安卓自定义View进阶-Matrix原理

来源：互联网发布：网页美工的工作内容编辑：程序博客网时间：2024/05/21 22:42

Matrix原理

作者微博: @GcsSloop

【本系列相关文章】

前言

本文内容偏向理论，和画布操作有重叠的部分，本文会让你更加深入的了解其中的原理。

本篇的主角Matrix，是一个一直在后台默默工作的劳动模范，虽然我们所有看到View背后都有着Matrix的功劳，但我们却很少见到它，本篇我们就看看它是何方神圣吧。

由于Google已经对这一部分已经做了很好的封装，所以跳过本部分对实际开发影响并不会太大，不想深究的粗略浏览即可，下一篇中将会详细讲解Matrix的具体用法和技巧。

Matrix简介

Matrix是一个矩阵，主要功能是坐标映射，数值转换。

它看起来大概是下面这样:

$\left [ \begin{matrix} MSCALE\_X & MSKEW\_X & MTRANS\_X \\MSKEW\_Y & MSCALE\_Y & MTRANS\_Y \\MPERSP\_0 & MPERSP\_1 & MPERSP\_2 \end{1} \right ]$

Matrix作用就是坐标映射，那么为什么需要Matrix呢? 举一个简单的例子:

我的的手机屏幕作为物理设备，其物理坐标系是从左上角开始的，但我们在开发的时候通常不会使用这一坐标系，而是使用内容区的坐标系。

以下图为例，我们的内容区和屏幕坐标系还相差一个通知栏加一个标题栏的距离，所以两者是不重合的，我们在内容区的坐标系中的内容最终绘制的时候肯定要转换为实际的物理坐标系来绘制，Matrix在此处的作用就是转换这些数值。

>
假设通知栏高度为20像素，导航栏高度为40像素,那么我们在内容区的(0，0)位置绘制一个点，最终就要转化为在实际坐标系中的(0，60)位置绘制一个点。

以上是仅作为一个简单的示例，实际上不论2D还是3D，我们要将图形显示在屏幕上，都离不开Matrix，所以说Matrix是一个在背后辛勤工作的劳模。

Matrix特点

作用范围更广，Matrix在View，图片，动画效果等各个方面均有运用，相比与之前讲解等画布操作应用范围更广。
更加灵活，画布操作是对Matrix的封装，Matrix作为更接近底层的东西，必然要比画布操作更加灵活。
封装很好，Matrix本身对各个方法就做了很好的封装，让开发者可以很方便的操作Matrix。
难以深入理解，很难理解中各个数值的意义，以及操作规律，如果不了解矩阵，也很难理解前乘，后乘。

常见误解

1.认为Matrix最下面的一行的三个参数(MPERSP_0、MPERSP_1、MPERSP_2)没有什么太大的作用，在这里只是为了凑数。

实际上最后一行参数在3D变换中有着至关重要的作用，这一点会在后面中Camera一文中详细介绍。

2.最后一个参数MPERSP_2被解释为scale

的确，更改MPERSP_2的值能够达到类似缩放的效果，但这是因为齐次坐标的缘故，并非这个参数的实际功能。

Matrix基本原理

Matrix 是一个矩阵，最根本的作用就是坐标转换，下面我们就看看几种常见变换的原理:

我们所用到的变换均属于仿射变换，仿射变换是线性变换(缩放，旋转，错切) 和平移变换(平移) 的复合，由于这些概念对于我们作用并不大，此处不过多介绍，有兴趣可自行了解。

基本变换有4种: 平移(translate)、缩放(scale)、旋转(rotate) 和错切(skew)。

下面我们看一下四种变换都是由哪些参数控制的。

从上图可以看到最后三个参数是控制透视的，这三个参数主要在3D效果中运用，通常为(0, 0, 1)，不在本篇讨论范围内，暂不过多叙述，会在之后对文章中详述其作用。

由于我们以下大部分的计算都是基于矩阵乘法规则，如果你已经把线性代数还给了老师，请参考一下这里:
维基百科-矩阵乘法

1.缩放(Scale)

$x = k_1 x_0$

$y = k_2 y_0$

用矩阵表示:

