图形学初识--屏幕空间变换
文章目录
- 前言
- 正文
- 为什么需要屏幕空间变换?
- 什么是屏幕空间变换?
- 屏幕空间变换矩阵如何推导?
- 问题描述
- 步骤描述
- 结尾:喜欢的小伙伴点点关注+赞哦!
前言
前面章节主要讲解了视图变换和投影变换,此时距离在屏幕空间显示也就只差一步之遥了,只需要将NDC坐标转换为屏幕空间坐标即可!有了前面一些章节的学习,相信大家对于本章节的学习还是很容易的!
正文
为什么需要屏幕空间变换?
因为经过了视图变换和投影变换后,咱们已经将所有的顶点坐标转换成了NDC坐标,也就是x/y/z的范围都在 [ − 1 , 1 ] [-1,1] [−1,1] 的坐标,但是正常咱们得电脑屏幕的XY坐标范围一般都是 [ 0 , w i d t h − 1 ] × [ 0 , h e i g h t − 1 ] [0,width-1] \times [0, height-1] [0,width−1]×[0,height−1] ,所以咱们需要屏幕空间变换!
什么是屏幕空间变换?
本质上和之前的视图变换、投影变换并无不同,就是一个矩阵罢了!
屏幕空间变换矩阵如何推导?
问题描述
将x坐标由 [ − 1 , 1 ] [-1,1] [−1,1] 变换为 $ [0,screen_width - 1]$ ,将y坐标由 [ − 1 , 1 ] [-1,1] [−1,1] 变换为 $ [0,screen_height - 1]$ ,将z坐标由 [ − 1 , 1 ] [-1,1] [−1,1] 变换为 $ [0,1]$.
如下图所示:

步骤描述
步骤1:将xyz坐标变换到 [ 0 , 1 ] [0,1] [0,1] 的范围
步骤2:将xy坐标缩放至 [ 0 , s c r e e n w i d t h − 1 ] × [ 0 , s c r e e n h e i g h t − 1 ] [0, screen_width - 1] \times [0, screen_height - 1] [0,screenwidth−1]×[0,screenheight−1]
咱们先思考下步骤1如何实现呢?当前的xyz坐标范围为 [ − 1 , 1 ] [-1,1] [−1,1] ,目标的坐标范围为 [ 0 , 1 ] [0,1] [0,1] ,如何做呢?
这时候其实咱们分两步:
第一步:将 [ − 1 , 1 ] [-1,1] [−1,1] 缩放至 [ − 0.5 , 0.5 ] [-0.5,0.5] [−0.5,0.5] 的范围。
第二步:将 [ − 0.5 , 0.5 ] [-0.5,0.5] [−0.5,0.5] 沿着对应轴轴方向移动0.5单位即可。
于是咱们分别得到缩放矩阵和平移矩阵如下:
S = [ 0.5 0 0 0 0 0.5 0 0 0 0 0.5 0 0 0 0 1 ] S = \begin{bmatrix} 0.5&0&0&0\\ 0&0.5&0&0\\ 0&0&0.5&0\\ 0&0&0&1\\ \end{bmatrix} S= 0.500000.500000.500001
T = [ 0 0 0 0.5 0 0 0 0.5 0 0 0 0.5 0 0 0 1 ] T = \begin{bmatrix} 0&0&0&0.5\\ 0&0&0&0.5\\ 0&0&0&0.5\\ 0&0&0&1\\ \end{bmatrix} T= 0000000000000.50.50.51
于是咱们只需要将两者相乘,即可获得相应的结果:
M 1 = T ∗ S = [ 0.5 0 0 0.5 0 0.5 0 0.5 0 0 0.5 0.5 0 0 0 1 ] M_1 = T * S = \begin{bmatrix} 0.5&0&0&0.5\\ 0&0.5&0&0.5\\ 0&0&0.5&0.5\\ 0&0&0&1\\ \end{bmatrix} M1=T∗S= 0.500000.500000.500.50.50.51
然后咱们思考下步骤二,当前的xy坐标范围为: [ 0 , 1 ] [0,1] [0,1] ,目标范围为 $[0,screen_width-1] 和 [0,screen_height-1] $
这个问题也就只是个xy轴的缩放问题而已,很容易得到以下缩放矩阵:
