计算机图形学前四章精讲：从光栅化到三维变换的完整入门指南

计算机图形学这门课，我前前后后翻过不下五个版本的教材，但真正让我愿意放在手边反复查的，还是这本第四版的前四章。原因很简单：它把"图形是怎么从一堆数字变成屏幕上你能看见的东西"这件事，讲得足够扎实，又没堆砌太多让人望而生畏的数学。如果你正在学图形学、准备做渲染相关的项目，或者单纯想搞清楚游戏引擎里那些矩阵到底在干什么，这四章就是绕不过去的地基。我见过太多人一上来就啃光照模型、PBR、光线追踪，结果连齐次坐标为什么是四维都说不清楚，最后卡在"为什么我的三角形不显示"这种问题上。这篇东西就是把我自己读这四章、以及带别人入门时踩过的坑和总结的方法，完整地摊开讲一遍。

1. 前四章到底在讲什么，为什么这个顺序不能乱

1.1 从"画一条线"到"造一个世界"的认知路径

很多人拿到这本书，第一反应是翻目录看哪章最"高级"。但前四章的顺序其实是经过精心设计的，它对应的是人类理解图形生成的自然认知路径：先解决"二维平面上怎么画基本图形"，再解决"怎么把三维的东西投影到二维平面上"，然后解决"怎么用数学工具统一描述这些变换"，最后解决"怎么让计算机高效地执行这些计算"。

第一章讲的是图形系统的基本构成。你可能会觉得这章很"水"，讲什么光栅扫描、帧缓冲、显示处理器，好像跟写代码没关系。但我实测下来，这章恰恰是后面所有内容的地基。比如你后面学光栅化算法时，如果不理解帧缓冲的概念，就搞不懂为什么画三角形的顺序会影响最终颜色，也理解不了深度缓冲到底在哪个环节起作用。这章还引入了图形管线的雏形概念，虽然第四版把可编程管线的细节往后放了，但前四章里对固定管线流程的描述，反而是理解现代管线"哪些环节被可编程替代了"的最佳参照。

第二章是二维图形生成算法，核心就是画线、画圆、填充多边形。DDA算法、Bresenham算法、中点画圆法，这些名字听起来像古董，但它们是理解"离散像素如何逼近连续几何"的最佳入口。我见过有人觉得这些算法过时了，直接跳过，结果后面做抗锯齿时完全无法理解为什么会有锯齿、为什么需要采样。Bresenham的精髓在于只用整数加减和移位就能决定下一个像素点画在哪，这种"用最少的计算量做最精确的逼近"的思路，贯穿了整个图形学的优化哲学。

第三章进入二维变换和观察。这里开始出现矩阵，出现齐次坐标。很多人的第一个大坎就在这里。为什么平移不能用2x2矩阵表示？为什么要升到三维？为什么旋转矩阵长那样？这些问题如果不在这一章解决，后面三维变换会直接崩盘。这章还会讲窗口到视口的变换，也就是你常听说的"视口变换"，它解释了为什么你设置的逻辑坐标和屏幕上实际像素位置能对应上。

第四章是三维变换和观察，是前四章的集大成者。三维平移、旋转、缩放，绕任意轴的旋转，投影变换，正交投影和透视投影的区别，观察变换和视点坐标系。这章学完，你就能理解一个三维模型从模型空间到世界空间、到相机空间、到裁剪空间、最后到屏幕空间的完整旅程。这个旅程就是图形管线的核心骨架。

1.2 为什么有人学完还是不会写代码

我观察到一个很普遍的现象：很多人把这四章当数学课学，公式推导看懂了，例题会做了，但一打开代码编辑器就懵。问题出在"数学表达"和"工程实现"之间的鸿沟。教材上的矩阵是抽象的，但代码里的矩阵是有内存布局的，是行主序还是列主序，乘法顺序是左乘还是右乘，这些细节教材往往一笔带过，但恰恰是导致"三角形不显示"的元凶。

另一个问题是，教材的算法描述是理想化的，但实际实现要考虑浮点数精度、边界情况、性能优化。比如Bresenham算法在斜率大于1时要做对称处理，教材可能只讲了斜率在0到1之间的情况，你直接照搬代码，画陡峭的线就会出错。这些"教材没讲但你必须知道"的东西，才是从看懂到会做的关键。

2. 二维图元生成：那些看似过时却极其重要的算法

2.1 DDA与Bresenham的本质区别，以及为什么后者赢了

DDA算法的思路非常直观：直线的斜率是dy/dx，那么x每增加1，y就增加斜率值，然后对y取整得到像素位置。这个算法的问题在于，它依赖浮点数运算。在早期计算机上，浮点运算比整数运算慢得多，而且每次累加浮点数会引入精度误差，画长线时误差会累积，导致线条偏移。

