Zweidimensionale Computergrafik: Erkundung des visuellen Bereichs: Zweidimensionale Computergrafiken in Computer Vision
Von Fouad Sabry
()
Über dieses E-Book
Was ist zweidimensionale Computergrafik?
2D-Computergrafik ist die computergestützte Erzeugung digitaler Bilder – meist aus zweidimensionalen Modellen und durch dafür spezifische Techniken. Es kann sich auf den Zweig der Informatik beziehen, der solche Techniken umfasst, oder auf die Modelle selbst.
Wie Sie davon profitieren
(I) Erkenntnisse und Validierungen zu den folgenden Themen:
Kapitel 1: 2D-Computergrafik
Kapitel 2: Orthogonale Matrix
Kapitel 3: Ellipsoid
Kapitel 4: Rotation (Mathematik)
Kapitel 5: Transformationsmatrix
Kapitel 6: Rotationsmatrix
Kapitel 7: Rotationsformalismen in drei Dimensionen
Kapitel 8: Achsenwinkeldarstellung
Kapitel 9: Kinematik
Kapitel 10: Dreidimensionaler Rotationsoperator
(II) Beantwortung der häufigsten öffentlichen Fragen zur zweidimensionalen Computergrafik.
(III) Beispiele aus der Praxis für den Einsatz zweidimensionaler Computergrafiken in vielen Bereichen.
Für wen dieses Buch ist
Fachleute, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die über Grundkenntnisse oder Informationen für jede Art von zweidimensionaler Computergrafik hinausgehen möchten.
Mehr von Fouad Sabry lesen
Neue Technologien in den Neurowissenschaften [German]
Ähnlich wie Zweidimensionale Computergrafik
Titel in dieser Serie (100)
Affine Transformation: Visuelle Perspektiven freischalten: Erforschung der affinen Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenComputer Vision: Erkundung der Tiefen des Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenGamma-Korrektur: Verbesserung der visuellen Klarheit in der Computer Vision: Die Gammakorrekturtechnik Bewertung: 0 von 5 Sternen0 BewertungenBildhistogramm: Visuelle Einblicke enthüllen und die Tiefen von Bildhistogrammen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenHough-Transformation: Enthüllung der Magie der Hough-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRetinex: Enthüllen Sie die Geheimnisse des computergestützten Sehens mit Retinex Bewertung: 0 von 5 Sternen0 BewertungenFilterbank: Einblicke in die Filterbanktechniken von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenLärmminderung: Verbesserung der Klarheit, fortschrittliche Techniken zur Rauschunterdrückung in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenUnterwasser-Computervision: Erkundung der Tiefen der Computer Vision unter den Wellen Bewertung: 0 von 5 Sternen0 BewertungenGemeinsame Fotoexpertengruppe: Erschließen Sie das Potenzial visueller Daten mit dem JPEG-Standard Bewertung: 0 von 5 Sternen0 BewertungenComputer-Stereo-Vision: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenHomographie: Homographie: Transformationen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenInpainting: Überbrückung von Lücken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenCanny Edge Detector: Enthüllung der Kunst der visuellen Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenHistogrammausgleich: Verbesserung des Bildkontrasts für eine verbesserte visuelle Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenDirekte lineare Transformation: Praktische Anwendungen und Techniken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenTonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAdaptiver Filter: Verbesserung der Computer Vision durch adaptive Filterung Bewertung: 0 von 5 Sternen0 BewertungenBildkompression: Effiziente Techniken zur visuellen Datenoptimierung Bewertung: 0 von 5 Sternen0 BewertungenVisuelle Wahrnehmung: Einblicke in die computergestützte visuelle Verarbeitung Bewertung: 0 von 5 Sternen0 BewertungenAnisotrope Diffusion: Verbesserung der Bildanalyse durch anisotrope Diffusion Bewertung: 0 von 5 Sternen0 BewertungenFarbmodell: Das Spektrum des Computer Vision verstehen: Farbmodelle erkunden Bewertung: 0 von 5 Sternen0 BewertungenHadamard-Transformation: Enthüllung der Leistungsfähigkeit der Hadamard-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAktive Kontur: Weiterentwicklung