世界是3D的，显示器是2D，将三维空间的物体变换到二维空间，再到最终屏幕上成像的过程，在图形学中叫做3D渲染流水线。这个过程着实有点复杂了，让我们慢慢来，本节我们先介绍一些基本的空间变换知识。
这部分知识点非常重要，不管以后做游戏、仿真项目，还是其他图形应用，物体的空间变换是必须要理解的，因为很多实际的需求需要你自己分析，再去实现。就Unity来说吧，它已经把图形学中的矩阵、向量运算封装的相当易用了，但是如果你不明白它是怎么玩的话，你自己的需求还是很难实现。很多人说Unity上手快，易学，确实，拖拖拽拽，加个脚本组件就能控制游戏对象，但是要想玩得好，就必须要理解相关的图形学背后的原理。虽然你不用真的把Unity封装的那些高数实现一边，但是你要懂，一个函数调用了它会发生什么。
好了，进入今天的主题。
我们先以2D空间为例，推导空间变换的矩阵表示，3D空间的推理是一样的，照葫芦画瓢就行，后面我们给出3D空间的变换的矩阵表示。
什么是矩阵
我们就把它看成一堆神奇的有规律的数即可，不用想的太复杂，它就是个工具。我们不是搞科研，那是数学家的事儿，我们只是应用矩阵这个工具，来解决图形学的问题。我们没必要对矩阵研究非常深入，我们只需要理解它如何在图形学中的应用即可。就像你会开车，不会修车，但这并不会影响你漂移。
记得线性代数书上引入矩阵给了这么个例子：
这个初中就学过了吧 – 二元一次方程。
这俩方程还能写成：
对，这就是矩阵乘法。
一个2x2（两行两列）的矩阵 乘以 一个2x1的矩阵，得到一个2x1的矩阵。
可以看出：一个 n x n 的矩阵 和 一个 n x m 的矩阵相乘，等于一个 n x m 的矩阵。
问题1
那么，请问：n x n 的矩阵 和 m x n 的矩阵相乘，等于多少。
答案：不能相乘。不相信你乘给我看看。
好了。现在已经学会了矩阵乘法了。你看，矩阵也不是很难嘛。
问题2
矩阵和向量（或者说点）相乘怎么计算?
其实点和向量在表示上是没有区别的(x,y)，矩阵是工具，它不会因为你是点不是向量而改变运算规则，对于运算的结果，在于人为的解读。举个例子，你炒菜加糖还是加盐，锅是不会拒绝的，但是对于炒出来的菜，你是要负责任的。我想，你应该懂我意思了吧。
这其实不算问题，上面的就是矩阵和向量相乘呀。
如果有人告诉你(x,y)是个向量，那就默认为它是从原点到点(x,y)位置的一个向量。总不能上面把它竖着写，你就不认识了吧。
那个T叫做转置符号，就是横着写和竖着写的区别。向量还是原来的向量，只是后来有钱了，走路都横着走了，但还是原来那个向量。
现在我们知道，向量其实也可以看作是一种特殊的矩阵。
问题3
此时，你可能会问，为什么要转置啊，不转置不行嘛？
行！当然行。
在我看来，转不转置都一样。都是形式而已。中国人这还用问？
不转置的话，上面的矩阵，就得这么写：
1x2 的矩阵 乘以 2x2 的矩阵，得到 1x2 的矩阵。 没毛病。
我们始终要记住，我们最终关心的是最后得到的操作数，怎么解释它是人干的事，或者说你干的事，和你横着写竖着写有关系嘛？只要你遵循对应的运算法则就是咯。你不要问为啥要有转置，存在即合理，就像学校查卫生时，垃圾桶不准放垃圾一样，谁知道那些人咋想的。
问题4
我想看看两个“真”矩阵相乘。
其实，你仔细品下，你自己也能写出来。
下面，我们来看看矩阵是如何表示变换的。
常见的变换就是：平移、旋转、缩放。像其他错切变换、对称变换啥的，哎，怎么说呢，你平时应该用到不到，用到了再学吧。道理都是相通的嘛，学会了基本的，其他的照葫芦画瓢呗。
平移变换
话说，空间中某个物体，算了，来张我的照片吧。
把我的照片从一个地方挪到另一个地方，需要几步？咳咳，你先别管为什么移我的照片。
很简单，数学上，就是把每个点都平移一下。
假设(x,y)为图像上某一点，移动另一个位置(x’,y’)，假设就位移了(a,b)吧，意思就是x方向位移了a，y方向位移了b。
那么有：
x' = x + a
y' = y + b
好了。现在你看能不能写成矩阵的形式。
是不是写不出来啊~~~
先放一放啊，我们后面再说。
旋转变换
现在把我的照片转一转。算了，换张你们喜欢看的吧。