Bresenham算法的精妙之处在于，它把"判断下一个像素点选右边还是右上"这个问题，转化成了一个整数误差项的符号判断。具体来说，它维护一个决策参数，这个参数初始值由dx和dy计算得出，每步根据符号决定y是否递增，然后更新决策参数。整个过程只有整数加减和乘2（可以用移位实现），没有浮点，没有除法，没有取整。

我实测过，在同样的硬件上画一条1000像素的线，Bresenham比DDA快将近一倍，而且画出来的线完全精确，没有累积误差。这就是为什么从早期的绘图仪到现在的GPU光栅化，Bresenham的思想一直在用。

注意：教材上通常只推导斜率在0到1之间的情况。当斜率绝对值大于1时，你需要交换x和y的角色，以y为驱动变量。当斜率为负时，要对y的增量取反。这三个分支必须都处理，否则画出来的线会缺一段或者方向错误。

2.2 中点画圆法与圆的八对称性

画圆比画线复杂，因为圆的方程是二次的。最朴素的方法是遍历x，计算y=sqrt(r²-x²)，但这样每步都要开方，而且靠近x=±r时斜率无穷大，像素会稀疏。

中点画圆法利用了圆的八对称性：你只需要计算45度到90度这八分之一圆弧上的像素，其余七个八分之一圆弧可以通过对称变换得到。具体做法是，从点(0, r)开始，决策参数初始值为1-r，然后每步判断中点在圆内还是圆外，决定下一个像素是选右边还是右下。决策参数的更新也是纯整数运算。

这个算法的工程价值在于，它把计算量降到了原来的八分之一，而且完全避免了浮点运算。我在一个嵌入式绘图项目里用过这个算法，在只有几KB内存的单片机上画圆，流畅得超出预期。

2.3 多边形填充：扫描线算法的边界处理和活性边表

多边形填充是二维图形生成里最接近"实用"的部分。扫描线算法的核心思想是：用一条水平扫描线从上到下扫过多边形，每条扫描线与多边形边界的交点成对出现，每对交点之间的像素就是要填充的区间。

这个算法的难点不在思路，而在边界处理。顶点处的交点怎么算？如果扫描线正好穿过一个顶点，这个顶点算一个交点还是两个？如果算一个，那么当这个顶点是局部极值点时，会导致交点配对错误，填充区域会多一块或少一块。标准的处理方法是：对于顶点，如果它是局部极值点（即相邻两条边在顶点的同一侧），则算两个交点；否则算一个。这个规则教材上通常有讲，但很多人实现时忽略，导致填充结果在顶点附近出现毛刺。

活性边表是扫描线算法的工程优化。与其每次扫描都遍历所有边求交点，不如维护一个按y坐标排序的边表，随着扫描线移动，动态地加入新边、移除旧边。这样每条边只在它跨越的扫描线范围内被处理，效率大幅提升。这个数据结构的思想，在后面深度缓冲、光线求交等地方还会反复出现。

实操心得：扫描线算法在处理自相交多边形时会出现问题，因为交点配对可能跨越了多边形的不同部分。如果你的应用场景需要处理复杂多边形，要么先做三角剖分，要么用奇偶规则或非零环绕规则来定义填充区域。教材上通常默认多边形是简单多边形，但实际项目里什么形状都有。

3. 二维变换与齐次坐标：那个让无数人卡住的坎

3.1 为什么平移需要齐次坐标

这是图形学里最经典的"为什么"之一。二维平移是x' = x + tx, y' = y + ty。如果你用2x2矩阵表示，只能表示线性变换，也就是旋转、缩放、错切这些保持原点不变的变换。平移会改变原点位置，所以无法用2x2矩阵表示。

解决方案是升维：把二维点(x, y)表示成三维齐次坐标(x, y, 1)，然后用3x3矩阵表示变换。平移矩阵的第三列前两个元素就是tx和ty。这样，平移、旋转、缩放、错切都可以统一用3x3矩阵表示，多个变换可以合并成一个矩阵，大大简化了计算。

齐次坐标还有一个好处：它可以表示无穷远点。当w分量为0时，(x, y, 0)表示方向向量而非位置点。这在后面做投影变换时非常关键，因为透视投影的本质就是把有限远的点映射到w分量上，然后做透视除法。

3.2 变换的复合顺序：为什么先缩放再旋转和先旋转再缩放不一样

矩阵乘法不满足交换律，所以变换顺序至关重要。假设你要对一个物体先缩放再旋转，复合矩阵是R·S；如果先旋转再缩放，复合矩阵是S·R。这两个结果完全不同。

我见过很多人在这里犯错：他们想绕物体自身的中心旋转，但直接用了旋转矩阵，结果物体绕着世界原点转了。正确的做法是先把物体平移到原点，旋转，再平移回去，复合矩阵是T⁻¹·R·T。这个"平移到原点-变换-平移回去"的模式，在后面绕任意点旋转、绕任意轴旋转时反复出现，是图形学里最基本的操作范式。