M 2 = [ s c r e e n _ w i d t h 0 0 0 0 s c r e e n _ h e i g h t 0 0 0 0 1 0 0 0 0 1 ] M_2 = \begin{bmatrix} screen\_width&0&0&0\\ 0&screen\_height&0&0\\ 0&0&1&0\\ 0&0&0&1\\ \end{bmatrix} M2= screen_width0000screen_height0000100001
然后咱们将步骤一的结果和步骤二的结果结合起来即可得到最终的屏幕空间变换矩阵,如下:
M s c r e e n = M 2 ∗ M 1 = M 2 = [ 0.5 ∗ s c r e e n _ w i d t h 0 0 0.5 ∗ s c r e e n _ w i d t h 0 0.5 ∗ s c r e e n _ h e i g h t 0 0.5 ∗ s c r e e n _ h e i g h t 0 0 0.5 0.5 0 0 0 1 ] M_{screen}= M_2 * M_1 = M_2 = \begin{bmatrix} 0.5*screen\_width&0&0&0.5*screen\_width\\ 0&0.5*screen\_height&0&0.5*screen\_height\\ 0&0&0.5&0.5\\ 0&0&0&1\\ \end{bmatrix} Mscreen=M2∗M1=M2= 0.5∗screen_width00000.5∗screen_height00000.500.5∗screen_width0.5∗screen_height0.51
于是大功告成啦!咱们成功的将NDC坐标转换成了屏幕空间坐标!
结尾:喜欢的小伙伴点点关注+赞哦!
你们的点赞就是我创作的最大动力!希望对各位小伙伴能够有所帮助哦,永远在学习的道路上伴你而行, 我是航火火,火一般的男人!
相关文章:
图形学初识--屏幕空间变换
文章目录 前言正文为什么需要屏幕空间变换?什么是屏幕空间变换?屏幕空间变换矩阵如何推导?问题描述步骤描述 结尾:喜欢的小伙伴点点关注赞哦! 前言 前面章节主要讲解了视图变换和投影变换,此时距离在屏幕空间显示也就…...
爬楼梯 - LeetCode 热题 81
大家好!我是曾续缘😇 今天是《LeetCode 热题 100》系列 发车第 81 天 动态规划第 1 题 ❤️点赞 👍 收藏 ⭐再看,养成习惯 爬楼梯 假设你正在爬楼梯。需要 n 阶你才能到达楼顶。 每次你可以爬 1 或 2 个台阶。你有多少种不同的方法…...
详解 Spark 核心编程之 RDD 分区器
一、RDD 分区器简介 Spark 分区器的父类是 Partitioner 抽象类分区器直接决定了 RDD 中分区的个数、RDD 中每条数据经过 Shuffle 后进入哪个分区,进而决定了 Reduce 的个数只有 Key-Value 类型的 RDD 才有分区器,非 Key-Value 类型的 RDD 分区的值是 No…...
Selenium番外篇文本查找、元素高亮、截图、无头运行
Selenium根据文本查找元素 python def find_element_with_text(self, loc, attribute, text):try:WebDriverWait(self.driver, 5).until(EC.all_of(EC.text_to_be_present_in_element_attribute(loc, attribute, text)))element self.driver.find_element(*loc)if isinsta…...
Java 22的FFM API,比起Java 21的虚拟线程
哪个对Java未来的发展影响更大?两个 Java 版本中的重要特性:Java 21 的虚拟线程和 Java 22 的 FFM API。我这里有一套编程入门教程,不仅包含了详细的视频讲解,项目实战。如果你渴望学习编程,不妨点个关注,给…...
用c语言实现简易三子棋
本篇适用于C语言初学者。 目录 完整代码: 分步介绍: 声明: 代码主体部分: 模块功能实现: 完整代码: #include<stdio.h> #include <stdlib.h> #include <time.h>#define ROW 3 #d…...
