齐次坐标


最简单的想法是：在有点和向量混合的情况下，给定一个（x, y, z)，我们不知道这个是向量还是点，所以引入齐次坐标（所谓齐次坐标就是用N+1表示N维量），最后一维用1就是点，0就是向量。

在<<Focus on 3D models>>中，四元数主要是用来做rotation的。用四元数在此书中说有三点好处：
a, 能解决Gimbal Lock;
b, 能平滑的进行插值；
c，处理旋转比矩阵需要的空间小（旋转还可以用矩阵来表示，需要9个slot）；

注意：四元数只有在是unit length的时候才能表示旋转。

在3D中我们常用4x4的矩阵，来配合3维空间的点的缩放、旋转、平移运算。因此是3维运算，但是用了4x4，所以我们称之为Homogeneous Matrix，更精确的说是Homogeneous Transformation Matrix。

有网友总结的齐次坐标的如下，个人觉得很容易理解，为防止链接失效，原文拷贝如下(下划线所示）：
原文地址：http://blog.csdn.net/rabbitguiming/archive/2009/03/06/3964140.aspx

“4D向量是由3D坐标(x,y,z)和齐次坐标w组成，写作(x,y,z,w)。
在3D世界中为什么需要3D的齐次坐标呢？简单地说明一下，在一维空间中的一条线段上取一点x，然后我们想转移x的位置，那我们应该是x'=x+k，但我们能使用一维的矩阵来表示这变换吗？不能，因为此时一维的矩阵只能让x点伸缩。但如果变成了一维的齐次空间[k 1]就很容易地做到。同样地，在二维空间中，某一图形如果不使用二维的齐次坐标，则只能旋转和伸缩，确不能平移。
     因此，我们在3D坐标中使用齐次坐标，是为了物体在矩阵变换中，除了伸缩旋转，还能够平移，如下运算：



 
既然了解了使用齐次坐标的意义，我们下一步就要了解一下齐次坐标w是什么意义。设w=1，此时相当于我们把3D的坐标平移搬去了w=1的平面上，4D空间的点投影到w=1平面上，齐次坐标映射的3D坐标是（x/w,y/w,z/w），也就是（x,y,z）。（x,y,z）在齐次空间中有无数多个点与之对应。所有点的形式是（kx,ky,kz,k），其轨迹是通过齐次空间原点的“直线”（其实每个点相当于3D的坐标世界）。
 
当w=0时，有很大的意义，可解释为无穷远的“点”，其意义是描述方向。这也是平移变换的开关，当w=0时，




此时不能平移变换了。这个现象是非常有用的，因为有些向量代表“位置”，应当平移，而有些向量代表“方向”，如表面的法向量，不应该平移。从几何意义上说，能将第一类数据当作"点"，第二类数据当作"向量"。可以通过设置w的值来控制向量的意义[u]。”[/u]


原文地址：http://blog.sina.com.cn/s/blog_6e521a600100nigy.html
（解决了我对齐次坐标的理解问题。齐次，就是多了一维，可以这样理解吧？！）
另一位大大的原话“简单来说，n维向量的齐次空间是n+1维的。”，总结得很好