注意：矩阵乘法的顺序和变换的应用顺序是相反的。如果复合矩阵是M = A·B·C，那么对点p的变换是M·p = A·(B·(C·p))，也就是先应用C，再B，再A。这个"从右往左读"的规则，是初学矩阵变换时最容易搞混的地方。

3.3 窗口到视口的变换：逻辑坐标如何映射到屏幕像素

窗口是你在逻辑坐标系里定义的矩形区域，视口是屏幕上实际显示的区域。窗口到视口的变换本质上是一个缩放加平移：把窗口的宽高映射到视口的宽高，把窗口的左下角映射到视口的左下角。

这个变换的矩阵形式是：先平移使窗口左下角到原点，再缩放，再平移到视口左下角。具体参数是sx = viewport_width / window_width, sy = viewport_height / window_height。如果窗口和视口的宽高比不一致，图形会被拉伸变形。保持宽高比一致是避免变形的最简单方法，如果必须不一致，就要考虑是裁剪还是留黑边。

这个变换在游戏引擎里对应的是"视口变换"阶段，在OpenGL里对应的是glViewport函数。理解了这个变换，你就能明白为什么设置不同的视口参数，同样的模型会显示在不同位置和大小。

4. 三维变换与观察：从模型到屏幕的完整旅程

4.1 三维旋转：绕坐标轴、绕任意轴、欧拉角与万向节死锁

三维旋转比二维复杂得多，因为旋转轴可以是空间中的任意方向。绕坐标轴的旋转相对简单，分别绕x、y、z轴旋转的矩阵形式是固定的。但绕任意轴旋转就需要用到Rodrigues旋转公式，或者把任意轴分解成坐标轴分量的组合。

欧拉角用三个角度（通常叫俯仰角、偏航角、滚转角）来描述旋转，直观易懂，但存在万向节死锁问题：当两个旋转轴对齐时，会丢失一个自由度。这个问题在航空和机器人领域很常见，在图形学里表现为相机旋转到某些角度时行为异常。解决方案是用四元数，但四元数不在前四章的范围内，这里只需要知道欧拉角有这个坑就行。

绕任意轴旋转的矩阵推导是这章的难点。标准做法是：先把旋转轴平移到原点，然后旋转使轴与某个坐标轴对齐，绕该坐标轴旋转，再逆变换回去。这个"对齐-旋转-逆变换"的思路，和二维里"平移到原点-旋转-平移回去"是一脉相承的。

4.2 正交投影与透视投影：两种观察世界的视角

正交投影假设观察者在无穷远处，投影线平行，物体的大小不随距离变化。它的投影矩阵很简单：把某个坐标轴方向压扁，其余保持不变。正交投影在工程制图、CAD软件里很常用，因为它能保持物体的实际比例。

透视投影模拟人眼的观察方式，投影线汇聚于一点，物体近大远小。透视投影矩阵的推导需要用到相似三角形：视锥体（frustum）的远近裁剪面和视场角决定了投影结果。标准透视投影矩阵会把视锥体映射到一个立方体（NDC空间），然后做透视除法。

透视投影的关键参数是视场角（FOV）、宽高比、近裁剪面和远裁剪面。视场角越大，视野越广，但边缘畸变越明显。近裁剪面不能设得太小，否则深度缓冲的精度会严重下降；远裁剪面不能设得太大，否则远处的物体深度值会挤在一起，产生z-fighting。我一般建议近裁剪面不小于0.1，远裁剪面根据场景大小调整，尽量让远近比不超过10000:1。

4.3 观察变换与视点坐标系：相机到底在哪里

观察变换是把世界坐标系中的点转换到以相机为原点的坐标系。相机的定义需要三个要素：位置（eye）、观察方向（look-at方向）、上方向（up）。通过这三个向量，可以构造出相机的局部坐标系，然后求逆得到观察变换矩阵。

这里有一个常见的困惑：为什么观察变换是求逆？因为相机坐标系是以相机为原点的，而世界坐标系是以世界原点为原点的。观察变换要做的是把世界坐标系的点表示成相机坐标系下的坐标，这等价于把相机坐标系变换到世界坐标系的逆变换。

构造相机坐标系的标准方法是：先计算观察方向向量，归一化得到z轴（注意图形学里相机看向-z方向是常见约定）；然后用观察方向和上方向叉乘得到x轴；再用z轴和x轴叉乘得到y轴。这三个轴构成正交基，加上相机位置，就能构造出观察矩阵。

