引言

为什么 3D 游戏能在 2D 屏幕上显示？这归功于渲染管线 (Rendering Pipeline) 中一系列精心设计的坐标变换。 核心公式是：

\[ P_{screen} = Viewport \times P_{ndc} = Viewport \times \frac{1}{w}(Projection \times View \times Model \times P_{local}) \]

本篇侧重管线后半段——从裁剪空间到屏幕像素——的数学细节。

1. 坐标空间速览 (Coordinate Spaces Recap)

MVP 矩阵的完整推导见矩阵与变换，这里侧重管线后半段的处理。

顶点在到达投影阶段之前，依次经过三个变换：

经过 \(P \times V \times M\) 之后，顶点进入裁剪空间 (Clip Space)，坐标为齐次形式 \((x, y, z, w)\)。接下来的故事，是本文的重点。

2. 投影矩阵 (Projection Matrix)

投影矩阵决定了”摄像机能看到什么”。它把观察空间中的一块区域映射到标准化立方体 (NDC Cube) 内。根据映射方式不同，分为两种投影。

2.1 正交投影 (Orthographic Projection)

正交投影将一个轴对齐的长方体 (AABB) 直接映射为 \([-1,1]^3\) 的 NDC 立方体。没有近大远小的效果，常用于 2D 游戏和 CAD 工具。

给定左右 (\(l, r\))、下上 (\(b, t\))、近远 (\(n, f\)) 六个平面，正交投影矩阵为：

\[ P_{ortho} = \begin{bmatrix} \frac{2}{r-l} & 0 & 0 & -\frac{r+l}{r-l} \\ 0 & \frac{2}{t-b} & 0 & -\frac{t+b}{t-b} \\ 0 & 0 & \frac{-2}{f-n} & -\frac{f+n}{f-n} \\ 0 & 0 & 0 & 1 \end{bmatrix} \]

注意最后一行是 \((0,0,0,1)\)，变换后 \(w\) 始终为 1——不会产生透视缩放。

2.2 透视投影 (Perspective Projection)

透视投影模拟人眼：近处的物体大，远处的物体小。它将一个视锥体 (View Frustum，一个截头锥体) 映射为 NDC 立方体。

关键参数： - FOV (Field of View，视场角)：垂直方向的张角，常取 60°–90° - aspect：宽高比 \(= width / height\) - near (\(n\)) 和 far (\(f\))：近裁剪面和远裁剪面的距离

由 FOV 和 aspect 可以推导出矩阵各项。设 \(t = n \cdot \tan(\frac{FOV}{2})\)，则 \(b = -t\)，\(r = t \cdot aspect\)，\(l = -r\)。OpenGL 风格的透视矩阵为：

\[ P_{persp} = \begin{bmatrix} \frac{n}{r} & 0 & 0 & 0 \\ 0 & \frac{n}{t} & 0 & 0 \\ 0 & 0 & \frac{-(f+n)}{f-n} & \frac{-2fn}{f-n} \\ 0 & 0 & -1 & 0 \end{bmatrix} \]

逐项解读： - \((0,0)\) 和 \((1,1)\)：FOV 越大，\(t\) 越大，这两个值越小，画面越”广角”。aspect 影响水平缩放。 - \((2,2)\) 和 \((2,3)\)：控制 \(z\) 如何映射到 \([-1, 1]\)，即深度的非线性压缩。 - \((3,2) = -1\)：关键！ 它把观察空间的 \(-z\) 拷贝到 \(w\) 分量，为透视除法做准备。 - \((3,3) = 0\)：变换后 \(w\) 完全由 \(z\) 决定，不再包含常数项。

视锥体到 NDC 的映射可以直觉地理解为：近平面上的矩形”不变”，远平面上的矩形被”压缩”成和近平面一样大，整个锥体被”捏”成长方体。

2.3 正交 vs 透视：对比

3. 透视除法 (Perspective Division)

裁剪空间之后，GPU 自动执行透视除法——将 \((x, y, z)\) 各分量除以 \(w\)：

\[ P_{ndc} = \left(\frac{x}{w},\; \frac{y}{w},\; \frac{z}{w}\right) \]

结果称为标准化设备坐标 (Normalized Device Coordinates, NDC)，各分量范围为 \([-1, 1]\)（OpenGL）或 \([0, 1]\)（部分 API 的 z 范围）。

3.1 为什么远处的物体看起来小？

透视矩阵将 \(w\) 设置为 \(-z_{view}\)（观察空间中物体离摄像机的距离）。 距离越远 → \(w\) 越大 → 除以 \(w\) 后 \(x, y\) 越小 → 屏幕上物体越小。 这就是透视缩短 (Foreshortening) 效果的数学本质。

3.2 当 w = 0 时：无穷远点

在齐次坐标中，\(w = 0\) 表示方向而非位置——几何上对应无穷远处的点。 例如，平行光的方向向量 \((d_x, d_y, d_z, 0)\) 就是典型的 \(w=0\) 情况。 对 \(w=0\) 做除法无意义，因此 GPU 在裁剪阶段会丢弃这些顶点（它们不在视锥体内）。

