{
  "id": "homogeneous-coordinates",
  "title": "齐次坐标",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "齐次坐标以相差非零公因子的非零数组表示同一点，统一处理仿射几何、无穷远点与投影。",
  "category": "mathematics",
  "subcategory": "geometry",
  "type": "concept",
  "aliases": [
    "射影坐标"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/homogeneous-coordinates/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/homogeneous-coordinates/",
      "json": "https://aiwiki.page/en/homogeneous-coordinates.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "齐次坐标是一种坐标系，用 \\(n+1\\) 个数表示 \\(n\\) 维空间中的一个点；若两组数相差一个共同的非零因子，它们就表示同一个点。齐次坐标是射影几何的基础：普通点和无穷远点都可以用有限的坐标值描述。它还允许通过矩阵乘法表示平移和透视变换，因此在计算机图形学和计算机视觉中十分有用。(e.math.cornell.edu)"
    },
    {
      "heading": "定义",
      "text": "设 \\(K\\) 为一个域，例如实数域或复数域。射影空间 \\(\\mathbb P^n(K)\\) 由 \\(K^{n+1}\\) 中的非零数组按以下等价关系归类而成：\n\n\\[(X_1,\\ldots,X_n,W)\\sim (\\lambda X_1,\\ldots,\\lambda X_n,\\lambda W), \\qquad \\lambda\\in K\\setminus\\{0\\}.\\]\n\n因此，一个点就是一个等价类，通常记作\n\n\\[[X_1:\\cdots:X_n:W].\\]\n\n其中各分量就是该点的齐次坐标。全零数组不包括在内，因为它不能确定一个一维子空间。等价地，射影点对应于向量空间 \\(K^{n+1}\\) 的一维线性子空间。(ocw.mit.edu)\n\n例如，\n\n\\[[2:4:2]=[1:2:1]=[-3:-6:-3].\\]\n\n它们是同一个点的不同代表，而不是三个不同的点。额外的坐标引入的是尺度上的冗余，并非额外的几何维度。(e.math.cornell.edu)"
    },
    {
      "heading": "仿射坐标与无穷远点",
      "text": "当 \\(W\\neq0\\) 时，除以 \\(W\\) 就得到普通坐标：\n\n\\[[X_1:\\cdots:X_n:W] \\longmapsto \\left(\\frac{X_1}{W},\\ldots,\\frac{X_n}{W}\\right).\\]\n\n反过来，普通点 \\((x_1,\\ldots,x_n)\\) 可以表示为\n\n\\[[x_1:\\cdots:x_n:1].\\]\n\n这样就将一个仿射空间与射影空间中 \\(W\\neq0\\) 的部分对应起来。通过除法恢复普通坐标的过程称为去齐次化；在图形学中，相应操作常称为透视除法。(visionbook.mit.edu)\n\n满足 \\(W=0\\) 的点位于无穷远超平面上。在实射影平面中，点 \\([a:b:0]\\) 表示一组平行仿射直线的共同方向。方向相反的向量确定同一个射影方向，因为 \\([a:b:0]=[-a:-b:0]\\)。这些点的齐次坐标是有限的，但在所选坐标图中没有有限的仿射坐标。(ocw.mit.edu)\n\n有限点与无穷远点的区别取决于所选的仿射坐标图。任何非零坐标都可以归一化为 \\(1\\)，由此得到的 \\(n+1\\) 个坐标图覆盖整个射影空间。集合 \\(W=0\\) 是一个与 \\(\\mathbb P^{n-1}(K)\\) 同构的超平面；在选定坐标图之前，它在内在意义上并无特殊地位。(ocw.mit.edu)"
    },
    {
      "heading": "直线、关联与交点",
      "text": "在射影平面中，直线的方程为\n\n\\[aX+bY+cW=0,\\]\n\n其中 \\((a,b,c)\\neq(0,0,0)\\)。其系数也只确定到一个共同的非零因子。将点写成 \\(p=(X,Y,W)^{\\mathsf T}\\)，将直线的系数写成 \\(\\ell=(a,b,c)^{\\mathsf T}\\)，则点与直线的关联关系可表示为\n\n\\[\\ell^{\\mathsf T}p=0.\\]\n\n对于两个不同的点，连接它们的直线可以用它们的叉积表示：\n\n\\[\\ell=p_1\\times p_2.\\]\n\n类似地，两条不同直线的交点为\n\n\\[p=\\ell_1\\times\\ell_2.\\]\n\n这些公式以同样的方式处理有限交点和无穷远交点，也体现了射影几何中点与直线之间的对称性。(homepages.inf.ed.ac.uk)\n\n例如，平行的仿射直线 \\(y=1\\) 和 \\(y=3\\) 的系数向量为\n\n\\[\\ell_1=(0,1,-1),\\qquad \\ell_2=(0,1,-3).\\]\n\n它们的叉积为 \\((-2,0,0)\\)，所以射影交点为 \\([1:0:0]\\)，即无穷远处的水平方向。如果两条直线重合，其系数向量成比例，叉积为零，因而不能确定唯一的交点。这些结论可直接由关联关系的公式得出。(homepages.inf.ed.ac.uk)"