实操心得：上方向向量不能和观察方向平行，否则叉乘结果为零向量，相机坐标系构造失败。当相机垂直向下看时，上方向要选一个不平行的方向，比如(0, 0, 1)或(0, 1, 0)根据情况切换。这个坑我在做飞行相机时踩过，相机俯仰到90度时画面直接黑屏，排查了半天才发现是叉乘退化。

5. 常见问题与排查技巧实录

5.1 图形不显示或显示异常的排查清单

5.2 矩阵运算的常见陷阱

第一个陷阱是行主序和列主序。OpenGL使用列主序，DirectX使用行主序，教材上的矩阵通常是数学表示，不区分存储顺序。当你把教材上的矩阵直接填到代码里时，如果存储顺序不对，变换结果会完全错误。解决方法是在脑子里明确：数学上的矩阵乘法C = A·B，在列主序存储下，C的每一列是A乘以B的对应列。

第二个陷阱是矩阵乘法的结合顺序。前面说过，复合矩阵M = A·B·C对应先应用C再B再A。但很多人写代码时习惯按顺序写，结果变换顺序反了。我的建议是：在纸上画出变换流程，从右往左写矩阵，或者用函数式的方式写，比如transform(p, rotate(scale(...)))，这样顺序一目了然。

第三个陷阱是齐次坐标的w分量。做透视除法时，要用w分量除x、y、z。如果w为0或接近0，会导致除零或数值爆炸。在裁剪空间做裁剪时，要保留w分量，直到透视除法之前都不能丢弃。

5.3 浮点数精度问题的实际影响

图形学里大量使用浮点数，精度问题无处不在。最典型的是z-fighting：当两个面非常接近时，深度缓冲无法区分它们，导致闪烁。解决方法包括增大近裁剪面、使用对数深度缓冲、或者用多边形偏移。

另一个精度问题是旋转累积误差。如果你每帧都对物体做一次小角度旋转，浮点误差会累积，长时间运行后物体会偏离预期姿态。解决方法是保存原始姿态，每帧从原始姿态重新计算旋转，而不是在上次结果上累加。

注意：在比较浮点数是否相等时，永远不要用==，要用一个小的epsilon。在图形学里，判断点是否在平面上、判断两个向量是否平行，都需要容差。这个习惯能帮你避免很多莫名其妙的bug。

6. 从这四章到实际项目的衔接建议

6.1 用什么工具验证你的理解

光看书不动手，这四章的内容很快就会忘。我建议用Python加NumPy来验证矩阵变换，因为NumPy的矩阵运算直观，而且可以方便地打印中间结果。你可以写一个小脚本，定义一个三角形，应用各种变换矩阵，然后用matplotlib画出来，直观地看到变换效果。

对于光栅化算法，可以用PIL或OpenCV的像素级操作来验证。自己实现一遍Bresenham画线，然后和库函数的画线结果对比，看看像素是否完全一致。这种"造轮子"的过程，能让你真正理解算法细节。

如果想更接近实际渲染管线，可以用WebGL或OpenGL写一个最小的渲染器，从画三角形开始，逐步加入变换、投影、深度测试。这个过程会让你把前四章的知识串起来，形成完整的管线认知。

6.2 这四章的知识在现代引擎里对应什么

现代游戏引擎把这些底层细节封装得很好，但理解它们能帮你更好地使用引擎。Unity里的Transform组件对应的是模型变换，Camera组件对应的是观察变换和投影变换，视口设置对应的是窗口到视口的变换。当你遇到相机裁剪异常、物体变形、深度冲突时，这些底层知识就是排查问题的钥匙。

在着色器编程里，顶点着色器通常要做的就是把顶点从模型空间变换到裁剪空间，这个变换矩阵就是MVP矩阵（Model-View-Projection）。理解了前四章，你就能明白MVP矩阵的每一部分在做什么，而不是机械地复制粘贴。

6.3 后续学习路径的衔接

前四章学完，自然的下一步是三维几何建模（曲线曲面）、光照模型、纹理映射、以及可编程管线。第四版把可编程管线的内容放在了后面，但前四章的光栅化和变换知识是理解可编程管线的基础。比如顶点着色器替代了固定管线的变换和光照阶段，片元着色器替代了纹理和颜色混合阶段，但光栅化阶段仍然是固定的。

如果你对实时渲染感兴趣，接下来可以看阴影映射、延迟渲染、PBR这些技术，它们都建立在前四章的基础上。如果你对离线渲染感兴趣，光线追踪和路径追踪是方向，但同样需要理解变换和投影，因为光线求交要在世界空间或物体空间进行。

我个人在实际项目里的体会是，前四章的知识不是"学完就扔"的，而是会反复回来查的。每次遇到变换相关的bug，最后都能追溯到某个矩阵的顺序或者某个坐标系的定义。把这四章吃透，后面学什么都快；这四章含糊过去，后面每一步都是坑。