der Computer Vision mit aktiven Konturtechniken Bewertung: 0 von 5 Sternen0 BewertungenRadon-Transformation: Aufdecken verborgener Muster in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenModell einer Lochkamera: Perspektive durch Computeroptik verstehen Bewertung: 0 von 5 Sternen0 BewertungenFarbmanagementsystem: Optimierung der visuellen Wahrnehmung in digitalen Umgebungen Bewertung: 0 von 5 Sternen0 BewertungenKonturerkennung: Enthüllung der Kunst der visuellen Wahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarberscheinungsmodell: Wahrnehmung und Darstellung in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenZufallsstichprobenkonsens: Robuste Schätzung in der Computer Vision Bewertung: 0 von 5 Sternen0 Bewertungen
Ähnliche E-Books
Bildbasierte Modellierung und Rendering: Erforschung des visuellen Realismus: Techniken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBilineare Interpolation: Verbesserung der Bildauflösung und -klarheit durch bilineare Interpolation Bewertung: 0 von 5 Sternen0 BewertungenHomographie: Homographie: Transformationen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRadon-Transformation: Aufdecken verborgener Muster in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenHough-Transformation: Enthüllung der Magie der Hough-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBresenham-Linien-Algorithmus: Effiziente pixelgenaue Linienwiedergabe für Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenOrthographische Projektion: Erforschung der orthographischen Projektion in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAffine Transformation: Visuelle Perspektiven freischalten: Erforschung der affinen Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenLevel-Set-Methode: Weiterentwicklung der Computer Vision, Erforschung der Level-Set-Methode Bewertung: 0 von 5 Sternen0 BewertungenDirekte lineare Transformation: Praktische Anwendungen und Techniken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenKreuzkorrelation: Muster in der Computer Vision entschlüsseln Bewertung: 0 von 5 Sternen0 BewertungenStrichzeichnungsalgorithmus: Beherrschen von Techniken zur präzisen Bildwiedergabe Bewertung: 0 von 5 Sternen0 BewertungenRastergrafiken: Die Grundlagen der Rastergrafik in der Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenTrifokaler Tensor: Erforschung von Tiefe, Bewegung und Struktur in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenVolumen Rendern: Erforschung des Visuellen Realismus in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRaytracing-Grafiken: Erforschung des fotorealistischen Renderings in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBewegungsfeld: Erkundung der Dynamik von Computer Vision: Bewegungsfeld enthüllt Bewertung: 0 von 5 Sternen0 BewertungenBeschreibende Geometrie: Den visuellen Bereich erschließen: Erkundung der beschreibenden Geometrie im Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenVertex-Computergrafik: Erkundung der Schnittstelle zwischen Vertex Computer Graphics und Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBewegungsschätzung: Fortschritte und Anwendungen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenGeschwindigkeitsmomente: Die Dynamik erfassen: Einblicke in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenVerfahrensoberfläche: Erforschung der Texturgenerierung und -analyse in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenGeometrisches Hashing: Effiziente Algorithmen zur Bilderkennung und -anpassung Bewertung: 0 von 5 Sternen0 BewertungenRastergrafik-Editor: Visuelle Realitäten transformieren: Rastergrafik-Editoren in Computer Vision beherrschen Bewertung: 0 von 5 Sternen0 BewertungenBündelanpassung: Optimieren visueller Daten für eine präzise Rekonstruktion Bewertung: 0 von 5 Sternen0 BewertungenDreidimensionale Multi-View-Rekonstruktion: Fortgeschrittene Techniken zur räumlichen Wahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenVektorgrafiken: Beherrschung von Vektorgrafiken in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenPolygon-Computergrafik: Erkundung der Schnittstelle zwischen Polygon-Computergrafik und Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRadiosity Computergrafik: Fortschrittliche Visualisierung durch Radiosität in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenEinführung in die numerische Strömungsmechanik Bewertung: 1 von 5 Sternen1/5
