做产品展示页的同事遇到一个怪事:他想让手表在原地自转,结果手表绕着展厅中心画了一个大圈,转得越久离展台越远。代码里只有一句旋转,看起来完全正确。后来把旋转放到平移前面,手表立刻老老实实待在原地。
另一个问题更隐蔽:同一个手表模型被拉长成椭圆形后,金属表壳的高光跑到了侧面,亮面暗面的分界线也和建模软件里不一样。改材质、改灯光、换色调映射都没用,因为问题不在着色,而在法线的方向已经被错误的矩阵拉歪了。
这类问题的共同点是:矩阵本身没写错,乘的顺序或者用错了矩阵。矩阵变换是图形学里最容易「看起来能跑但其实错了」的一环,因为错的结果往往还是一个能显示的画面,只是位置、比例或者光照不对。这篇把三个矩阵的分工、乘法顺序、齐次坐标、法线变换和视图矩阵的逆一次讲清,并用能跑的例子给出具体数值。
| 现象 | 真实原因 | 第一步查什么 |
|---|---|---|
| 模型绕着场景中心公转,不在原地自转 | 旋转矩阵作用在世界坐标上,转轴是世界原点而不是模型中心 | 确认变换顺序是先平移到位再旋转,还是先旋转再平移 |
| 缩放后物体位置整体偏移 | 缩放放在了平移之后,位移也被一起放大 | 打印矩阵链,确认是平移乘旋转乘缩放,而不是反过来 |
| 非均匀缩放后高光和明暗分界跑偏 | 法线直接用了模型矩阵,没用它的逆转置 | 检查法线变换矩阵,变换后是否重新归一化 |
| 物体越远抖动越厉害 | 世界坐标数值过大,投影后有效精度不足 | 看场景坐标量级和近裁剪面设置,考虑把原点挪到场景中心 |
| 相机一动,整个场景往反方向飞 | 把相机的世界矩阵当成视图矩阵,方向反了 | 检查视图矩阵是否由相机矩阵求逆得到 |
| 旋转九十度后模型变成镜像 | 行主序与列主序混淆,或者左手系与右手系混用 | 用单位向量代入矩阵,手算一次结果对不对 |
| 子物体跟着父物体转时飞出很远 | 父子矩阵相乘顺序反了,子变换被当成了世界变换 | 确认是父矩阵乘子矩阵,且子矩阵是局部坐标 |
| 两个朝向之间插值出现奇怪的扭动 | 用欧拉角插值遇到万向锁,或四元数没有归一化 | 检查旋转的表示方式和插值前后模长 |
三个矩阵,三段路程
一个顶点从模型文件走到屏幕,要经过三段路程,每段对应一个矩阵。名字容易混,但只要记住「谁相对谁」就不会乱。
模型矩阵管「这个物体在哪」。它通常由平移、旋转、缩放三个矩阵乘出来。视图矩阵管「相机在哪、朝哪看」,它是相机世界矩阵的逆,所以相机往右走,等价于世界往左移。投影矩阵管「怎么把三维压到二维」,它不改物体的实际位置,只改表示方式,让后面的裁剪和深度比较有统一标准。
三者串起来就是常说的 MVP:投影乘视图乘模型,再乘顶点坐标。注意方向:顶点在右边,矩阵在左边,从右往左依次作用。写成代码时很多人习惯从左往右读,于是把顺序写反,症状就是物体位置对但旋转错,或者旋转对但位置错。矩阵怎么定义、乘法为什么这样算,数学方向的向量与矩阵讲得更细;矩阵乘法的几何含义可以看矩阵乘法与几何变换。
实际项目里不会真的对每个顶点做三次矩阵乘法。三个矩阵先乘成一个总矩阵,每个顶点只和它乘一次,计算量从四十八个乘加降到十六个。这个总矩阵每帧更新一次,放在统一变量里,所有顶点共用。这也解释了为什么改相机参数只需要更新一个矩阵,而不是遍历场景里的每个物体。
顺序不能换,因为矩阵不可交换
用一个具体例子说明。取一个位于原点的点,先沿 x 轴拉长两倍,再绕 y 轴转九十度,最后平移到 x 等于三。换三种顺序,得到三个完全不同的位置。
import math
def mul(a, b):
return [[sum(a[i][k] * b[k][j] for k in range(4)) for j in range(4)] for i in range(4)]
