（3 2）（2 4）= （3 4）
-
不符合交換律。但符合結合律和分配律。
\((AB)C = A(BC)\)
\(A(B+C) = AB + AC\)
\((A+B)C = AC + BC\)
-
矩陣向量乘
按 \(y\) 軸映象
\(\begin{pmatrix}-1 & 0 \\ 0 & 1\end{pmatrix}\begin{pmatrix}x \\ y \end{pmatrix} = \begin{pmatrix}-x \\ y\end{pmatrix}\)
-
矩陣的轉置
\((AB)^T = B^TA^T\)
-
單位矩陣
\(I_{3\times3} = \begin{pmatrix}1 & 0 & 0 \\ 0 & 1 & 0\\ 0 & 0 & 1\end{pmatrix}\)
\(AA^{-1} = A^{-1}A = I;\quad (AB)^{-1} = B^{-1}A^{-1}\)
-
向量乘法的矩陣形式
\(\vec{a}\cdot\vec{b} = \vec{a}^T\vec{b}\)
\(\vec{a}\times\vec{b} = \begin{pmatrix}y_az_b-y_bz_a \\ z_ax_b - x_az_b \\ x_ay_b-y_ax_b\end{pmatrix} = A^*b = \begin{pmatrix}0 & -z_a& y_a \\ z_a & 0 & -x_a \\ -y_a & x_a & 0\end{pmatrix}\)
-