如果你刚开始接触3D Gaussian Splatting（3DGS），大概率会看到这样一句话：
“将非线性透视投影近似为仿射变换。”
同时，如果你做过直接法视觉SLAM（如DSO），可能会在光度误差的雅可比推导里看到一个眼熟的矩阵，心里犯嘀咕：这不就是同一个东西吗？
更让人困惑的是，有些资料说“正交投影是仿射变换”，那3DGS里的“近似成仿射变换”是不是就等于把透视换成了平行光线？仿射变换到底包不包括缩放？
这篇文章就是要把这些疙瘩一次性解开。
1. 非线性透视 vs 仿射变换：它们本来是谁？
非线性透视投影
就是我们最熟悉的针孔相机模型。一个三维点 ((X,Y,Z)) 在图像上的像素坐标是：
这里有一个除以深度 (Z)的操作，因此整个映射是非线性的。这种非线性带来了近大远小的透视效应，但它有一个“麻烦”：如果把一个完整的高斯分布（带有协方差）直接通过这个非线性函数，投影后的分布就不再是高斯了，无法用简单的2D高斯去表达和渲染。
仿射变换
仿射变换的数学形式是“线性变换 + 平移”
线性部分可以是任意矩阵，所以它不仅可以旋转、平移，还可以缩放、剪切、反射。换句话说，仿射变换的范围远比“刚体变换（旋转+平移）”要宽。
在几何上，仿射变换保持直线的平行性，但会改变长度和角度。
2. 3DGS 里的那个神秘雅可比 J
3DGS 为了把3D高斯渲染到屏幕上，需要对每个高斯的中心点做一次局部线性化。这个线性化的核心就是投影函数对三维点的雅可比矩阵：
它是一个2×3 矩阵，描述了在某个三维点附近，像素坐标如何随三维位置而变化。
有了，再结合世界到相机的刚体变换
，3D协方差 (
) 投影到2D时就可以写成：
这里的 () 就是那个“局部仿射变换”的线性部分。高斯中心本身仍然用原始非线性投影求像素位置（相当于仿射变换里的“平移”项）。
从一阶泰勒展开看：
我们在当前高斯的中心点处，用切线代替了原本弯曲的透视曲线。因此，这个近似只在当前高斯的小邻域里成立，并且每个高斯有自己的深度 (Z)，也就有自己的 ()。
3. 直接法视觉SLAM里的“同款”J
如果你熟悉直接法SLAM，比如在DSO中构造光度误差：
为了优化相机位姿或逆深度，需要用链式法则求导，中间必然出现一项：
这正是刚才那个2×3 的雅可比 J。
所以，SLAM里看到的 J 和 3DGS 里的 J 在数学上是一模一样的东西，都是针孔投影函数的一阶导数。区别只在于“用途”：
在SLAM中，它用来计算梯度，指导位姿或深度更新，是迭代优化的临时工具。每一步重新线性化，直到收敛。
在3DGS中，它被固化进渲染过程，用来把3D高斯近似地压扁成2D高斯，保持高斯形状以进行高效光栅化。一帧之内不再改变。
一个用来求解，一个用来近似表达。
4. 辨析：仿射变换到底包含什么？
很多人下意识以为仿射变换就是“旋转+平移”，这是一个常见的误解。
实际上：
旋转+平移→ 刚体变换（欧氏变换），是仿射变换的一个子集。
仿射变换= 线性变换 + 平移，线性部分可以包含：缩放（均匀或不均匀）、剪切、旋转、反射等任意组合。
在3DGS里，中因为存在 (
) 和 (
)，天然包含了深度相关的不均匀缩放和剪切成分。它绝不是一个简单的旋转。
5. 透视投影 vs 正交投影：点光源与平行光
这里有一个物理直觉上的正确对应：
点光源（针孔相机）→ 光线汇聚于一点 →透视投影，需要除以深度，非线性，近大远小。
平行光线（远心镜头/无穷远光源）→正交投影，直接扔掉深度坐标或仅做缩放，是线性的，没有近大远小。
而且，正交投影在数学上就是一种仿射变换。一个典型的正交投影可以写成：
没有任何除以 (Z) 的操作，显然是仿射的。
但是，这绝不意味着3DGS里把透视近似成仿射变换，就等于换成了正交投影。
6. 3DGS 的仿射近似并不是变成了平行光线
这是最容易被错误关联的一点。
3DGS 的局部仿射矩阵中，元素里依然包含 (
) 和 (
)，会随深度变化而显著改变。因此：
它不是一个全局统一的正交投影（那会完全丢弃深度影响）。
它只是在单个高斯的小范围内，把局部的一小段透视曲线拉直成一条直线（仿射映射）。
不同深度的不同高斯，有完全不同的
。整幅图像拼在一起，依然完美地保留了近大远小的透视效果。
你可以这样形象理解：
真实的透视投影是一条完整的曲线；正交投影是另一条从头到底的直线。而3DGS的做法，是在曲线上的每个采样点处，用一小段切线（直线）去贴合曲线。整条曲线还是弯的，但每一小段是直的。
因此，3DGS的“仿射近似”是一种局部线性化，底层的光学模型依然是点光源透视，与把整个成像模型换成正交投影有本质区别。
结语
回到最初的那句话——“将非线性透视近似为仿射变换”，我们现在可以准确地解读它了：
非线性透视是带除法的针孔投影。
仿射变换是任意线性变换加平移，包含缩放、剪切等。
这处近似是通过投影函数的雅可比 J在一阶泰勒展开下完成的，只在局部成立。
这个 J 和直接法SLAM中用于梯度计算的 J 完全相同，只是被分别赋予了“渲染近似”和“优化引导”的不同使命。
它不会把透视变成正交投影，只是用“小直线段”去逼近“大曲线”。
理解了这些，再去看3DGS的论文或代码，那些围绕着协方差投影、雅可比、仿射近似的模块就会变得非常通透。希望这篇博客能帮你扫清这些常见的概念雷区。