    },
    {
      "heading": "变换的矩阵表示",
      "text": "仿射变换\n\n一个仿射映射\n\n\\[x'=Ax+t\\]\n\n可以在齐次坐标中表示为\n\n\\[\\begin{pmatrix}x'\\\\1\\end{pmatrix} = \\begin{pmatrix} A&t\\\\ 0^{\\mathsf T}&1 \\end{pmatrix} \\begin{pmatrix}x\\\\1\\end{pmatrix}.\\]\n\n这使平移成为更高维坐标空间中线性映射的一部分。非零平移不能用作用于 \\(x\\) 的普通 \\(n\\times n\\) 线性变换表示，因为任何线性映射都保持原点不变。(cs.cmu.edu)\n\n例如，沿 \\((t_x,t_y)\\) 平移所用的矩阵为\n\n\\[T= \\begin{pmatrix} 1&0&t_x\\\\ 0&1&t_y\\\\ 0&0&1 \\end{pmatrix}.\\]\n\n旋转、缩放和错切也有类似的表示。连续进行的变换可以通过矩阵乘法合成。采用列向量约定时，先施加 \\(H_1\\)，再施加 \\(H_2\\)，得到的合成矩阵为 \\(H_2H_1\\)；变换的先后顺序通常会影响结果。二维变换使用 \\(3\\times3\\) 矩阵，三维变换使用 \\(4\\times4\\) 矩阵。(cs.cmu.edu)\n\n射影变换\n\n可逆的 \\((n+1)\\times(n+1)\\) 矩阵 \\(H\\) 通过下式定义射影变换：\n\n\\[[p]\\longmapsto[Hp].\\]\n\n将 \\(H\\) 乘以一个非零标量不会改变这一变换。在二维情形中，将矩阵元素记作 \\(h_{ij}\\)，可得\n\n\\[x'=\\frac{h_{11}x+h_{12}y+h_{13}} {h_{31}x+h_{32}y+h_{33}}, \\qquad y'=\\frac{h_{21}x+h_{22}y+h_{23}} {h_{31}x+h_{32}y+h_{33}}.\\]\n\n因此，对齐次坐标代表所做的线性运算，在仿射坐标中成为分式变换。分母为零意味着变换后的点位于目标坐标图的无穷远处，而不是射影变换没有定义。(pages.mtu.edu)\n\n射影变换保持直线和关联关系，但通常不保持欧几里得长度、角度或平行性。因此，齐次坐标本身并不能提供欧几里得空间的度量结构。(pages.mtu.edu)"
    },
    {
      "heading": "透视成像",
      "text": "理想透视相机使用一个 \\(3\\times4\\) 矩阵，将三维点映射到二维图像：\n\n\\[s \\begin{pmatrix}u\\\\v\\\\1\\end{pmatrix} = P \\begin{pmatrix}X\\\\Y\\\\Z\\\\1\\end{pmatrix}, \\qquad P=K[R\\mid t].\\]\n\n这里，\\(K\\) 描述相机内参，\\(R\\) 和 \\(t\\) 描述从世界坐标到相机坐标的变换。因子 \\(s\\) 体现了图像点的坐标代表所具有的任意尺度。齐次记法将坐标变换和透视投影整合到一个矩阵方程中。(docs.opencv.org)\n\n这种相机投影不同于可逆的射影变换：它的矩阵不是方阵，同一条视线上的多个场景点可能产生同一个图像点。相机中心被映射为零向量，因此没有定义明确的图像点。齐次坐标使这些区别清晰可见，而不是消除它们。(16385.courses.cs.cmu.edu)"
    },
    {
      "heading": "齐次多项式方程",
      "text": "在代数几何中，齐次坐标与齐次多项式配合使用。如果一个 \\(d\\) 次多项式 \\(F\\) 的每个单项式的总次数都是 \\(d\\)，则称其为齐次多项式，并有\n\n\\[F(\\lambda X_1,\\ldots,\\lambda W) =\\lambda^dF(X_1,\\ldots,W).\\]\n\n它的数值通常取决于所选的代表，但条件 \\(F=0\\) 与代表的选择无关。因此，齐次方程能够定义射影空间中明确的子集。(math.mit.edu)\n\n总次数为 \\(d\\) 的仿射多项式 \\(f(x_1,\\ldots,x_n)\\) 可以通过构造下式进行齐次化：\n\n\\[F(X_1,\\ldots,X_n,W) = W^d f\\left(\\frac{X_1}{W},\\ldots,\\frac{X_n}{W}\\right).\\]\n\n展开后，所得表达式是一个多项式，在 \\(W=0\\) 时也有定义。例如，圆的方程\n\n\\[x^2+y^2=1\\]\n\n变为射影圆锥曲线\n\n\\[X^2+Y^2-W^2=0.\\]\n\n令 \\(W=1\\) 即可恢复仿射方程；令 \\(W=0\\) 则可确定其无穷远点。对于多项式方程组，求射影闭包时需要谨慎：仅将选定的一组生成元齐次化，可能会在无穷远处引入不需要的分支。(math.mit.edu)"
