Android Matrix的用法總結

簡介

Matrix ，中文裡叫矩陣，高等數學裡有介紹。Android中的Matrix類是一個3x3的位置坐標矩陣，在圖像處理方面，主要是用於平面的縮放、平移、旋轉等操作。

Matrix的數學原理

首先了解下這個3 x 3的矩陣，其內容如下所示：

Matrix的對圖像的處理可分為四類基本變換：

英文 中文 Translate 平移變換 Rotate 旋轉變換 Scale 縮放變換 Skew 錯切變換

從字面上理解，矩陣中的MSCALE用於處理縮放變換，MSKEW用於處理錯切變換，MTRANS用於處理平移變換，MPERSP用於處理透視變換。實際中當然不能完全按照字面上的說法去理解Matrix。同時，在Android的文檔中，未見到用Matrix進行透視變換的相關說明，所以本文也不討論這方面的問題。

針對每種變換，Android提供了pre、set和post三種操作方式。其中:

set用於設置Matrix中的值。 pre是先乘，因為矩陣的乘法不滿足交換律，因此先乘、後乘必須要嚴格區分。先乘相當於矩陣運算中的右乘。 post是後乘，因為矩陣的乘法不滿足交換律，因此先乘、後乘必須要嚴格區分。後乘相當於矩陣運算中的左乘。

除平移變換(Translate)外，旋轉變換(Rotate)、縮放變換(Scale)和錯切變換(Skew)都可以圍繞一個中心點來進行，如果不指定，在默認情況下是圍繞(0, 0)來進行相應的變換的。

下面我們來看看四種變換的具體情形。由於所有的圖形都是有點組成，因此我們只需要考察一個點相關變換即可。

平移變換

假定有一個點的坐標是 P(x0,y0)，將其移動到 P(x,y) ，再假定在x軸和y軸方向移動的大小分別為：

△x = x?x0
△y = y?y0

如下圖所示：

不難知道：

x=x0 + △x
y=y0 + △y

如果用矩陣來表示的話，就可以寫成：

旋轉變換

圍繞坐標原點旋轉

假定有一個點的坐標是 P(x0,y0)，相對坐標原點順時針旋轉θ後的情形，同時假定P點離坐標原點的距離為r，如下圖：

那麼，

如果用矩陣，就可以表示為：<喎?/kf/ware/vc/" target="_blank" class="keylink">vcD4NCjxwPjxpbWcgYWx0PQ=="這裡寫圖片描述" src="/uploadfile/Collfiles/20161006/20161006103139557.jpg" title="\" />

圍繞某個點旋轉

如果是圍繞某個點 (xp,yp)順時針旋轉θ ，那麼用矩陣表示為：

可以化為：

很顯然：

如下圖所示，是將坐標原點移動到點 (xp,yp) 後， P(x0,y0)的新坐標。

如下圖所示，是將上一步變換後的 P(x0,y0)，圍繞新的坐標原點順時針旋轉θ 。

如下圖所示，是經過上一步旋轉變換後，再將坐標原點移回到原來的坐標原點。

所以，圍繞某一點進行旋轉變換，可以分成3個步驟，即首先將坐標原點移至該點，然後圍繞新的坐標原點進行旋轉變換，再然後將坐標原點移回到原先的坐標原點。

縮放變換

理論上而言，一個點是不存在什麼縮放變換的，但考慮到所有圖像都是由點組成，因此，如果圖像在x軸和y軸方向分別放大k1和k2倍的話，那麼圖像中的所有點的x坐標和y坐標均會分別放大k1和k2倍，即：

x=k1x0
y=k2y0

用矩陣表示就是：

縮放變換比較好理解，就不多說了。

錯切變換

錯切變換(skew)在數學上又稱為Shear mapping(可譯為“剪切變換”)或者Transvection(縮並)，它是一種比較特殊的線性變換。錯切變換的效果就是讓所有點的x坐標(或者y坐標)保持不變，而對應的y坐標(或者x坐標)則按比例發生平移，且平移的大小和該點到x軸(或y軸)的垂直距離成正比。錯切變換，屬於等面積變換，即一個形狀在錯切變換的前後，其面積是相等的。

比如下圖，各點的y坐標保持不變，但其x坐標則按比例發生了平移。這種情況將水平錯切。

下圖各點的x坐標保持不變，但其y坐標則按比例發生了平移。這種情況叫垂直錯切。

假定一個點P(x0,y0)經過錯切變換後得到P(x,y)，對於水平錯切而言，應該有如下關系：

x=x0 + ky0
y=y0

用矩陣表示就是：

擴展到3 x 3的矩陣就是下面這樣的形式：

同理，對於垂直錯切，可以有：

在數學上嚴格的錯切變換就是上面這樣的。在Android中除了有上面說到的情況外，還可以同時進行水平、垂直錯切，那麼形式上就是：

對稱變換

除了上面講到的4中基本變換外，事實上，我們還可以利用Matrix，進行對稱變換。所謂對稱變換，就是經過變化後的圖像和原圖像是關於某個對稱軸是對稱的。比如，某點 經過對稱變換後得到，

如果對稱軸是x軸，難麼，

x=x0
y=?y0

用矩陣表示就是：

如果對稱軸是y軸，那麼，

x=?x0
y=y0

用矩陣表示就是：

如果對稱軸是y = x，如圖：

那麼，

很容易可以解得：

x=x0
y=y0

用矩陣表示就是：

同樣的道理，如果對稱軸是y = -x，那麼用矩陣表示就是：

特殊地，如果對稱軸是y = kx，如下圖：

那麼，

很容易可解得：

用矩陣表示就是：

當k = 0時，即y = 0，也就是對稱軸為x軸的情況；當k趨於無窮大時，即x = 0，也就是對稱軸為y軸的情況；當k =1時，即y = x，也就是對稱軸為y = x的情況；當k = -1時，即y = -x，也就是對稱軸為y = -x的情況。不難驗證，這和我們前面說到的4中具體情況是相吻合的。

如果對稱軸是y = kx + b這樣的情況，只需要在上面的基礎上增加兩次平移變換即可，即先將坐標原點移動到(0, b)，然後做上面的關於y = kx的對稱變換，再然後將坐標原點移回到原來的坐標原點即可。用矩陣表示大致是這樣的：

需要特別注意：在實際編程中，我們知道屏幕的y坐標的正向和數學中y坐標的正向剛好是相反的，所以在數學上y = x和屏幕上的y = -x才是真正的同一個東西，反之亦然。也就是說，如果要使圖片在屏幕上看起來像按照數學意義上y = x對稱，那麼需使用這種轉換：

要使圖片在屏幕上看起來像按照數學意義上y = -x對稱，那麼需使用這種轉換：

關於對稱軸為y = kx 或y = kx + b的情況，同樣需要考慮這方面的問題。