第一人称漫游里有个经典 bug:玩家倒退着贴到墙上,墙面整块消失,背后露出一片天空。玩家再往前挪十厘米,墙又回来了。美术说模型没破,程序说剔除没开,最后发现是相机的近裁剪面放在了墙的里面,墙和相机的距离小于那个值,整块被裁掉了。
另一个 bug方向相反:把物体挪到相机背后,它没有消失,反而在屏幕上倒着出现,位置还挺合理。原因是投影做完之后,那个点的第四个分量变成了负数,程序没有检查就直接做除法,一个负数除以负数变成了正数,于是「背后」被折到了「前面」。
这两个问题都属于相机与投影这一层。相机的视场角决定了能看多宽,近远裁剪面决定了能看多近多远,投影矩阵决定了三维怎么压成二维,而裁剪决定了哪些东西根本不该进入后面的计算。这篇把这几个量逐个拆开,并用一段能跑的标准库脚本,给出四个典型点在投影之后的具体坐标,看清哪些该被裁掉。
| 现象 | 真实原因 | 第一步查什么 |
|---|---|---|
| 贴近墙面时墙面整块消失 | 墙面进入近裁剪面以内,整个三角形被裁掉 | 看相机与墙的距离,对比近裁剪面的数值 |
| 转身时物体从画面边缘突然弹出 | 视锥外的三角形被整块丢弃,没有过渡 | 检查视场角和物体包围盒,确认是否刚好压线 |
| 宽屏显示器上画面被横向拉扁 | 投影用的宽高比和画布实际宽高比不一致 | 查宽高比是否按实际像素宽高计算 |
| 相机背后的物体倒着出现在屏幕上 | 没有在除以 w 之前检查 w 是否为正 | 确认裁剪在齐次坐标阶段完成,而不是除完之后 |
| 远处两面墙互相穿插闪烁 | 深度精度不足,两个深度被量化成同一个值 | 看近裁剪面是否设得太小,深度缓冲位数多少 |
| 画面四周的物体被拉得很长 | 透视投影在视场边缘本来就会拉伸,视场角越大越明显 | 对比不同视场角下的边缘比例,确认不是模型问题 |
| 拖动窗口大小后比例全错 | 画布尺寸变了,投影矩阵的宽高比没跟着更新 | 在尺寸变化事件里重新计算投影矩阵 |
| 双眼画面叠不上 | 左右眼用了同一个视图矩阵,只有投影有偏移 | 确认每只眼有自己的相机位置和视图矩阵 |
透视就是近大远小
把相机想成一个针孔:所有光线都必须穿过同一个点,再落到后面的成像面上。同样高的两棵树,近的那棵在成像面上占的格子多,远的那棵占的少。这个比例只跟距离有关,跟树的实际大小无关,这就是透视投影的全部直觉。
数学上,屏幕上的横向位置等于三维坐标的 x 除以距离,再乘一个由视场角决定的系数。距离越远,同样的横向偏移在屏幕上越靠近中心,所以平行线会向远处汇聚,这就是灭点。这也是为什么建筑效果图里竖直的楼会往中间收,不是画错了,是透视本来的样子。这套「除以距离」的运算写成矩阵,就是数学方向矩阵乘法与几何变换里讲的投影变换。
视场角决定「能看多宽」。视场角越大,同样的画面塞进更多内容,边缘拉伸越厉害;视场角越小,画面越像长焦镜头,压缩感强,适合特写。游戏里常见七十到九十度,再大会有明显畸变,再小会让人感觉转身很慢。
视场角和焦距是一体两面。焦距越长,视场角越小,画面越窄;焦距越短,视场角越大,画面越广。摄影里常说的等效焦距,其实就是把视场角换算成一个统一的说法。做三维时不用记焦距,但要记住一件事:改变视场角等于改变画面里物体的相对大小,它和相机后退是两种不同的效果,前者会改变透视强度,后者只是把东西变小。
视锥:六个面围出来的可见范围
把针孔能看到的范围画出来,是一个金字塔被前后两个平面切掉,这个形状叫视锥。它有六个面:上下左右四个侧面由视场角决定,前面是远裁剪面,后面是近裁剪面。只有落在这个体积里的东西才可能出现在画面上。
近裁剪面不能设得太小。它一方面要挡住贴到镜头上的几何,避免它们被放大到占满屏幕;另一方面它又直接决定深度精度,设得过小会把精度全浪费在眼前几厘米。远裁剪面也不能随便设成很大,因为它和近裁剪面的比值决定了深度的分布。
视锥还会被用来做整体剔除:一个物体的包围盒如果完全在某个面的外侧,就不用画。这个判断比逐个三角形判断便宜得多,是场景管理的常用手段。但它只适合粗筛,包围盒跨在边界上的物体仍然要送进管线做精确裁剪。