Künstliche Intelligenz (KI) & Semantik für Sie
ChatGPT: Begegnung mit einer neuen Welt: Lernen Sie Künstliche Intelligenz mit der Gratisversion ChatGPT 3.5 Bewertung: 0 von 5 Sternen0 BewertungenChatGPT – Für Einsteiger: Schreibprofi mit KI, Zeit und Geld sparen ohne peinliche Fehler Bewertung: 0 von 5 Sternen0 BewertungenDie Zukunft der Arbeit: Digitalisierung, Automatisierung, KI Bewertung: 0 von 5 Sternen0 BewertungenMeistern von ChatGPT: Entriegeln Sie die Kraft der KI für verbesserte Kommunikation und Beziehungen: German Bewertung: 0 von 5 Sternen0 BewertungenKI-Innovationen: Wie die Technologie die Grenzen verschiebt Künstliche Intelligenz verstehen und nutzen: Ein AI-Buch Bewertung: 0 von 5 Sternen0 BewertungenEinstieg ins Machine Learning: Grundlagen, Prinzipien, erste Schritte Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Medien-Gestaltung leicht gemacht: Von der Idee zum viralen Hit Bewertung: 0 von 5 Sternen0 BewertungenAufstieg der Roboter: Wie unsere Arbeitswelt gerade auf den Kopf gestellt wird - und wie wir darauf reagieren müssen Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz: Die vierte industrielle Revolution Bewertung: 0 von 5 Sternen0 BewertungenDie KI Bibel, mit künstlicher Intelligenz Geld verdienen: Echte Fallbeispiele und Anleitungen zum Umsetzen Bewertung: 1 von 5 Sternen1/5Psychologie des Sozialismus Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz in Sozialen Medien Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Epische Reise des Erfolgs - 'Steigern Sie Ihren Reichtum': Mit Screenshots aus dem echten Leben - Erreichen Sie finanzielle Höhen Bewertung: 0 von 5 Sternen0 BewertungenRoboter im Alltag: Maschinen (beinahe) wie Menschen Bewertung: 0 von 5 Sternen0 BewertungenMenschlicher Geist und Künstliche Intelligenz: Die Entwicklung des Humanen inmitten einer digitalen Welt Bewertung: 0 von 5 Sternen0 BewertungenDigitalotopia: Sind wir bereit für die (R)Evolution der Wirklichkeit? Bewertung: 0 von 5 Sternen0 BewertungenWissen statt Glauben!: Das Weltbild des neuen Humanismus Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Landingpages: Wie du deine Konkurrenz in den digitalen Staub schicken Bewertung: 0 von 5 Sternen0 Bewertungen
Rezensionen für Zweidimensionale Computergrafik
0 Bewertungen0 Rezensionen
Buchvorschau
Zweidimensionale Computergrafik - Fouad Sabry
Kapitel 1: 2D-Computergrafik
Das Erzeugen digitaler Bilder auf einem Computer, in der Regel aus zweidimensionalen Modellen (z. B. geometrische 2D-Modelle, Text und digitale Bilder) und die Verwendung von Methoden, die auf diese Art von Modellen zugeschnitten sind, wird als 2D-Computergrafik bezeichnet. Gemeint sind entweder die Modelle selbst oder der Bereich der Informatik, in dem sie enthalten sind.
Typografie, Kartografie, technisches Zeichnen, Werbung usw. sind Beispiele für Anwendungen, die auf der Grundlage der 2D-Computergrafik aufbauen. Zweidimensionale Modelle werden in diesen Fällen der dreidimensionalen Computergrafik vorgezogen, da sie eine direktere Kontrolle über das Bild ermöglichen. Dies liegt daran, dass das zweidimensionale Bild mehr als nur eine Darstellung eines realen Objekts ist. Es hat auch einen zusätzlichen semantischen Wert (dessen Ansatz eher der Fotografie als der Typografie ähnelt).
Dokumentbeschreibungen, die auf 2D-Computergrafiktechniken basieren, können in vielen Bereichen, einschließlich Desktop-Publishing, Technik und Wirtschaft, deutlich kleiner sein als das entsprechende digitale Bild. Da diese Darstellung in unterschiedlichen Auflösungen gerendert werden kann, um eine Vielzahl von Ausgabegeräten aufzunehmen, ist sie auch vielseitiger. Aus diesem Grund werden häufig 2D-Grafikdateien für die Archivierung und den Transport von Dokumenten und Bildern verwendet.