2024年华为OD机试真题-执行时长-Python-OD统一考试(C卷D卷)
2024年OD统一考试(D卷)完整题库:华为OD机试2024年最新题库(Python、JAVA、C++合集) 题目描述: 为了充分发挥GPU算力,需要尽可能多的将任务交给GPU执行,现在有一个任务数组,数组元素表示在这1秒内新增的任务个数且每秒都有新增任务,假设GPU最多一次执行n个任务,一次执…...
对未知程序所创建的 PDF 文档的折叠书签层级全展开导致丢签的一种解决方法
对需要经常查阅、或连续长时间阅读的带有折叠书签的 PDF 文档展开书签层级,提高阅览导航快捷是非常有必要的。 下面是两种常用书签层级全展开的方法 1、 FreePic2Pdf 1 - 2 - 3 - 4 - 5 - 6,先提取后回挂 2、PdgCntEditor 载入后,直接保存…...
计算机系统结构之FORK和JOIN
程序语言中用FORK语句派生并行任务,用JOIN语句对多个并发任务汇合。 FORK语句的形式为FORK m,其中m为新领程开始的标号。 JOIN语句的形式为JOIN n,其中n为并发进程的个数。 例1:给定算术表达式ZEA*B*C/DF经并行编译得到如下程序…...
Yocto - virtual/kernel介绍
在 Yocto 项目中,"virtual/kernel "是一个虚拟目标,作为 Linux 内核的抽象层。它是一种以灵活方式指定内核依赖关系的方法,允许实际的内核配方由特定构建中使用的机器配置和层决定。 下面是关于 "virtual/kerne"的含义和…...
如何在 DigitalOcean 云服务器上创建自定义品牌名称服务器
前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。 介绍 对于托管提供商或转售商来说,拥有自定义的名称服务器可以为客户提供更专业的外观。这消除了要求客户将其域名指向另一…...
心链6----开发主页以及后端数据插入(多线程并发)定时任务
心链 — 伙伴匹配系统 开发主页 信息搜索页修改 主页开发(直接list用户) 在后端controller层编写接口去实现显示推荐页面的功能 /*** 推荐页面* param request* return*/GetMapping("/recommend")public BaseResponse<List<User>&…...
【Linux】日志管理
一、日志进程 1、处理日志的进程 rsyslogd:系统专职日志程序 观察rsyslogd程序: ps aux | grep rsyslogd 2、常见的日志文件 1、系统主日志文件: /var/log/messages 动态查看日志文件尾部: tail -f /var/log/messages 2、安全…...
AI 绘画爆火背后:扩散模型原理及实现
节前,我们星球组织了一场算法岗技术&面试讨论会,邀请了一些互联网大厂朋友、参加社招和校招面试的同学。 针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。 合集&#x…...
详解智慧互联网医院系统源码:开发医院小程序教学
本篇文章,笔者将详细介绍智慧互联网医院系统的源码结构,并提供开发医院小程序的详细教学。 一、智慧互联网医院系统概述 智慧互联网医院系统涵盖了预约挂号、在线咨询、电子病历、药品管理等多个模块。 二、系统源码结构解析 智慧互联网医院系统的源码…...
【技术实操】银河高级服务器操作系统实例分享,数据库日志文件属主不对问题分析
1. 问题现象描述 2023 年 06 月 30 日在迁移数据库过程中,遇到数据库 crash 的缺陷,原因如下:在数据库启动时候生成的一组临时文件中,有 owner 为 root 的文件, 文件权限默认为 640, 当数据库需要使用的时…...
函数的创建和调用
自学python如何成为大佬(目录):https://blog.csdn.net/weixin_67859959/article/details/139049996?spm1001.2014.3001.5501 提到函数,大家会想到数学函数吧,函数是数学最重要的一个模块,贯穿整个数学学习过程。在Python中,函数…...
数模混合芯片设计中的修调技术是什么?
一、修调目的 数模混合芯片需要修调技术主要是因为以下几个原因: 工艺偏差(Process Variations): 半导体制造过程中存在不可避免的工艺偏差,如晶体管尺寸、阈值电压、电阻和电容值等,这些参数的实际值与…...