现在我们规定逆时针旋转为正。你要规定顺时针旋转为正。也行。前面都说了，关键看人（你）怎么解释。
我们现在取图像上任一点A(x,y)，旋转beta角度之后，到达A’
A点原本与X轴的夹角为alpha，为了方便，设: |OA|=|OA’|=r
则我们可以列出以下方程：
整理下：
现在，你把这个写成矩阵乘法的形式看看。
是不是很简单。
缩放变换
这个很简单。
A(x,y) 放大 Sx 和 Sy倍，得到 A’(x’, y’)
x' = x * Sx
y' = y * Sy
写成矩阵的形式：
齐次座标
好了。基本变换到此结束。
此时，你是不是发现，除了平移变换，旋转和缩放变换都能写成矩阵的形式。别人有的，它当然也想要啊。
所以，引入了齐次座标。
不知道谁起的这个名字，想象力丰富的我，打死我也想不出来它干的事和它的名字有啥关系。
简单说，就是给向量或者矩阵多加一个维度，方便将基本的变换（平移、旋转、缩放）都可以用矩阵乘法的形式表示。
其实，我们知道，就是为了照顾平移变换。
座标变换的齐次座标表示
那么如何表示呢？
我们先将之前的三个变换用齐次座标表示的矩阵形式写出来：
平移变换：
旋转变换：
缩放变换:
大家快速验算一下，应该都成立吧。
通过观察可知，我们将点(x,y) 变成了齐次座标(x,y,1).
有时候给你一个(x,y),你知道它是点还是向量？因为大家都知道，向量的代数表示和点是一样的。
这个时候就是齐次座标的第二个妙用。
点(x,y) 写成齐次座标是： (x,y,1)
向量(x,y) 写成齐次座标是： (x,y,0)
为啥？
我也不知道为啥，我就觉得这么干是对的，而且很神奇。
咱们来验算一下：点是有位置的，向量是没有位置的，是吧。
那咱们用平移矩阵来验算一下不就好了嘛。
数学是不是很奇妙。
那这个有啥用呢？
后面推导3D渲染流水线的投影变换阶段好像用到，到时候再说吧。
其实，一个点或者向量的齐次表示不是唯一的，点(x,y)可以表示成(kx,ky,k)，向量(x,y)可以表示成(kx,ky,0). 这个不难理解吧。
三维空间变换
三维空间变换矩阵的推导和二维空间很相似，只不过多了一个维度嘛。
三维座标系，有2种，左手座标系和右手座标系，区别就在于Z轴的朝向不同。为啥有2种。额，我想这个和人有左撇子和右撇子道理应该差不多吧。
那么，我们用那种呢？前面已经说了，随便你，只要你选定一种座标系，数学推导的过程是完全一样的。我们这里推导使用的是右手座标系，因为我是右撇子。
平移矩阵，几乎和二维变化一样：
旋转矩阵，二维空间绕的是原点，三维空间绕的是座标轴。
绕z轴旋转某个角度的旋转矩阵：
大家是不是有点眼熟？对吗，这不就是二维旋转矩阵加了一个维度嘛。大家想想，绕z轴旋转，是不是在XY平面内？那是不是就是二维旋转？这不就得了，那绕x轴和绕y轴旋转，不就是一样的道理嘛？
绕x轴旋转某角度：
绕y轴旋转某角度：
有个事情要注意下啊，我们这里推导的变换矩阵和你们在其他地方看到的可能不一样，别着急。你转置一下看看是不是就一样的了。这是最后一遍唠叨了啊，转不转置，你自己看着办，你喜欢用哪种就用哪种，关键要用对场合。我的建议是，根据你以后学习的图形编程API来决定使用那种风格的矩阵、座标系。比如说，OpenGL，使用的是右手座标系，使用的是向量右乘（矩阵x向量, 而不是向量x矩阵，前者是列向量，就是竖着写的那个，后者是横向量，即使横着写的那个）。所以，我就是按着这个推导的，并不是因为我是右撇子。
本节介绍的基本变换，经过组合，可以形成复杂的变换。
怎么组合？
多个变换矩阵相乘呀，注意，相乘的顺序哟。这个现在你是感受不到的，只有你实战的时候，你才能发现区别。
好了，本节的内容到此就结束了。
小伙伴们有什么建议，可以留言。我也不知道是不是讲得太细，或者讲得太粗，就按照自己的想法来。大家有什么建议可以说出来。或者如果大家有感兴趣的话题，也可以说出来。只要我会的，我也会写相关的教程。其实，我也不是科班出身，只是兴趣使然，欢迎小伙伴一起探讨学习。
欢迎大家关注我的公众号【OpenGL编程】，定期分享OpenGL相关的3D编程教程、算法、小项目。欢迎大家一起交流。
