Matrix學習——基礎知識
以前在線性代數中學習了矩陣，對矩陣的基本運算有一些瞭解，前段時間在使用GDI+的時候再次學習如何使用矩陣來變化圖像，看了之後在這裏總結說明。
首先大家看看下面這個3 x 3的矩陣，這個矩陣被分割成4部分。爲什麼分割成4部分，在後面詳細說明。
首先給大家舉個簡單的例子：現設點P0（x0， y0）進行平移後，移到P（x，y），其中x方向的平移量爲△x，y方向的平移量爲△y，那麼，點P（x，y）的座標爲：
x = x0 + △x
y = y0 + △y
採用矩陣表達上述如下： 
上述也類似與圖像的平移，通過上述矩陣我們發現，只需要修改矩陣右上角的2個元素就可以了。
我們回頭看上述矩陣的劃分： 
爲了驗證上面的功能劃分，我們舉個具體的例子：現設點P0（x0 ，y0）進行平移後，移到P（x，y），其中x放大a倍，y放大b倍，
矩陣就是：
，按照類似前面“平移”的方法就驗證。
圖像的旋轉稍微複雜：現設點P0（x0， y0）旋轉θ角後的對應點爲P（x， y）。通過使用向量，我們得到如下：
x0 = r cosα
y0 = r sinα
x = r cos(α+θ) = x0 cosθ - y0 sinθ
y = r sin(α+θ) = x0 sinθ + y0 cosθ
於是我們得到矩陣：
如果圖像圍繞着某個點(a ，b)旋轉呢？則先要將座標平移到該點，再進行旋轉，然後將旋轉後的圖像平移回到原來的座標原點，在後面的篇幅中我們將詳細介紹。
Matrix學習——如何使用Matrix上一篇幅 Matrix學習——基礎知識，從高等數學方面給大家介紹了Matrix，本篇幅我們就結合Android 中的android.graphics.Matrix來具體說明，還記得我們前面說的圖像旋轉的矩陣：
從最簡單的旋轉90度的是：
在android.graphics.Matrix中有對應旋轉的函數：
Matrix matrix = new Matrix();
matrix.setRotate(90);
Test.Log(MAXTRIX_TAG,”setRotate(90):%s” , matrix.toString());
查看運行後的矩陣的值（通過Log輸出）：
與上面的公式基本完全一樣（android.graphics.Matrix採用的是浮點數，而我們採用的整數）。
有了上面的例子，相信大家就可以親自嘗試了。通過上面的例子我們也發現，我們也可以直接來初始化矩陣，比如說要旋轉30度：
前面給大家介紹了這麼多，下面我們開始介紹圖像的鏡像，分爲2種：水平鏡像、垂直鏡像。先介紹如何實現垂直鏡像，什麼是垂直鏡像就不詳細說明。圖像的垂直鏡像變化也可以用矩陣變化的表示，設點P0（x0 ，y0 ）進行鏡像後的對應點爲P（x ，y ），圖像的高度爲fHeight，寬度爲fWidth，原圖像中的P0（x0 ，y0 ）經過垂直鏡像後的座標變爲（x0 ，fHeight- y0）；
x = x0
y = fHeight – y0
推導出相應的矩陣是：
final float f[] = {1.0F,0.0F,0.0F,0.0F,-1.0F,120.0F,0.0F,0.0F,1.0F};
Matrix matrix = new Matrix();
matrix.setValues(f);
按照上述方法運行後的結果： 
至於水平鏡像採用類似的方法，大家可以自己去試試吧。
實際上，使用下面的方式也可以實現垂直鏡像：
Matrix matrix = new Matrix();
matrix.setScale (1.0，-1.0);
matrix.postTraslate(0, fHeight);
這就是我們將在後面的篇幅中詳細說明。
Matrix學習——圖像的複合變化Matrix學習——基礎知識篇幅中，我們留下一個話題：如果圖像圍繞着某個點P(a，b)旋轉，則先要將座標系平移到該點，再進行旋轉，然後將旋轉後的圖像平移回到原來的座標原點。
我們需要3步：
1. 平移——將座標系平移到點P(a，b)；
2. 旋轉——以原點爲中心旋轉圖像；
3. 平移——將旋轉後的圖像平移回到原來的座標原點；
相比較前面說的圖像的幾何變化（基本的圖像幾何變化），這裏需要平移——旋轉——平移，這種需要多種圖像的幾何變化就叫做圖像的複合變化。
設對給定的圖像依次進行了基本變化F1、F2、F3…..、Fn，它們的變化矩陣分別爲T1、T2、T3…..、Tn，圖像複合變化的矩陣T可以表示爲：T = TnTn-1…T1。
按照上面的原則，圍繞着某個點(a，b)旋轉θ的變化矩陣序列是：
按照上面的公式，我們列舉一個簡單的例子：圍繞（100，100）旋轉30度(sin 30 = 0.5 ，cos 30 = 0.866)
float f[]= { 0.866F, -0.5F, 63.4F,0.5F, 0.866F,-36.6F,0.0F, 0.0F, 1.0F };
matrix = new Matrix();
matrix.setValues(f);
旋轉後的圖像如下：
Android爲我們提供了更加簡單的方法，如下：
Matrix matrix = new Matrix();
matrix.setRotate(30，100，100);
矩陣運行後的實際結果： 
與我們前面通過公式獲取得到的矩陣完全一樣。
在這裏我們提供另外一種方法，也可以達到同樣的效果：
float a = 100.0F,b = 100.0F;
matrix = new Matrix();
matrix.setTranslate(a,b);