Vektorgrafikgeräte aus den 1950er Jahren ebneten den Weg für die erste 2D-Computergrafik. In den folgenden Jahrzehnten wurden rasterbasierte Geräte zur Norm. Zwei der wichtigsten Neuerungen in diesem Bereich sind die PostScript-Sprache und das X-Window-System-Protokoll.
Kombinationen aus geometrischen Modellen (auch als Vektorgrafiken bezeichnet), digitalen Bildern (auch als Rastergrafiken bezeichnet), zu setzendem Text (beschrieben durch Inhalt, Schriftstil und -größe, Farbe, Position und Ausrichtung), mathematischen Funktionen und Gleichungen und anderen Arten von Informationen sind in 2D-Grafikmodellen möglich. Zweidimensionale geometrische Transformationen, wie z. B. Verschiebung, Drehung und Skalierung, ermöglichen eine einfache und präzise Manipulation dieser Teile. Ein Objekt mit einer Self-Rendering-Methode, einem Verfahren, das Bildpixeln willkürlich Farben zuweist, beschreibt das Bild in objektorientierten Grafiken. In objektorientierten Programmierparadigmen werden komplexe Modelle aus Teilmodellen konstruiert.
Die Prinzipien der euklidischen Geometrie, In der Geometrie bewegt eine Translation jeden Punkt um eine bestimmte Entfernung in eine Richtung.
Eine Art von starrer Bewegung
ist die Translation; Andere Arten sind Rotation und Reflexion.
Es ist auch möglich, sich eine Verschiebung als den Prozess vorzustellen, bei dem jedem Punkt ein konstanter Vektor hinzugefügt wird, oder als ob der Ursprung des Koordinatensystems verschoben würde.
Ein Übersetzungsoperator ist ein Operator T_\mathbf{\delta} , der T_\mathbf{\delta} f(\mathbf{v}) = f(\mathbf{v}+\mathbf{\delta}).
Wenn v ein konstanter Vektor ist, dann funktioniert die Übersetzung Tv als Tv(p) = p + v.
Theoretisch gilt: Wenn T eine Übersetzung ist, wenn A eine Teilmenge und T eine Funktion ist, dann ist die Übersetzung von A durch T das Bild von A unter T.
Die Übersetzung von A von Tv wird oft A + v geschrieben.
Jede Übersetzung in einem euklidischen Raum ist auch eine Isometrie. Die Menge aller Translationen wird als Translationsgruppe T bezeichnet und ist eine gewöhnliche Untergruppe der euklidischen Gruppe E, die isomorph zum Raum selbst ist (n ). Die orthogonale Gruppe O ist ein Isomorphismus der Quotientengruppe E(n) durch T. (n ):
E(n ) / T ≅ O(n ).
Im Gegensatz zu einer linearen Transformation handelt es sich bei einer Translation um eine affine Transformation. Der Translationsoperator wird in der Regel durch eine Matrix dargestellt, wodurch er linear wird, wenn homogene Koordinaten verwendet werden.
Wir schreiben also den 3-dimensionalen Vektor w = (wx, wy, wz) mit 4 homogenen Koordinaten als w = (wx, wy, wz, 1).
Jeder homogene Vektor p (in homogenen Koordinaten) muss mit dieser Translationsmatrix multipliziert werden, wenn ein Objekt durch einen Vektor v übersetzt werden soll:
T_{\mathbf{v}} = \begin{bmatrix} 1 & 0 & 0 & v_x \\ 0 & 1 & 0 & v_y \\ 0 & 0 & 1 & v_z \\ 0 & 0 & 0 & 1 \end{bmatrix}Das Produkt der Multiplikation ist wie in der folgenden Tabelle dargestellt:
T_{\mathbf{v}} \mathbf{p} = \begin{bmatrix} 1 & 0 & 0 & v_x \\ 0 & 1 & 0 & v_y\\ 0 & 0 & 1 & v_z\\ 0 & 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} p_x \\ p_y \\ p_z \\ 1 \end{bmatrix} = \begin{bmatrix} p_x + v_x \\ p_y + v_y \\ p_z + v_z \\ 1 \end{bmatrix} = \mathbf{p} + \mathbf{v}Um die Umkehrung einer Translationsmatrix zu finden, drehen Sie einfach die Richtung des Vektors um:
T^{-1}_{\mathbf{v}} = T_{-\mathbf{v}} . \!Ebenso ergibt die Multiplikation der Vektoren das Produkt zweier Translationsmatrizen:
T_{\mathbf{u}}T_{\mathbf{v}} = T_{\mathbf{u}+\mathbf{v}} . \!Die Multiplikation von Translationsmatrizen ist kommutativ, da die Vektoraddition kommutativ ist (im Gegensatz zur Multiplikation beliebiger Matrizen).
