zoukankan      html  css  js  c++  java
  • 关于图形数学的基本问题,沿任意轴旋转,或者旋转坐标系的推导过程

    1.       图形学基本问题(15分)

    在右手坐标系A内,P点的坐标是(1, 1, 1 ), M点坐标是(3, 4, 5), N点坐标是(6, 7, 8)

    a)         P点一M点为中心,绕Y轴旋转30°,再绕Z轴旋转-- 60°后的坐标点Q

    b)         P点以MN为轴,旋转—45°所获得的坐标点。

    c)         假设B坐标系是有A坐标系经过如下步骤变换获得:

                             i.              X轴旋转α°

                           ii.              Z轴旋转β°

                          iii.              再平移

    对于B坐标系内任意一点(x,y,z),求其在A坐标系内的坐标值表达式。

     

    1.解答如下

     

    a)   先把坐标系平移到M,然后绕y,z轴旋转后再平移回去,矩阵左乘向量,公式如下:

    平移到M点的平移矩阵:

                     

    y轴旋转30

    z轴旋转-60

    平移坐标系到原点

    复合旋转矩阵

                                                        

    b)        讲一下方法,同时给出公式,

                                

    上图中,MN向量已知为(3, 3, 3)如果以M点为原点,MNZ轴建立局部坐标系,则把P点变换到局部坐标系中,然后绕MN轴旋转,最后再变换到xyz坐标系中即可.

    (1) 求局部坐标系如下:

    向量MNx分量为(1,0,0),可以用MG表示,向量ML=MN*MG,向量MK = ML*MN,*表示叉乘.

    ML = MN*MG= =(0, 3, -3);

    MK=ML*MN= =(18, -9, -9);

    以向量MK,ML,MN为坐标轴,M点为原点建立坐标系,用矩阵M表示

    M

    M表示一个坐标系,同时M表示一组线性无关的基向量,M的三个列向量单位化,得到

                                                                       

                                                                        

                                           

    2p点在 ,E中坐标系相互转换可以用线性相关和无关的概念推导:

    p=(1, 1, 1)表示向量OPE中的坐标, 表示向量OP 中的坐标则

    Ep=P;

    =P;

    由于 表示正交单位向量组,因此它逆等于它的转置

    = * P= * Ep= * p;

    p= * ;

    (3)先平移坐标到M点,然后把p点变换到局部坐标系中,在局部坐标系中绕MN旋转,然后再把p点变换到原坐标系中,再把把坐标系平移到原点即得到结果

    复合矩阵如下:

             

    复合矩阵如下:

    R = * * * *T

    c)        用线性相关及无关的概念推导,思想如下,每一次变换都形成一个新的坐标系,新的坐标系的三个分量可以用旧的坐标系线性表出,而表出系数就是旋转矩阵,或者平移矩阵。根据题意知道,表出系数如下

                         

                        

     如果坐标系B就用矩阵B的三个列向量表示,则B=A* * *T;

    则对于B坐标系内任意一点  (x,y,z),其向量用P表示,其在A坐标系内的坐标值p表达式推导入下:

    Ap = P;

    B =P;

    因此Ap= B 得到p= *B= * A* * *T= * *T*

    2.       图像处理基本问题(15分)

    写一程序实现图像的简单缩放,假设RGB24格式的图像A的宽度是Wa,高度是Ha, 保存在char* 类型的Buffer内,写一个函数将其缩放为宽度是Wb,高度是Hb的图像。自行设计接口和代码实现。

    2.解答如下

    :数字图像的变换分两步,第一步,空间变换,规定了图像像素的移动方式,与像素的存储方法有关,第二步,插值方法。决定了图像变换的精度。常用的有近邻取样法,双线性内插法,三次卷积法。为了简单其见,本文采用近邻取样法。

         如果从源像素推导目标像素,则可能会出现一个像素对应多个像素,或者多个像素对应一个像素的问题,因此必需采用反向变换的办法,即从目标像素循环推导源像素。

    所谓近邻取样法指的是,从目标像素推导源像素的时候,直接把推导的浮点数取整即可得到。

    矩形Wb,Hb,缩放成Wa,Ha的缩放矩阵是

    S = 其中 =Wa/Wb, =Ha/Hb;

    颜色用连续一维数组存取,用一个工具类即可实现,如下c++语言实现

    具体如下

    //为了简单,要类采取取整的插值方法,所以图像的效果不够精确,如果要

    //更加精确,可以采用双线性插值或者其它的方法,针对24位位图所以不考虑颜色表项

    class CDibBitmap : public CObject 

    {

    public:

     CDibBitmap();

     virtual ~CDibBitmap();

    public:

     void BitScale(float x, float y, int cy, CDC*pDC);//x ,y为缩放系数

    };

    CDibBitmap::CDibBitmap()

    {

    }

    CDibBitmap::~CDibBitmap()

    {

    }

    void CDibBitmap::BitScale(int Wa, int Ha, char *buffer, int Wb, int Hb, char *bufferDest)//

    {

          

            for (int i = 0; i < hb; i++)

           {

           

                  for (int j = 0; j < wb; j++)

                  {

                         int wa = floor(Wa/Wb * j );

                int hb = floor(Ha/Hb * i);//直接取整,用近邻法插值计算

                         *bufferDest++ = * (buffer + 3 *wa + hb) ;

                         *bufferDest++ = * (buffer + 3 *wa + hb + 1)

                         *bufferDest ++= * (buffer + 3 *wa + hb + 2)

                 }

           }

    }

    3.       图像处理编程题

    a)         c++定一个Image类,包含一个图像基本必备的基本属性

    b)         编写LoadImage的函数,读取一个BMP图像,要求根据BMP头定义通过分析文件头的方式自行获取正确的图像信息,不可使用现成的BMP读取函数。

    c)         在界面内正确显示图像(Win32或者MFC均可)

    d)         实现图像缩放算法,并显示缩放后的图像

    3.解答如下

     

    答:a)简单起见,只考虑24位位图,没有颜色表项。

    b)       见源代码。

    c)       直接用函数把图像从buffer读入并用函数在屏幕上扫描出来即可。主要考虑扫描行对齐。

    d)       此处为了简单起见,只考虑取整,并不用复杂的插值算法。具体见代码。

    读入bmp文件用视类里面的CCReadBitView::OnRead(),函数,文件名为da.bmp,同时缩

     

  • 相关阅读:
    【转】Git详解之六 Git工具
    【转】Git详解之五 分布式Git
    【转】Git详解之四 服务器上的Git
    【转】Git详解之三 Git分支
    【转】Git详解之二 Git基础
    【转】Git详解之一 Git起步
    【教】Windows下的Git入门
    <<万物简史>>第三章埃文斯牧师的宇宙
    上班两周
    记录一下
  • 原文地址:https://www.cnblogs.com/lizhengjin/p/1361415.html
Copyright © 2011-2022 走看看