旋转矩阵在计算机图形学中的应用：从模型到屏幕

从顶点到像素的旅程

在计算机图形学中，一个三维模型要显示在屏幕上，需要经历一条著名的变换流水线：模型变换 → 视图变换 → 投影变换，简称 MVP 管线。而旋转矩阵，正是这条流水线中不可或缺的核心角色。

想象你正在渲染一个3D立方体。它的8个顶点最初定义在模型空间中，以模型自身原点为参考。要让这个立方体出现在世界中的特定位置、以特定角度摆放，你需要一个模型矩阵——而旋转矩阵构成其灵魂。

模型矩阵：三位一体的变换

模型矩阵 $\mathbf{M}$ 将顶点从模型空间变换到世界空间，它由三个基础变换组成：

$\mathbf{M} = \mathbf{T} \cdot \mathbf{R} \cdot \mathbf{S}$

其中 $\mathbf{T}$ 是平移，$\mathbf{R}$ 是旋转，$\mathbf{S}$ 是缩放。注意乘法的顺序：先缩放，再旋转，最后平移。矩阵乘法从右向左应用，所以写代码时顺序是颠倒的。

在齐次坐标系下，所有变换都是 $4 \times 4$ 矩阵——这就是为什么即使旋转本质上是 $3 \times 3$ 的，图形学中也统一使用 $4 \times 4$ 矩阵。旋转矩阵被嵌入到 $4 \times 4$ 矩阵的左上角 $3 \times 3$ 区域：

$\mathbf{R}_{4\times4} = \begin{bmatrix} r_{11} & r_{12} & r_{13} & 0 \\ r_{21} & r_{22} & r_{23} & 0 \\ r_{31} & r_{32} & r_{33} & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}$

使用 $4 \times 4$ 矩阵的好处是：平移、旋转、缩放、投影全部统一为矩阵乘法，GPU 可以用同一套硬件流水线高效处理。

实战：用 NumPy 旋转一个立方体

下面是一个完整的例子，定义立方体的8个顶点，绕Y轴旋转45度，再平移到世界坐标 $(3, 0, 0)$：

import numpy as np

# 立方体的8个顶点（齐次坐标，w=1）
cube_vertices = np.array([
    [-1, -1, -1, 1], [ 1, -1, -1, 1],
    [-1,  1, -1, 1], [ 1,  1, -1, 1],
    [-1, -1,  1, 1], [ 1, -1,  1, 1],
    [-1,  1,  1, 1], [ 1,  1,  1, 1],
]).T  # 4×8，方便矩阵乘法

# 绕Y轴旋转45度的4×4矩阵
theta = np.radians(45)
c, s = np.cos(theta), np.sin(theta)
R_y = np.array([
    [ c, 0, s, 0],
    [ 0, 1, 0, 0],
    [-s, 0, c, 0],
    [ 0, 0, 0, 1],
])

# 平移矩阵
T = np.array([
    [1, 0, 0, 3],
    [0, 1, 0, 0],
    [0, 0, 1, 0],
    [0, 0, 0, 1],
])

# 模型矩阵 = 平移 × 旋转
M = T @ R_y

# 变换所有顶点
world_vertices = M @ cube_vertices  # 4×8
print(world_vertices[:3].T)  # 打印前3行（x,y,z），忽略w

正交归一化：别让你的矩阵”漂移”

在渲染循环中，模型矩阵可能经历成百上千次乘法累积。浮点舍入误差会逐渐破坏矩阵的正交性——旋转矩阵的列向量不再互相垂直，长度也不再是1。这会导致模型在渲染时出现非均匀的剪切变形，看起来像被”压扁”或”拉长”了。

解决方案是定期进行正交归一化。给定一个近似旋转矩阵 $\mathbf{M}$，通过 SVD 可以找到最接近的正交矩阵：

$\mathbf{M} = \mathbf{U} \boldsymbol{\Sigma} \mathbf{V}^T \quad \Rightarrow \quad \mathbf{R}_{\text{clean}} = \mathbf{U} \mathbf{V}^T$

def orthonormalize(M):
    """对近似旋转矩阵做正交归一化"""
    U, _, Vt = np.linalg.svd(M[:3, :3])
    R_clean = U @ Vt
    M[:3, :3] = R_clean
    return M

在游戏引擎中，这种修正通常不会每帧执行（性能开销），而是在检测到累积误差超过阈值时触发，或者直接使用四元数来维护旋转状态，仅在需要时构建矩阵。

性能考量：为什么坚持 $4 \times 4$

你可能想问：既然旋转只需要 $3 \times 3$，为什么图形学中坚持用 $4 \times 4$？

答案在于齐次坐标的统一性。在 GPU 的顶点着色器中，一个顶点要经历多次变换：

gl_Position = projection * view * model * vec4(position, 1.0);

如果分别用 $3 \times 3$ 旋转矩阵和 $3 \times 1$ 平移向量，每步变换都需要不同的运算逻辑。而 $4 \times 4$ 矩阵让平移、旋转、缩放、透视投影全部统一为矩阵乘法，GPU 的 SIMD 架构可以并行处理大量顶点。这多出来的几个浮点数，换来了硬件层面极高的吞吐量。

结语

旋转矩阵在图形学中扮演的角色远比”旋转”二字丰富。它是模型矩阵的心脏，是 MVP 管线中连接模型空间与屏幕空间的桥梁，是 GPU 每秒处理数十亿次的基本运算。理解旋转矩阵如何嵌入到 $4 \times 4$ 齐次变换中，以及如何在实际工程中保持其数值稳定性，是每个图形程序员的必修课。每当你看到屏幕上流畅旋转的3D模型，背后都是这些 $4 \times 4$ 矩阵在默默地做着线性代数。