def apply(m, p):
return [sum(m[i][j] * p[j] for j in range(4)) for i in range(4)]
def T(x, y, z):
return [[1, 0, 0, x], [0, 1, 0, y], [0, 0, 1, z], [0, 0, 0, 1]]
def S(x, y, z):
return [[x, 0, 0, 0], [0, y, 0, 0], [0, 0, z, 0], [0, 0, 0, 1]]
def Ry(deg):
c, s = math.cos(math.radians(deg)), math.sin(math.radians(deg))
return [[c, 0, s, 0], [0, 1, 0, 0], [-s, 0, c, 0], [0, 0, 0, 1]]
p = [1, 0, 0, 1]
trs = mul(mul(T(3, 0, 0), Ry(90)), S(2, 1, 1))
rts = mul(mul(Ry(90), T(3, 0, 0)), S(2, 1, 1))
srt = mul(mul(S(2, 1, 1), Ry(90)), T(3, 0, 0))
for name, m in [("T*R*S", trs), ("R*T*S", rts), ("S*R*T", srt)]:
q = apply(m, p)
print(name, [round(v, 3) for v in q[:3]])
在本机 Python 3.15 上实际运行,输出如下:
T*R*S [3.0, 0.0, -2.0]
R*T*S [0.0, 0, -5.0]
S*R*T [0.0, 0.0, -4.0]
第一种是常见的「先缩放、再旋转、最后平移」,结果落在 x 等于三、z 等于负二。第二种把平移放进了旋转之前,点先被挪到 x 等于五,再绕原点转九十度,于是跑到 z 等于负五,离原点五米远。第三种先平移再旋转再缩放,缩放又把位移一起放大,最后停在 z 等于负四。
所以「让物体在原地转」的正确写法不是只写一个旋转矩阵,而是先把物体的中心平移到原点,转完再平移回去,或者把旋转轴设成经过物体中心的轴。模型矩阵内部的顺序也一样:缩放、旋转、平移,对应 S 乘 R 乘 T,从右往左作用在顶点上。
父子节点还有一个额外规则。子物体的世界矩阵等于父物体世界矩阵乘子物体局部矩阵,顺序不能反。反过来乘,等于把子物体的局部变换当成世界变换用,父物体一转,子物体就会绕着错误的中心飞出去。层级越深,这个错误放大得越明显。
为什么大家习惯把平移放在最后?因为人描述一个物体的姿态时,最先说的是「多大、朝哪个方向」,最后才说「放在哪」。数学上的顺序正好相反:先缩放把单位尺寸调好,再旋转摆正朝向,最后平移到目标位置。只要这三步的语义清楚了,从右往左乘就不会写反。
法线不能用同一个矩阵
顶点位置用模型矩阵变换,这没问题。法线不能照搬,因为法线表示的是「方向垂直」,不是一个点。把模型沿 x 轴拉长两倍后,原本四十五度的斜面会变得更陡,法线应该更偏向 x 轴的反方向;但如果直接拿缩放矩阵去乘法线,得到的却是更偏向 x 轴正方向,正好相反。
正确做法是用模型矩阵左上角三乘三部分的逆转置,变换完再归一化。原因用一句话说:法线要和表面上的切线保持垂直,切线随缩放变化的方式是乘矩阵,要保持点积为零,法线就得乘转置再乘逆。下面把两种算法的结果都算出来。
import math
def S(x, y, z):
return [[x, 0, 0, 0], [0, y, 0, 0], [0, 0, z, 0], [0, 0, 0, 1]]
n = [1, 1, 0]