MySQL 自定义函数(实验报告)
一、实验名称: 自定义函数 二、实验日期: 2024年 6 月 1 日 三、实验目的: 掌握MySQL自定义函数的创建及调用; 四、实验用的仪器和材料: 硬件:PC电脑一台; 配置:内存&#…...
一次职业院校漏洞挖掘
这个是之前挖掘到的漏洞,目前网站进行重构做了全新的改版,但是这个漏洞特别经典,拿出来进行分享。看到src上面的很多敏感信息泄露,所以自己也想找一个敏感信息泄露,官网如图: 发现在下面有一个数字校园入口…...
8k长序列建模,蛋白质语言模型Prot42仅利用目标蛋白序列即可生成高亲和力结合剂
蛋白质结合剂(如抗体、抑制肽)在疾病诊断、成像分析及靶向药物递送等关键场景中发挥着不可替代的作用。传统上,高特异性蛋白质结合剂的开发高度依赖噬菌体展示、定向进化等实验技术,但这类方法普遍面临资源消耗巨大、研发周期冗长…...
关于nvm与node.js
1 安装nvm 安装过程中手动修改 nvm的安装路径, 以及修改 通过nvm安装node后正在使用的node的存放目录【这句话可能难以理解,但接着往下看你就了然了】 2 修改nvm中settings.txt文件配置 nvm安装成功后,通常在该文件中会出现以下配置&…...
376. Wiggle Subsequence
376. Wiggle Subsequence 代码 class Solution { public:int wiggleMaxLength(vector<int>& nums) {int n nums.size();int res 1;int prediff 0;int curdiff 0;for(int i 0;i < n-1;i){curdiff nums[i1] - nums[i];if( (prediff > 0 && curdif…...
c++ 面试题(1)-----深度优先搜索(DFS)实现
操作系统:ubuntu22.04 IDE:Visual Studio Code 编程语言:C11 题目描述 地上有一个 m 行 n 列的方格,从坐标 [0,0] 起始。一个机器人可以从某一格移动到上下左右四个格子,但不能进入行坐标和列坐标的数位之和大于 k 的格子。 例…...
【快手拥抱开源】通过快手团队开源的 KwaiCoder-AutoThink-preview 解锁大语言模型的潜力
引言: 在人工智能快速发展的浪潮中,快手Kwaipilot团队推出的 KwaiCoder-AutoThink-preview 具有里程碑意义——这是首个公开的AutoThink大语言模型(LLM)。该模型代表着该领域的重大突破,通过独特方式融合思考与非思考…...
macOS多出来了:Google云端硬盘、YouTube、表格、幻灯片、Gmail、Google文档等应用
文章目录 问题现象问题原因解决办法 问题现象 macOS启动台(Launchpad)多出来了:Google云端硬盘、YouTube、表格、幻灯片、Gmail、Google文档等应用。 问题原因 很明显,都是Google家的办公全家桶。这些应用并不是通过独立安装的…...
select、poll、epoll 与 Reactor 模式
在高并发网络编程领域,高效处理大量连接和 I/O 事件是系统性能的关键。select、poll、epoll 作为 I/O 多路复用技术的代表,以及基于它们实现的 Reactor 模式,为开发者提供了强大的工具。本文将深入探讨这些技术的底层原理、优缺点。 一、I…...
Map相关知识
数据结构 二叉树 二叉树,顾名思义,每个节点最多有两个“叉”,也就是两个子节点,分别是左子 节点和右子节点。不过,二叉树并不要求每个节点都有两个子节点,有的节点只 有左子节点,有的节点只有…...
蓝桥杯 冶炼金属
原题目链接 🔧 冶炼金属转换率推测题解 📜 原题描述 小蓝有一个神奇的炉子用于将普通金属 O O O 冶炼成为一种特殊金属 X X X。这个炉子有一个属性叫转换率 V V V,是一个正整数,表示每 V V V 个普通金属 O O O 可以冶炼出 …...
网站指纹识别
网站指纹识别 网站的最基本组成:服务器(操作系统)、中间件(web容器)、脚本语言、数据厍 为什么要了解这些?举个例子:发现了一个文件读取漏洞,我们需要读/etc/passwd,如…...