Eine Rotationsmatrix ist in der linearen Algebra eine Matrix, die ein Objekt im euklidischen Raum dreht.
R={\begin{bmatrix}\cos \theta &-\sin \theta \\\sin \theta &\cos \theta \\\end{bmatrix}}dreht Punkte in der kartesischen xy-Ebene gegen den Uhrzeigersinn um einen Winkel θ um den Ursprung des kartesischen Koordinatensystems.
Eine Rotationsmatrix R wird verwendet, um die Drehung zu bewirken. Die Koordinaten jedes Punktes müssen als Vektor in vertikaler Richtung ausgedrückt werden, der aus den Koordinaten des Punktes besteht.
Die Matrixmultiplikation Rv ergibt einen gedrehten Vektor.
Zur Verdeutlichung: Der Nullvektor (d.h.) wird von der Matrixmultiplikation auf der Grundlage von Nullgradkoordinaten nicht beeinflusst. Nur Rotationen um den Ursprung des Koordinatensystems können mit Hilfe von Rotationsmatrizen beschrieben werden.
Solche Rotationen lassen sich mit Hilfe von Rotationsmatrizen
leicht algebraisch beschreiben und spielen eine entscheidende Rolle in geometrischen Berechnungen, in der Physik und in grafischen Oberflächen.
Innerhalb der Grenzen einer Ebene kann eine Drehung einfach durch einen Drehwinkel θ beschrieben werden . Alternativ können die 4 Einträge einer 22 Drehmatrix verwendet werden, um sie darzustellen.
In Bezug auf die dritte Dimension siehe auch Eulers Rotationssatz, der besagt, dass jede Drehung in eine Winkeldrehung um eine einzelne, unveränderliche Achse umgemünzt werden kann, die auf einen Winkel und einen Dreielementvektor reduziert werden kann.
Alternativ kann sie jedoch durch die 9 Einträge einer 33 Rotationsmatrix dargestellt werden.
Bei Dimensionen größer als drei wird nur selten eine Rotation verwendet. Eine Rotationsverschiebung ist etwas, über das gesprochen werden kann, das mit einer Matrix dargestellt werden kann, ohne dass ihr eine einzelne Achse oder ein einzelner Winkel zugeordnet ist.
Eine Rotationsmatrix ist eine quadratische Matrix, deren Einträge alle reell sind. Genauer gesagt handelt es sich um orthogonale Determinanten-1-Matrizen:
R^{T} = R^{-1}, \det R = 1\, .
Die Gesamtheit aller n-mal-n-speziellen orthogonalen Matrizen bildet eine Gruppe, die als SO(n) bezeichnet wird.
Im Folgenden finden Sie die Form, die jede zweidimensionale Rotationsmatrix annimmt:
R(\theta )={\begin{bmatrix}\cos \theta &-\sin \theta \\\sin \theta &\cos \theta \\\end{bmatrix}} .
Durch Multiplikation der folgenden Matrix werden die Spaltenvektoren gedreht:
{\begin{bmatrix}x'\\y'\\\end{bmatrix}}={\begin{bmatrix}\cos \theta &-\sin \theta \\\sin \theta &\cos \theta \\\end{bmatrix}}{\begin{bmatrix}x\\y\\\end{bmatrix}}.