m3 = [row[:3] for row in S(2, 1, 1)[:3]]
direct = [sum(m3[i][j] * n[j] for j in range(3)) for i in range(3)]
length = math.sqrt(sum(v * v for v in direct))
direct = [v / length for v in direct]
inv_t = [[0.5, 0, 0], [0, 1, 0], [0, 0, 1]]
correct = [sum(inv_t[i][j] * n[j] for j in range(3)) for i in range(3)]
length = math.sqrt(sum(v * v for v in correct))
correct = [v / length for v in correct]
dot = sum(a * b for a, b in zip(direct, correct))
print("direct normal:", [round(v, 3) for v in direct])
print("inverse-transpose normal:", [round(v, 3) for v in correct])
print("angle between them:", round(math.degrees(math.acos(dot)), 2), "deg")
在本机 Python 3.15 上实际运行,输出如下:
direct normal: [0.894, 0.447, 0.0]
inverse-transpose normal: [0.447, 0.894, 0.0]
angle between them: 36.87 deg
两个方向差了三十六点八七度,这不是微小误差,而是明显的错误。在光照里,法线决定亮暗,差三十多度足以让高光完全跑到另一侧。更麻烦的是,只有非均匀缩放才会出这个问题,等比缩放时两个结果一致,所以测试时很容易漏掉。
还要记住归一化。逆转置变换后法线的长度会变,不归一化就拿去做点积,等于把亮度整体放大或缩小。很多「模型缩放后整体变暗」的问题,根子就在这里。
换个角度理解这件事:法线是表面的朝向,表面被压扁或拉长,朝向当然跟着变。想象一块斜放的玻璃,你从侧面把它压窄,玻璃变得更陡,法线更偏向水平方向。这个变化不是简单乘一个数能表达的,必须用「反着缩放」的方式算,逆转置做的就是这件事。反过来,如果模型只有旋转和平移,逆转置就等于原来的旋转部分,可以直接用,这也是很多简单场景没暴露问题的原因。
平移为什么需要第四个数
三维坐标只有三个数,三乘三矩阵只能做旋转、缩放、错切,做不了平移:无论怎么乘,原点还是原点。解决办法是齐次坐标,也就是用四个数表示一个三维点,前三个是坐标,第四个固定写一。这样平移可以塞进矩阵的最后一列,变成一次普通的矩阵乘法。
第四个分量在投影之后还有第二个用途:存深度或者存「需要除以的因子」。正交投影里它保持一,透视投影里它等于相机到点的距离,做完除法就得到归一化的屏幕坐标。这也是下一篇要讲的裁剪和 NDC 的入口。
注意第四个分量不能随便丢。有人为了省事,把四乘四矩阵砍成三乘三,只乘前三个分量,平移就整个失效,物体全部挤在原点附近。还有人做完变换忘了把结果的前三个分量除以第四个,远的东西大小不对、位置也偏。这两种错误都很常见,而且都只在透视投影下才明显。
代价是每个顶点多一个数,每次变换多一列乘加。这个代价很小,换来的是旋转、缩放、平移可以用同一种运算串起来,也可以把一整串变换预先乘成一个矩阵,每个顶点只做一次矩阵乘法。层级多的场景靠这个省下大量计算。
视图矩阵是相机的逆