3.3 深度值的非线性分布

透视除法后，\(z_{ndc} = z_{clip} / w\) 的分布是高度非线性的：

• 靠近近平面 (\(n\)) 的一小段距离，占据了 NDC \(z\) 范围的大部分精度。
• 远处大片区域被压缩到极窄的范围内。

假设 \(n = 0.1\)，\(f = 1000\)，那么 NDC 范围的前 50% 仅覆盖相机前方约 0.1 到 0.2 的距离！剩下的 0.2 → 1000 全部挤在后 50%。这就是深度精度问题的根源（详见第 5 节）。

4. 视口变换 (Viewport Transform)

NDC 坐标统一在 \([-1,1]\) 范围内，与具体屏幕分辨率无关。视口变换负责将 NDC 映射到实际的像素坐标。

4.1 变换公式

给定视口参数：起点 \((x_0, y_0)\)，宽 \(w\)，高 \(h\)，以及深度范围 \([d_{near}, d_{far}]\)（通常为 \([0, 1]\)）：

\[ x_{screen} = x_0 + \frac{w}{2}(x_{ndc} + 1) \] \[ y_{screen} = y_0 + \frac{h}{2}(y_{ndc} + 1) \] \[ z_{buffer} = \frac{d_{far} - d_{near}}{2} \cdot z_{ndc} + \frac{d_{far} + d_{near}}{2} \]

4.2 视口设置

在 OpenGL 中通过 glViewport(x0, y0, width, height) 和 glDepthRange(near, far) 设置。常见场景：

• 全屏渲染：glViewport(0, 0, screenWidth, screenHeight)
• 分屏多人：左侧玩家 glViewport(0, 0, w/2, h)，右侧玩家 glViewport(w/2, 0, w/2, h)
• 小地图：在右上角开一个小视口 glViewport(w-200, h-200, 200, 200)

注意：\(y\) 轴方向因 API 而异——OpenGL 的原点在左下角，DirectX/Vulkan 在左上角。实际开发中需要留意翻转问题。

5. 深度缓冲与 Z-Fighting (Depth Buffer)

5.1 深度缓冲基础

深度缓冲 (Depth Buffer / Z-Buffer) 是一块与屏幕等大的缓冲区，每个像素存储一个深度值。GPU 在光栅化时，对每个片元 (Fragment) 比较其深度与缓冲区中已有的值：

• 若新片元更近 → 写入颜色和深度
• 若新片元更远 → 丢弃

这样无需对三角形排序即可正确处理遮挡关系。

5.2 Z-Fighting 问题

由于透视投影导致深度值非线性分布，两个距离很近的远处表面可能映射到相同的深度缓冲值。渲染时会出现两个面交替闪烁、产生条纹的现象，称为Z-Fighting。

缓解手段： - 将近平面 \(n\) 尽量设大（如 0.1 → 1.0），显著改善精度分布 - 减小远近平面比 \(f/n\)

5.3 Reversed-Z 技巧

现代引擎（Unity URP/HDRP、Unreal Engine）广泛采用 Reversed-Z：

• 近平面映射到 \(z = 1\)，远平面映射到 \(z = 0\)（与传统相反）
• 配合浮点数在 0 附近精度高的特性，远处的深度值恰好落在浮点精度最高的区间

效果：配合 32 位浮点深度缓冲，Reversed-Z 可以做到 \(f/n > 10^6\) 而几乎无 Z-Fighting，远优于传统 24 位整数深度缓冲。

6. 代码示例 (Vertex Shader)

以下 GLSL 顶点着色器展示了管线前半段在 GPU 上的实际写法：

#version 330 core
layout (location = 0) in vec3 aPos;   // 局部空间顶点坐标
layout (location = 1) in vec3 aNormal; // 顶点法线

uniform mat4 model;      // Model 矩阵: Local → World
uniform mat4 view;       // View 矩阵:  World → View (Camera)
uniform mat4 projection; // Projection 矩阵: View → Clip

out vec3 FragPos;   // 传给片元着色器的世界坐标

void main()
{
    // 1. Model 变换: 局部空间 → 世界空间
    FragPos = vec3(model * vec4(aPos, 1.0));

    // 2. View + Projection 变换: 世界空间 → 裁剪空间
    //    GPU 随后自动执行透视除法 (÷w) → NDC，再经视口变换 → 屏幕像素
    gl_Position = projection * view * vec4(FragPos, 1.0);
}

gl_Position 输出的是裁剪空间坐标。透视除法和视口变换由 GPU 硬件自动完成，无需手动编写。

7. 总结

• 投影矩阵是管线中信息密度最高的一步：FOV、aspect、near/far 四个参数决定了整个可视范围。
• 透视除法 (\(\div w\)) 是产生近大远小效果的数学本质。
• 深度值的非线性分布是 Z-Fighting 的根源；Reversed-Z 是现代引擎的标准解决方案。
• 视口变换将抽象的 NDC 坐标落地为具体的像素位置。

< 上一篇: 碰撞响应 | 回到目录 | 下一篇: 光照模型 >