来自android.opengl.Matrix.translateM(float[] m, int mOffset, float x, float y, float z)
的{{3}}:
/**
* Translates matrix m by x, y, and z in place.
* @param m matrix
* @param mOffset index into m where the matrix starts
* @param x translation factor x
* @param y translation factor y
* @param z translation factor z
*/
public static void translateM(
float[] m, int mOffset,
float x, float y, float z) {
for (int i=0 ; i<4 ; i++) {
int mi = mOffset + i;
m[12 + mi] += m[mi] * x + m[4 + mi] * y + m[8 + mi] * z;
}
}
问题在于这一行(或整个for循环):
m[12 + mi] += m[mi] * x + m[4 + mi] * y + m[8 + mi] * z;
为什么转换参数的x,y和z分量在这里与源矩阵分量相乘?这不应该是简单的(这条线代替整个for-cycle):
m[12 + mi] += x;
m[13 + mi] += y;
m[14 + mi] += z;
问题背景:
我在OpenGL ES 2.0中做了一些2D游戏。我想扩大规模并在那里移动一些物体。虽然我简单地移动它:
Matrix.setIdentityM(mModelMatrix, 0);
Matrix.translateM(mModelMatrix, 0, x, y, 0);
一切都很好。一旦我在移动之前进行缩放 - 此时移动翻译:
Matrix.setIdentityM(mModelMatrix, 0);
Matrix.scaleM(mModelMatrix, 0, xScaleFactor, yScaleFactor, 1);
Matrix.translateM(mModelMatrix, 0, x, y, 0);
实际上乘以缩放:(
答案 0 :(得分:2)
OpenGL是列专业,缩放,旋转和翻译的正确顺序实际上是Translation * Rotation * Scaling
。在D3D和任何行主矩阵库中,Scale * Rotate * Translate
都是正确的。当你使用列主矩阵时,你必须考虑从右到左的事情。
或者,您可以在乘法之前转置每个矩阵 - 但通常只需遵循列主要矩阵乘法的规范顺序即可。请注意,这也适用于Position * Model * View * Projection
(D3D / row-major)之类的内容,在GL(column-major)中,正确的顺序为Projection * View * Model * Position
。
答案 1 :(得分:0)
translateM
模拟m
X T
的矩阵乘法,其中T
是转换矩阵。
翻译矩阵就像恒等矩阵(对角1),最后一列是 x,y,z,1 用于翻译。 ( 1 用于同质坐标,我将不讨论)。
假设您知道矩阵乘法(其中第一个操作数的每一行由第二个操作数的每一列成对加倍),则可以利用转换矩阵T
的细节来简化操作: / p>
它实际上并不创建转换矩阵T
,而是模拟乘法m x T
。大部分值不会改变(因为像身份矩阵一样),因此只需要计算会改变的值(涉及T
的最后一列)即可。
每个循环迭代将m
的一行与转换矩阵的最后一列(即x,y,z,1
)相乘。代码行将是(其中 i 是m
的行和T
的列):
m[12+i] = m[0+i]*x + m[4+i]*y + m[8+i]*z + m[12+i]*1f;
,但是它们使用+=
运算符对其进行了简化;使用mi
来补偿;并省略0+
。
不变的元素可以留在这里,因为translateM
的这个版本是“就地”。
请记住,它使用 column-major 形式的矩阵,并带有索引:
0 4 8 12
1 5 9 13
2 6 10 14
3 7 11 15
在遍历数组时,向下浏览一列中的每个元素,并在其末尾转到下一个列,依此类推。因此, i 行和列中的元素 j 位于m[i + 4*j]
。也就是说,下降是 +1 ,穿过是 +4 。 thr next(另一种方式是 row-major ,您可以在其中连续浏览,向下浏览到下一行等。打印起来更直观,但android.opengl.Matrix
的使用却不是。)< / p>
您的scaleM
和translateM
等价于S x T
(缩放矩阵S
,转换矩阵T
)。效果是从平移到缩放的从右向左(即向后)。因此,翻译也得到了扩展。
正如公认的答案所说,先进行translateM
然后scaleM
(即T x S
)具有缩放然后翻译的效果(因此翻译不会缩放)。
对此进行考虑的一种方法是,该矩阵最终将与列向量v
:(T x S) x v
相乘。从S x v = v'
缩放v
开始,然后用T x v'
转换结果,我们可以将它们合并为T x (S x v)
。必须首先进行缩放,这很自然。也许令人惊讶,因为矩阵乘法是 associative ,所以它与(T x S) x v
相同。如果我们忽略最后一个x v
(在GPU上完成),则我们有T x S
,表示“缩放,然后 then 转换”。最右边的矩阵是首先完成的。
顺便说一句,矩阵乘法的关联性就像Java字符串串联一样,其中求值顺序无关紧要,(a+b)+c = a+(b+c)
在那里(尽管操作数确实很重要,例如{{ 1}}-可交换)。这意味着我们可以选择适合我们的任何一部分。
顺便说一句:这里有几层:矩阵乘法,排序的效果,齐次坐标,平移矩阵,乘法排序的效果,列主形式,上面的乘法快捷键a+b+c != c+b+a
和{ {1}} mi`(用于一个数组中的许多矩阵)。
您可以理解很多编程知识,但是为此,最好依次进入每一层。