视图矩阵经常被写错,因为它和「相机的位置」方向相反。相机往右移一米,世界相对相机就往左移一米;相机抬头,世界相对相机就低头。数学上,如果相机矩阵把相机从原点搬到它的位置和朝向,那么视图矩阵就是它的逆。
常见构造方式是先算三个互相垂直的轴:相机看向的方向、世界上方向叉乘得到右方向、右方向叉乘看向方向得到真正的上方向。把这三个轴和相机位置拼成一个矩阵,再求逆,或者直接用转置加平移的负值拼出视图矩阵。两种写法等价,前提是旋转部分只有旋转没有缩放。
如果误把相机矩阵直接当视图矩阵用,看到的画面会像是从相机背后往前看,或者距离翻倍、左右颠倒。更隐蔽的情况是相机有父节点,父节点的变换没有参与求逆,于是相机一动,整个世界跟着平移两次。
还有一个实践细节:视图矩阵最好在每帧只算一次,不要在顶点着色器里对每个顶点重复构造。它是所有顶点共享的,属于统一变量;把不变的东西挪到外面,是图形学里最便宜的优化。
同样地,模型矩阵里的旋转部分如果是单位正交的,求逆只需要转置,不必真的跑一遍高斯消元。场景里有几千个物体时,这个差别不小。但前提是缩放已经单独拿出来,否则转置得到的不是逆,而是转置,两者只在正交矩阵上相等。
边界与代价
矩阵变换的第一个边界是精度。三十二位浮点在坐标数值很大时会丢有效位,世界坐标到了几万米,模型表面的细节就开始抖。解决办法不是提高精度,而是把场景原点挪到当前关注区域附近,或者把远近裁剪面的比例控制得合理一些。
第二个边界是可逆性。缩放矩阵有一个分量为零时不可逆,求不出逆转置,法线会变成无穷大或者未定义。工程上不允许任何轴向缩放为零,也不建议用负数缩放来翻转模型,因为那会把三角形绕序反过来,背面剔除会把正面剔掉,模型看起来像透明的。
第三个边界是旋转的表示。用欧拉角存朝向,两个轴重合时会出现万向锁,插值会突然跳变;用四元数插值更稳,但必须保证单位长度,否则会把缩放混进旋转。这些都不是矩阵本身的问题,而是「用三个角描述三维旋转」这件事天生有奇点。
还有一个工程上的坑:矩阵在内存里的排列顺序。有的图形接口按行存,有的按列存,同一个数组喂进去,可能被解释成转置。症状是旋转方向反了、平移跑到别的轴上,但数值看起来都「差不多」。排查方法很土也很有效:拿一个只在 x 轴上有平移的矩阵,打印出来看那个三落在第几个位置,和接口文档对一遍。
最后是计算量。每个顶点要做三次四乘四矩阵乘法,每次十六个乘加,合计四十八个乘加;一百万个顶点就是四千八百万次。听起来多,但显卡就是为这个设计的,通常不是瓶颈。真正贵的是每个片元里重复算本可以预先算好的矩阵,或者每帧重建整棵场景树的矩阵。
五条当天能自验的练习
- 把上面脚本里的旋转角度从九十度改成四十五度,手算点的新位置,再和程序输出比对,确认自己理解了从右往左的作用顺序。
- 把缩放改成三轴等比的两倍,重新跑法线那段,观察直接变换和逆转置的结果是否一致,理解为什么等比缩放掩盖了这个问题。
- 在自己项目里找一个会自转的物体,打印它的模型矩阵,检查平移分量是不是在最后一列、旋转部分是不是正交,确认没有把缩放混进旋转。
- 把相机位置写死成看向原点,手算视图矩阵的平移分量,应该等于相机位置的负值,和代码里的矩阵逐个元素比对。
- 把一个子物体挂到会旋转的父物体下,先按父乘子、再按子乘父各跑一次,记录子物体位置,确认只有前者能让子物体跟着父物体转。
小结
三个矩阵分工明确:模型矩阵摆物体,视图矩阵搬相机,投影矩阵压视锥。乘法顺序从右往左作用在顶点上,先缩放、再旋转、最后平移;法线要用模型矩阵的逆转置并归一化;平移靠齐次坐标的第四个数;视图矩阵是相机矩阵的逆。
下一篇接着往下走:投影矩阵到底把视锥压成了什么形状,为什么有的点除法之后跑到屏幕外,相机贴到物体上时为什么会突然消失,以及裁剪到底发生在除法之前还是之后。