走样(aliasing)

采样角度

可以采样位置，得到照片；也能采样时间，得到视频；等等。

三角形图元(Triangle Primitive)

三角形是最基础的多边形，且任何多边形都能拆解为三角形。除此之外，还有优点如下：

• 三角形内一定是平面
• 三角形内部外部定义清晰
• 定义三个顶点后，可以在三角形内做“渐变”（插值）。

经过MVP变换和视口变换，我们已经得到屏幕上三角形的顶点坐标了，接下来该怎么变成对应的像素三角形？

MVP变换

MVP变换就是将三维物体变换到二维中，就像拍照片一样：

1. 模型变换(Model Transformation)：模型空间 -> 世界空间，即摆好模型，搭好场景。
2. 视图变换(View Transformation)：世界空间 -> 相机空间，即给场景找到一个好的摄影角度。
3. 投影变换(Projection Transformation)：相机空间 -> 屏幕空间，即进行拍照，得到照片。

齐次坐标(Homogeneous Coordinate)

给点和向量的描述升一维（），以2D为例：

• 二维中的点：
• 二维中的向量：

这里理解一下为什么点的，向量的。

在三维中处的标准二维平面，实际的二维点此时表示为。而对于那些不在平面的点，则可以通过除以，将它们投影到平面上。这样，齐次坐标就能够映射到实际的二维点：

对于任何给定的二维点，在三维齐次空间中存在无限数量的对应点。这些点形成一条穿过三维齐次空间原点的直线。

当时，上面的除法未定义，而向量恰好没有在空间中平移的概念（都一样），因此可以用来描述向量。

矩阵(Matrix)

向量是标量的数组，而矩阵是向量的数组。

单位矩阵(Identity Matrix)

维度为n的单位矩阵，表示为，是矩阵，其对角线上的值为1，其他元素均为0。三维的单位矩阵如下：

矩阵转置(Transpose)

给定矩阵，其转置表示为，是矩阵，其中，列由的行构成。

例如： 一些结论：