Nach der Drehung sind die Koordinaten des ursprünglichen Punktes (x,y):
x'=x\cos \theta -y\sin \theta \, , y'=x\sin \theta +y\cos \theta \, .
Die Drehrichtung des Vektors ist gegen den Uhrzeigersinn, wenn θ positiv ist (z.
90°) und im Uhrzeigersinn, wenn θ negativ ist (z.
-90°).
R(-\theta )={\begin{bmatrix}\cos \theta &\sin \theta \\-\sin \theta &\cos \theta \\\end{bmatrix}}\,.
Im Falle eines rechtshändigen kartesischen Systems ist die Drehung R(θ) entlang der x-Achse nach rechts und entlang der y-Achse nach oben gegen den Uhrzeigersinn.
Damit ein linkshändiges kartesisches System funktioniert, bei dem x nach rechts und y nach unten zeigt, ist R(θ) im Uhrzeigersinn.
In der Mathematik werden solche ungewöhnlichen Perspektiven selten verwendet, aber in der 2D-Computergrafik sind sie gang und gäbe, die typischerweise oben links beginnen und sich im Uhrzeigersinn auf der Seite nach unten bewegen.
Andere mögliche Konventionen, die die Bedeutung einer von einer Matrix erzeugten Drehung verändern, werden weiter unten diskutiert.
Besonders nützlich sind die Matrizen für 90°- und 180°-Drehungen:
R(90^\circ) = \begin{bmatrix} 0 & -1 \\[3pt] 1 & 0 \\ \end{bmatrix} (90° Drehung gegen den Uhrzeigersinn)
R(180^\circ) = \begin{bmatrix} -1 & 0 \\[3pt] 0 & -1 \\ \end{bmatrix} (180° Drehung in beide Richtungen – eine halbe Drehung)
R(270^\circ) = \begin{bmatrix} 0 & 1 \\[3pt] -1 & 0 \\ \end{bmatrix} (270° Drehung gegen den Uhrzeigersinn, entspricht einer Drehung um 90° im Uhrzeigersinn)
Die gleichmäßige Skalierung, auch bekannt als isotrope Skalierung, homogene Dilatation und Homothetie, ist eine lineare Transformation in der euklidischen Geometrie, bei der Objekte in alle Richtungen um denselben Skalierungsfaktor vergrößert oder verkleinert werden. Wenn Sie alles um den gleichen Faktor skalieren, ist das Endergebnis geometrisch ähnlich wie das Original. In den meisten Fällen können Sie kongruente Formen mit einem Skalierungsfaktor von 1 als ähnlich behandeln. (Einige Lehrbücher schließen dies ausdrücklich aus, ebenso wie einige Lehrbücher die Möglichkeit ausschließen, dass ein Quadrat ein Rechteck oder ein Kreis eine Ellipse ist.)
Der allgemeinere Ansatz besteht darin, für jede Achse einen anderen Skalierungsfaktor zu verwenden. Wenn sich mindestens einer der Skalierungsfaktoren von den anderen unterscheidet, liegt eine ungleichmäßige Skalierung vor (anisotrope Skalierung, inhomogene Dilatation); Richtungsgerichtetes Skalieren oder Strecken ist ein Spezialfall davon (in eine Richtung). Wenn ein Objekt ungleichmäßig skaliert wird, ändert sich seine Form. Zum Beispiel wird ein Quadrat, dessen Seiten nicht parallel zu den Skalierungsachsen sind, zu einem Rechteck oder Parallelogramm (die Winkel zwischen den Linien, die parallel zu den Achsen verlaufen, bleiben erhalten, aber nicht alle Winkel).
Eine Skalierungsmatrix ist eine Darstellung einer Skalierung.