做剔除时最容易犯的错是包围盒算小了。模型绑定了骨骼动画,实际变形后的范围超出了建模时的静态包围盒,于是人物在画面边缘时半个身子被剔掉。解决办法是在动画更新后重新计算包围盒,或者给它留一点余量。这个余量不会让画面出错,只是少剔掉几个物体,代价可以接受。
投影矩阵里的三个量
投影矩阵看起来吓人,其实只有几个量在起作用:焦距系数、深度缩放项、深度平移项,以及宽高比。下面用一个九十度视场角、十六比九、近裁剪面零点一、远裁剪面一百的相机,把四个典型点投影一遍。
import math
fov = 90
aspect = 16 / 9
near, far = 0.1, 100.0
f = 1 / math.tan(math.radians(fov / 2))
A = (far + near) / (near - far)
B = 2 * far * near / (near - far)
def project(p):
x, y, z = p
w = -z
cx = (f / aspect) * x * 1.0
cy = f * y * 1.0
cz = A * z + B
if w == 0:
return None
return (cx / w, cy / w, cz / w, w, cz)
for name, p in [
("front", (0, 0, -1)),
("side", (2, 1, -2)),
("too close", (0, 0, -0.05)),
("behind", (1, 0, 1)),
]:
r = project(p)
print(name, "ndc", [round(v, 4) for v in r[:3]], "w", r[3])
在本机 Python 3.15 上实际运行,输出如下:
front ndc [0.0, 0.0, 0.8018] w 1
side ndc [0.5625, 0.5, 0.9019] w 2
too close ndc [0.0, 0.0, -3.002] w 0.05
behind ndc [-0.5625, -0.0, 1.2022] w -1
第一个点在相机正前方一米,投影后落在画面中心,深度零点八零一八。深度不是零到一,而是负一到一,这是图形接口的习惯:近裁剪面对应负一,远裁剪面对应正一。所以零点八已经相当靠近远裁剪面了,虽然它只在一米处。
第二个点在右前方两米、高一米,投影后横向零点五六二五、纵向零点五,说明它在画面右上区域,但还在负一到一的范围内,没有被裁掉。注意它的 w 是二,代表距离两米。
第三个点在相机前五厘米,比近裁剪面的零点一米还近,投影后深度是负三点零零二,已经掉到负一以外,这就是墙面消失的原因。第四个点在相机背后一米,w 是负一,但它的横向坐标是负零点五六二五,看起来像一个合法的屏幕位置。如果不看 w,这个点会被当成画面上一个真实存在的点,这就是「背后物体倒着出现」的来源。
先裁剪,再除以 w
投影之后得到的是齐次坐标,四个分量,还没有做除法。裁剪必须在这个阶段完成,规则很简单:w 小于等于零的点直接丢弃,剩下的点要求三个分量都落在负一到一之间。整个三角形只要有一个顶点不满足,就要按平面切一刀,把三角形切成若干小块,保留在范围内的部分。
为什么要先裁再除?因为除以 w 会把「背后」折到「前面」。数学上负坐标除以负距离得到正坐标,看起来完全合理,几何上却毫无意义。一旦除了,信息就丢了,再也判断不出原来的点在哪一侧。所以顺序必须是先按 w 筛掉,再按范围裁边,最后才做除法。
裁剪的代价是可能产生新的顶点。一个三角形被近裁剪面切一刀,会变成一个四边形,要拆成两个三角形,顶点数变多,还要插值属性。切得越多,开销越大。所以近裁剪面不要贴着物体表面,留一点余量,能减少这种切割。
还有一种情况是三角形跨越整个视锥,被四个侧面同时切,最多会变成七个三角形。这不是罕见情况,大面积的墙面、地面被四个侧面切的时候经常发生。所以把大块几何拆成小三角形,反而能减少单个三角形的切割复杂度。
齐次裁剪的判断可以写成六个不等式:横向、纵向、深度三个分量各自要在负 w 和正 w 之间。注意是比较「分量」和「w」而不是和常数,因为 w 本身可能是负数。写成代码时如果先取了绝对值再比较,背后那些点就会漏网,症状正好是前面说的倒着出现。
从 NDC 到屏幕像素