$\left [ \begin{matrix} x\\y\\1\end{1} \right ] = \left [ \begin{matrix} k_1 & 0 & 0 \\ 0 & k_2 & 0 \\ 0 & 0 & 1\end{1} \right ] \left [ \begin{matrix} x_0 \\y_0 \\1\end{1} \right ]$

你可能注意到了，我们坐标多了一个1，这是使用了齐次坐标系的缘故，在数学中我们的点和向量都是这样表示的(x, y)，两者看起来一样，计算机无法区分，为此让计算机也可以区分它们，增加了一个标志位，增加之后看起来是这样:
(x, y, 1) - 点

(x, y, 0) - 向量
另外，齐次坐标具有等比的性质，(2,3,1)、(4,6,2)…(2N,3N,N)表示的均是(2,3)这一个点。(将MPERSP_2解释为scale这一误解就源于此)。

图例：

2.错切(Skew)

错切存在两种特殊错切，水平错切(平行X轴)和垂直错切(平行Y轴)。

水平错切

$x = x_0 + ky_0$

$y = y_0$

用矩阵表示:

$\left [ \begin{matrix} x\\y\\1\end{1} \right ] = \left [ \begin{matrix} 1 & k & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1\end{1} \right ] \left [ \begin{matrix} x_0\\y_0\\1\end{1} \right ]$

图例:

垂直错切

$x = x_0$

$y = kx_0 + y_0$

用矩阵表示:

$\left [ \begin{matrix} x\\y\\1\end{1} \right ] = \left [ \begin{matrix} 1 & 0 & 0 \\ k & 1 & 0 \\ 0 & 0 & 1\end{1} \right ] \left [ \begin{matrix} x_0\\y_0\\1\end{1} \right ]$

图例:

复合错切

水平错切和垂直错切的复合。

$x = x_0 + k_1 y_0$

$y = k_2 x_0 + y_0$

用矩阵表示:

$\left [ \begin{matrix} x\\y\\1\end{1} \right ] = \left [ \begin{matrix} 1 & k_1 & 0 \\ k_2 & 1 & 0 \\ 0 & 0 & 1\end{1} \right ] \left [ \begin{matrix} x_0\\y_0\\1\end{1} \right ]$

图例:

3.旋转(Rotate)

假定一个点 A(x₀, y₀) ,距离原点距离为 r, 与水平轴夹角为 α 度, 绕原点旋转 θ 度, 旋转后为点 B(x, y) 如下:

$x_0 = r \cdot cos \alpha$

$y_0 = r \cdot sin \alpha$

$x = r \cdot cos( \alpha + \theta) = r \cdot cos \alpha \cdot cos \theta - r \cdot sin \alpha \cdot sin \theta = x_0 \cdot cos \theta - y_0 \cdot sin \theta$

$y = r \cdot sin( \alpha + \theta) = r \cdot sin \alpha \cdot cos \theta + r \cdot cos \alpha \cdot sin \theta = y_0 \cdot cos \theta + x_0 \cdot sin \theta$

用矩阵表示:

$\left [ \begin{matrix} x\\y\\1\end{1} \right ] = \left [ \begin{matrix} cos(\theta) & -sin(\theta) & 0 \\sin(\theta) & cos(\theta) & 0 \\ 0 & 0 & 1\end{1} \right ] . \left [ \begin{matrix} x_0\\y_0\\1\end{1} \right ]$

图例:

4.平移(Translate)

此处也是使用齐次坐标的优点体现之一，实际上前面的三个操作使用 2x2 的矩阵也能满足需求，但是使用 2x2 的矩阵，无法将平移操作加入其中，而将坐标扩展为齐次坐标后，将矩阵扩展为 3x3 就可以将算法统一，四种算法均可以使用矩阵乘法完成。

$x = x_0 + \Delta x$

$y = y_0 + \Delta y$

用矩阵表示:

$\left [ \begin{matrix} x\\y\\1\end{1} \right ] = \left [ \begin{matrix} 1 & 0 & \Delta x \\0 & 1 & \Delta y \\0 & 0 & 1\end{1} \right ] . \left [ \begin{matrix} x_0\\y_0\\1\end{1} \right ]$

图例:

0 0