Um ein Objekt um einen Vektor v = (vx, vy, vz) zu skalieren, müsste jeder Punkt p = (px, py, pz) mit dieser Skalierungsmatrix multipliziert werden:
S_{v}={\begin{bmatrix}v_{x}&0&0\\0&v_{y}&0\\0&0&v_{z}\\\end{bmatrix}}.Das Produkt der Multiplikation ist wie in der folgenden Tabelle dargestellt:
S_{v}p={\begin{bmatrix}v_{x}&0&0\\0&v_{y}&0\\0&0&v_{z}\\\end{bmatrix}}{\begin{bmatrix}p_{x}\\p_{y}\\p_{z}\end{bmatrix}}={\begin{bmatrix}v_{x}p_{x}\\v_{y}p_{y}\\v_{z}p_{z}\end{bmatrix}}.Bei einer Drei-Faktor-Skalierung werden die Abmessungen eines Objekts wie folgt geändert: Sein Durchmesser wird um einen Faktor zwischen den Skalierungsfaktoren verringert, seine Oberfläche wird um einen Faktor zwischen dem kleinsten und dem größten Produkt zweier Skalierungsfaktoren vergrößert und sein Volumen wird um das Produkt aller drei Skalierungsfaktoren verringert.
Die Skalierung ist nur dann einheitlich, wenn die Skalierungsfaktoren gleich sind (vx = vy = vz).
Wenn alle bis auf einen der Skalierungsfaktoren 1 sind, stellt sich die Situation wie folgt dar:, Unsere Skalierung ist richtungsabhängig.
In dem Fall, in dem vx = vy = vz = k ist, wird die Skalierung um den Faktor k auch als Vergrößerung oder Dilatation bezeichnet, wobei die Fläche um den Faktor k² und das Volumen um den Faktor k3 vergrößert wird.
Im weitesten Sinne bezieht sich Skalierung
auf jede affine Transformation, deren Matrix diagonalisiert werden kann. Wenn die drei Dimensionen der Skalierung nicht parallel zueinander verlaufen, gilt dies ebenfalls als Fall. Ebenfalls enthalten sind Szenarien, in denen einer oder mehrere der Skalierungsfaktoren null (wie in einer Projektion) oder negativ sind. Letzteres ist gleichbedeutend mit einer Verallgemeinerung der Reflexion in der Ebene und wird erreicht, indem die Reflexion an dem Punkt vorgenommen wird, an dem zwei Linien eine Ebene schneiden, die nicht senkrecht zu einer von ihnen zu sein braucht.
Im Bereich der projektiven Geometrie, die typisch für den Bereich der Computergrafik ist, werden homogene Koordinaten zur Darstellung von Punkten verwendet.
Um ein Objekt um einen Vektor v = (vx, vy, vz) zu skalieren, muss jeder homogene Koordinatenvektor p = (px, py, pz, Diese projektive Transformationsmatrix müsste mit (1, 1) multipliziert werden:
S_{v}={\begin{bmatrix}v_{x}&0&0&0\\0&v_{y}&0&0\\0&0&v_{z}&0\\0&0&0&1\end{bmatrix}}.Das Produkt der Multiplikation ist wie in der folgenden Tabelle dargestellt:
S_{v}p={\begin{bmatrix}v_{x}&0&0&0\\0&v_{y}&0&0\\0&0&v_{z}&0\\0&0&0&1\end{bmatrix}}{\begin{bmatrix}p_{x}\\p_{y}\\p_{z}\\1\end{bmatrix}}={\begin{bmatrix}v_{x}p_{x}\\v_{y}p_{y}\\v_{z}p_{z}\\1\end{bmatrix}}.Mit dieser Skalierungsmatrix können wir eine gleichmäßige Skalierung um einen gemeinsamen Faktor s erreichen (gleichmäßige Skalierung), da die vierte Komponente einer homogenen Koordinate als Nenner der anderen drei Komponenten angesehen werden kann:
S_{v}={\begin{bmatrix}1&0&0&0\\0&1&0&0\\0&0&1&0\\0&0&0&{\frac {1}{s}}\end{bmatrix}}.Für jeden Vektor ist p = (px, py, pz, Wenn wir 1 hätten)
S_{v}p={\begin{bmatrix}1&0&0&0\\0&1&0&0\\0&0&1&0\\0&0&0&{\frac {1}{s}}\end{bmatrix}}{\begin{bmatrix}p_{x}\\p_{y}\\p_{z}\\1\end{bmatrix}}={\begin{bmatrix}p_{x}\\p_{y}\\p_{z}\\{\frac {1}{s}}\end{bmatrix}}