归一化设备坐标,英文缩写 NDC,指的是除以 w 之后那个负一到一的三维盒子。它和具体分辨率无关,所以同一个场景可以在任何屏幕上用同一套坐标描述。最后一步把它映射到像素:横向把负一到一线性映射到零到宽度,纵向要翻转,因为屏幕的 y 轴朝下,而三维的 y 轴朝上。
映射公式很朴素:屏幕 x 等于归一化 x 加一的一半,再乘宽度;屏幕 y 等于一减归一化 y 的一半,再乘高度。这一步通常在视口变换里由硬件完成,不需要手写,但排查问题时必须知道它存在。比如画面上下颠倒,往往就是这里的翻转没做对。
像素中心的位置也值得注意。一个像素覆盖的是一小块方形区域,采样点默认在它的中心,所以判断覆盖时用的是加零点五之后的坐标,而不是整数坐标。这个半像素的偏移在光栅化那篇会反复出现,弄错会让整个画面偏移半个像素,边缘看起来糊一层。
深度精度由近裁剪面决定
透视投影的深度不是均匀分布的。近处一小段距离占了深度范围的一大块,远处很长一段距离才占一小块。原因在于深度值本质上是距离的倒数,倒数在靠近零的地方变化剧烈,在远处变化平缓。
这带来一个很实际的后果:近裁剪面设得越小,近处精度越高,远处精度越差。近裁剪面零点一米、远裁剪面一百米,比值是一千比一,远处的深度几乎挤在一起,两面相距十厘米的墙可能被量化成同一个深度值,于是互相穿插闪烁,这就是深度冲突。
缓解办法有几种:把近裁剪面抬到零点三或零点五,牺牲一点近处可见范围换远处精度;把远裁剪面收近,别为了看远景设成一万;用反向深度缓冲,把精度重新分配到远处;或者对超大场景用对数深度。具体数值下一篇会算给你看。
深度缓冲的位数也参与这笔账。二十四位深度看起来很多,但分给透视分布之后,远处实际可用的档位并不多;十六位深度在近处够用,远处几乎分不出层次。判断要不要换深度格式,不能只看位数,要看近远裁剪面的比值和目标场景的尺度。
边界与代价
透视投影的第一个边界是边缘畸变。它假设成像面是平的,而真实视场是一个球面,所以越靠画面边缘,同样的角度被拉伸得越厉害。视场角九十度时还能接受,一百二十度时边缘的直线会明显弯曲,这也是广角镜头需要畸变校正的原因。
第二个边界是宽高比。投影矩阵里的横向系数要除以宽高比,如果画布比例变了却没更新矩阵,画面就会被拉扁或拉长。全屏切换、分屏、手机横竖屏切换都会触发这个问题,处理办法是监听尺寸变化并重建矩阵。
第三个边界是正交投影不能拿透视矩阵凑。正交投影没有近大远小,常用于二维界面、阴影贴图和小地图,它的深度是线性的,裁剪范围是一个长方体而不是锥体。把透视矩阵直接改几个参数当正交用,通常会在深度和裁剪上出问题。
正交投影的深度是均匀的,这一点在阴影贴图里很重要。光源离场景很远时,用正交投影可以把整个场景压进一张贴图,深度分布均匀,阴影不容易出现近处清晰远处糊的情况。代价是正交投影没有透视,画面看起来平,不能拿来做主相机。
最后是性能。投影本身很便宜,每个顶点十六个乘加;裁剪则可能产生新顶点,代价随切割数量上升。真正贵的是把不该画的东西送进了管线:视锥剔除做得好,后面每一步都省;做得差,光栅化会处理大量屏幕外的三角形。
五条当天能自验的练习
- 把脚本里的视场角从九十改成六十,重新算四个点,记录第一个点的深度是否变化,理解焦距只影响横向缩放、不影响深度映射。
- 把近裁剪面从零点一改成零点三,重跑「太近」那个点,观察它的深度从负三变成多少,确认它仍然被裁掉但余量变大。
- 把宽高比从十六比九改成四比三,只改这一个参数,观察同一个点的横向坐标变化,确认宽高比只压缩横向。
- 手算一个归一化坐标为零、零点五的点对应的屏幕像素,再用映射公式验证,确认纵向翻转的方向。
- 在自己项目里把相机贴到墙边慢慢后退,记录墙面消失的距离,和近裁剪面的设定值比对,确认消失点就在那个距离附近。
小结
透视就是近大远小,视锥由视场角和近远裁剪面围成。投影之后先得到齐次坐标,必须先用 w 的正负筛掉相机背后的点,再按负一到一裁剪,最后才除以 w 得到归一化坐标。深度精度集中在近处,近裁剪面越小,远处越容易发生深度冲突。
下一篇进入光栅化:一个三角形确定在屏幕范围内之后,到底怎么变成一个个像素,深度测试发生在哪一步,以及为什么两面墙会互相穿插、半透明物体为什么不能靠深度测试排序。