    },
    {
      "heading": "历史发展",
      "text": "奥古斯特·费迪南德·莫比乌斯在其1827年的著作《重心演算》（Der barycentrische Calcul）中引入了齐次坐标。他的方法与重心坐标有关，后者通过赋予参考点的权重来描述点的位置。尤利乌斯·普吕克于1831年修改了这一坐标框架，推动了如今用于实射影平面的表示方式的发展。这些进展将几何变换与代数坐标方法联系起来。(notes.math.ca)"
    },
    {
      "heading": "局限与约定",
      "text": "齐次坐标是一种冗余表示，因此普通向量运算需要加以解释。将任意选取的代表相加，并不能定义射影点的内在加法：把其中一个代表换成它的标量倍数，可能改变相加后得到的点。同样，也不能直接从任意齐次坐标数组计算欧几里得距离。这类运算需要选定一个仿射坐标图，并在必要时引入额外的度量结构。(visionbook.mit.edu)\n\n不同约定会将齐次化坐标放在首位或末位，并采用行向量或列向量。相应的矩阵公式必须作一致的调整。最重要的是，追加 \\(1\\) 只能表示某个特定仿射坐标图中的有限点；完整的坐标系还包括齐次化坐标为零的非零数组。(ocw.mit.edu)"
    }
  ],
  "links": [
    "projective-geometry",
    "matrix",
    "computer-vision",
    "field-mathematics",
    "real-number",
    "complex-number",
    "equivalence-relation",
    "equivalence-class",
    "vector-space",
    "linear-subspace",
    "affine-space",
    "hyperplane",
    "cross-product",
    "affine-map",
    "linear-map",
    "euclidean-space",
    "algebraic-geometry",
    "polynomial",
    "conic-section"
  ],
  "sources": [
    {
      "title": "CSP problems 1",
      "url": "https://e.math.cornell.edu/people/mann/classes/brown/CSPproblems1.pdf"
    },
    {
      "title": "38 Representing Images and Geometry – Foundations of Computer Vision",
      "url": "https://visionbook.mit.edu/homogeneous_coordinates.html"
    },
    {
      "title": "782 Arithmetic Geometry Lecture Note 13",
      "url": "https://ocw.mit.edu/courses/18-782-introduction-to-arithmetic-geometry-fall-2013/c6986079bc69909f419f02c76095c60b_MIT18_782F13_lec13.pdf"
    },
    {
      "title": "Introduction and course overview",
      "url": "https://www.cs.cmu.edu/~16385/s19/lectures/lecture7.pdf"
    },
    {
      "title": "Manipulating Points and Lines",
      "url": "https://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/BEARDSLEY/node2.html"
    },
    {
      "title": "Geometric Transformations",
      "url": "https://pages.mtu.edu/~shene/COURSES/cs3621/NOTES/geometry/geo-tran"
    },
    {
      "title": "Massachusetts Institute of Technology — Algebraic Geometry Notes",
      "url": "https://math.mit.edu/classes/18.721/notes/ag-oct7-2021.pdf"
    },
    {
      "title": "Geometric Transformations, 1800–1855 – CMS Notes",
      "url": "https://notes.math.ca/en/article/geometric-transformations-1800-1855/"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}