matrix.preRotate(30);
matrix.preTranslate(-a,-b);
將在後面的篇幅中爲大家詳細解析
通過類似的方法，我們還可以得到：相對點P(a，b)的比例[sx,sy]變化矩陣
從最基本的高等數學開始，Matrix的基本操作包括：+、*。Matrix的乘法不滿足交換律，也就是說A*B ≠B*A。
還有2種常見的矩陣：
有了上面的基礎，下面我們開始進入主題。由於矩陣不滿足交換律，所以用矩陣B乘以矩陣A，需要考慮是左乘（B*A），還是右乘（A*B）。在Android的android.graphics.Matrix中爲我們提供了類似的方法，也就是我們本篇幅要說明的Preconcats matrix 與 Postconcats matrix。下面我們還是通過具體的例子還說明：
通過輸出的信息，我們分析其運行過程如下：
看了上面的輸出信息。我們得出結論：Preconcats matrix相當於右乘矩陣，Postconcats matrix相當於左乘矩陣。
上一篇幅中，我們說到：
其暈死過程的詳細分析就不在這裏多說了。
Matrix學習——錯切變換
什麼是圖像的錯切變換（Shear transformation）？我們還是直接看圖片錯切變換後是的效果：
對圖像的錯切變換做個總結：
x = x0 + b*y0;
y = d*x0 + y0;
這裏再次給大家介紹一個需要注意的地方：
通過以上，我們發現Matrix的setXXXX()函數，在調用時調用了一次reset()，這個在複合變換時需要注意。
Matrix學習——對稱變換（反射）什麼是對稱變換？具體的理論就不詳細說明了，圖像的鏡像就是對稱變換中的一種。
利用上面的總結做個具體的例子，產生與直線y= – x對稱的反射圖形，代碼片段如下：
當前矩陣輸出是：
圖像變換的效果如下：
兩角和公式
sin(a+b)=sinacosb+cosasinb
sin(a-b)=sinacosb-sinbcosa
cos(a+b)=cosacosb-sinasinb
cos(a-b)=cosacosb+sinasinb
tan(a+b)=(tana+tanb)/(1-tanatanb)
tan(a-b)=(tana-tanb)/(1+tanatanb)
cot(a+b)=(cotacotb-1)/(cotb+cota)
cot(a-b)=(cotacotb+1)/(cotb-cota)
倍角公式
tan2a=2tana/[1-(tana)^2]
cos2a=(cosa)^2-(sina)^2=2(cosa)^2 -1=1-2(sina)^2
sin2a=2sina*cosa
半角公式
sin(a/2)=√((1-cosa)/2) sin(a/2)=-√((1-cosa)/2)
cos(a/2)=√((1+cosa)/2) cos(a/2)=-√((1+cosa)/2)
tan(a/2)=√((1-cosa)/((1+cosa)) tan(a/2)=-√((1-cosa)/((1+cosa))
cot(a/2)=√((1+cosa)/((1-cosa)) cot(a/2)=-√((1+cosa)/((1-cosa))
tan(a/2)=(1-cosa)/sina=sina/(1+cosa)
和差化積
2sinacosb=sin(a+b)+sin(a-b)
2cosasinb=sin(a+b)-sin(a-b) )
2cosacosb=cos(a+b)-sin(a-b)
-2sinasinb=cos(a+b)-cos(a-b)
sina+sinb=2sin((a+b)/2)cos((a-b)/2
cosa+cosb=2cos((a+b)/2)sin((a-b)/2)
tana+tanb=sin(a+b)/cosacosb
積化和差公式
sin(a)sin(b)=-1/2*[cos(a+b)-cos(a-b)]
cos(a)cos(b)=1/2*[cos(a+b)+cos(a-b)]
sin(a)cos(b)=1/2*[sin(a+b)+sin(a-b)]
誘導公式
sin(-a)=-sin(a)
cos(-a)=cos(a)
sin(pi/2-a)=cos(a)
cos(pi/2-a)=sin(a)
sin(pi/2+a)=cos(a)
cos(pi/2+a)=-sin(a)
sin(pi-a)=sin(a)
cos(pi-a)=-cos(a)
sin(pi+a)=-sin(a)
cos(pi+a)=-cos(a)
tga=tana=sina/cosa
萬能公式
sin(a)= (2tan(a/2))/(1+tan^2(a/2))
cos(a)= (1-tan^2(a/2))/(1+tan^2(a/2))
tan(a)= (2tan(a/2))/(1-tan^2(a/2))
其它公式
a*sin(a)+b*cos(a)=sqrt(a^2+b^2)sin(a+c) [其中，tan(c)=b/a]
a*sin(a)-b*cos(a)=sqrt(a^2+b^2)cos(a-c) [其中，tan(c)=a/b]
1+sin(a)=(sin(a/2)+cos(a/2))^2
1-sin(a)=(sin(a/2)-cos(a/2))^2
其他非重點三角函數
csc(a)=1/sin(a)
sec(a)=1/cos(a)
雙曲函數
sinh(a)=(e^a-e^(-a))/2
cosh(a)=(e^a+e^(-a))/2
tgh(a)=sinh(a)/cosh(a)