Unity中Shader裁剪空间推导（透视相机到裁剪空间的转化矩阵）

---

前言

我们把顶点坐标信息转化为裁剪空间。有可能使用到正交相机信息 或 透视相机。我们在这篇文章中，推导一下透视相机视图空间下的坐标转化到裁剪空间的矩阵。

---

一、简单看一下 观察空间—>裁剪空间—>屏幕空间 的转化

1、观察空间（右手坐标系、透视相机）

2、裁剪空间（左手坐标系、且转化为了齐次坐标）

3、屏幕空间（把裁剪坐标归一化设置）

4、从观察空间到裁剪空间

用透视投影矩阵先转化到裁剪空间
然后，在转化为齐次坐标

5、从裁剪空间到屏幕空间后

$?1\le \frac{x_c}{w}\le 1$

$?w\le x_c\le w$

---

二、透视相机的参数推导

• 我们对于远裁剪面只是已知 f，其他参数都是未知

1、从XoY平面，求出X_v从观察空间到裁剪空间的坐标投影 X_p

• 点 V 是观察空间下的模型顶点，xyz是已知的
  已知：$(x_v,y_v,z_v)、?n$
• 点P是该点在近裁剪面上的投影点，xyz是未知的
  未知：$(x_p,y_p,z_p)$
• 我们在 XoZ平面上，能求的就是 x_p
  求:$x_p$

$z_p=?n$

$y_p在XoZ平面下，无法计算$

• v点向Z轴做垂线，原点连接v点，围成的两个三角形相似，可得：

$\frac{x_p}{x_v}=\frac{?n}{z_v}$

$x_p=\frac{?n}{z_v}{x}_v$

$P=(\frac{?n}{z_v}{x}_v,未知,?n)$

2、从YoZ平面，求出Y_v从观察空间到裁剪空间的坐标投影 Y_p

• 点 V 是观察空间下的模型顶点，xyz是已知的
  已知：$(x_v,y_v,z_v)、?n$
• 点P是该点在近裁剪面上的投影点，xyz是未知的
  未知：$(x_p,y_p,z_p)$
• 我们在 YoZ平面上，能求的就是 y_p
  求: $y_p$

$z_p=?n$

$x_p在XoZ平面下，无法计算$

• v点向Z轴做垂线，原点连接v点，围成的两个三角形相似，可得：

$\frac{y_p}{y_v}=\frac{?n}{z_v}$

$y_p=\frac{?n}{z_v}{y}_v$

$P=(\frac{?n}{z_v}{x}_v,\frac{?n}{z_v}{y}_v,?n)$

---

三、把投影到近裁剪面的坐标 归一化设置

$P=(\frac{?n}{z_v}{x}_v,\frac{?n}{z_v}{y}_v,?n)$

化到[-1,1]之间
具体参考Unity中Shader裁剪空间推导（正交相机到裁剪空间的转化矩阵）

1、求归一化设置后的 x_n

• $l\le x\le r$ 化为： $?1\le \frac{2x}{w}\le 1$

$?1\le \frac{?2n{x}_v}{z_{v}w}\le 1$

$?1\le \frac{?2n}{w}?\frac{x_v}{z_v}\le 1$

2、求归一化设置后的 y_n

• $l\le y\le r$ 化为： $?1\le \frac{2y}{h}\le 1$

$?1\le \frac{?2n{y}_v}{z_{v}h}\le 1$

$?1\le \frac{?2n}{h}?\frac{y_v}{z_v}\le 1$

3、得到最后化简的公式

由于NDC下的坐标由透视除法而得
我们假设透视除法中的 w 为 -z_v
还原到裁剪空间还需要乘以 -z_v

• X:

$?1\le \frac{?2n}{w}?\frac{x_v}{z_v}\le 1$

$x_n=\frac{?2n}{w}\frac{x_v}{z_v}$

$?x_n{z}_v=\frac{2n}{w}{x}_v$

• Y:

$?1\le \frac{?2n}{h}?\frac{y_v}{z_v}\le 1$

$y_n=\frac{?2n}{h}\frac{y_v}{z_v}$

$?y_n{z}_v=\frac{2n}{h}{y}_v$

• Z:

$z_n=?$

$?z_n{z}_v=?z_v?$

• W:

$w=1$

$?w_n{z}_v=?z_v$

---

四、构建转化矩阵

裁剪空间下的点 = 观察空间下的基向量 在 裁剪空间下的矩阵 * 点在观察空间下的坐标

$P_c=[V_c]?P_v$

$P_c=[C_v{]}^{?1}?P_v$

$P_c=[C_v{]}^T?P_v$

• $?x_n{z}_v=\frac{2n}{w}{x}_v$
• $?y_n{z}_v=\frac{2n}{h}{y}_v$
• $?z_n{z}_v=?z_v?$
• $?w_n{z}_v=?z_v$

${\left[\begin{array}{cccc}\frac{2v}{w}& 0& ?& ?\\ 0& \frac{2n}{h}& ?& ?\\ 0& 0& ?& ?\\ 0& 0& ?& ?\end{array}\right]}^T=\left[\begin{array}{cccc}\frac{2v}{w}& 0& 0& 0\\ 0& \frac{2n}{h}& 0& 0\\ ?& ?& ?& ?\\ ?& ?& ?& ?\end{array}\right]$

$\left[\begin{array}{cccc}\frac{2v}{w}& 0& 0& 0\\ 0& \frac{2n}{h}& 0& 0\\ ?& ?& ?& ?\\ ?& ?& ?& ?\end{array}\right]?\left[\begin{array}{c}{x}_v\\ y_v\\ z_v\\ 1\end{array}\right]=(?x_n{z}_v,?y_n{z}_v,?z_n{z}_v,?w_n{z}_v)$

最后一行由于相乘结果为1可以得出，把最后未知部分设为A，B
$\left[\begin{array}{cccc}\frac{2v}{w}& 0& 0& 0\\ 0& \frac{2n}{h}& 0& 0\\ 0& 0& A& B\\ 0& 0& ?1& 0\end{array}\right]?\left[\begin{array}{c}{x}_v\\ y_v\\ z_v\\ 1\end{array}\right]$

$z_c=A{z}_v+B$

$?z_n{z}_v=?z_v$

$\frac{z_c}{?z_v}=\frac{A{z}_v+B}{?z_v}$

$z_n=\frac{A{z}_v+B}{?z_v}$

1、在OpenGL[-1,1]下：

$z_n=\frac{A{z}_v+B}{?z_v}$

$\{\begin{array}{l}{z}_v=?n,z_n=?1\\ z_v=?f,z_n=1\end{array}$

$\{\begin{array}{l}?1=\frac{?An+B}{n}\\ 1=\frac{?Af+B}{f}\end{array}$

$\{\begin{array}{l}?n=?An+B\\ f=?Af+B\end{array}$

$B=An?n$

$f=?Af+An?n$

$f+n=A(n?f)$

$A=\frac{n+f}{n?f}$

$B=\frac{n+f}{n?f}n?n$

$B=\frac{n^2+fn}{n?f}\frac{n^2?nf}{n?f}$

$B=\frac{2nf}{n?f}$

2、在DirectX[1,0]下：

$z_n=\frac{A{z}_v+B}{?z_v}$

$\{\begin{array}{l}{z}_v=?n,z_n=1\\ z_v=?f,z_n=0\end{array}$

$\{\begin{array}{l}1=\frac{?An+B}{n}\\ 0=\frac{?Af+B}{f}\end{array}$

$\{\begin{array}{l}n=?An+B\\ 0=?Af+B\end{array}$

$B=Af$

$n=?An+Af$

$n=A(f?n)$

$A=\frac{n}{f?n}$

$B=\frac{nf}{f?n}$

3、把A、B代入矩阵得

• OpenGL
  $\left[\begin{array}{cccc}\frac{2v}{w}& 0& 0& 0\\ 0& \frac{2n}{h}& 0& 0\\ 0& 0& \frac{n+f}{n?f}& \frac{2nf}{n?f}\\ 0& 0& ?1& 0\end{array}\right]$
• DirectX
  $\left[\begin{array}{cccc}\frac{2v}{w}& 0& 0& 0\\ 0& \frac{2n}{h}& 0& 0\\ 0& 0& \frac{n}{f?n}& \frac{nf}{f?n}\\ 0& 0& ?1& 0\end{array}\right]$