肖剑华
- 可视化是前端可视化
- 图形是计算机图形学
- 向量就是那个向量,高中学过的,你懂的
- 树是那棵贼丑的树
结果
首先先看看本文最终的结果。
是不是贼丑!是不是能在画展上卖个好价格!
过程
好了,话不多说, 看看这棵贼丑的树是怎么诞生的吧。
坐标系
坐标系,或者说平面直角坐标系,是几何图形学的基础,其次是点、线、面这些元素。
坐标系大家都很熟悉, 最初接触坐标系应该是初中, 那时候的坐标系不知大家还有没有印象。
原点在中间, 水平轴是 x 轴, 竖轴是 y 轴, 分为四个象限。
但是呢, html canvas 这货, 默认原点在左上角, x 轴是跟平面直角坐标系是一致的, y 轴是向下的!! 相信这种坐标轴在日常工作中使用 canvas 绘图给前端人不知道造成过多少麻烦, 计算起来费事费力, 还容易出 bug。
那么如何把 canvas 的坐标系变成平面直角坐标系呢
Maaaaaaaaagic!
const canvas = document.querySelector('canvas')
const ctx = canvas.getContext('2d')
// 我们这里把原点定位在canvas左下角
ctx.translate(0, canvas.height)
// 关键步骤: 将canvasY轴方向翻转
ctx.scale(1, -1)
两行代码, 就完成了对坐标系的翻转。
我们用一个 🌰 来验证一下
假设,我们要在宽 512 * 高 256 的一个 Canvas 画布上实现如下的视觉效果。其中,山的高度是 100,底边 200,两座山的中心位置到中线的距离都是 80,太阳的圆心高度是 150。
我们这里使用 rough.js 增加一下趣味性
<canvas width="512" height="256" style="display: block;margin: 0 auto;background-color: #ccc" ></canvas>
const canvas = document.querySelector('canvas')
const rc = rough.canvas(canvas)
rc.ctx.translate(0, canvas.height)
rc.ctx.scale(1, -1)
const cSun = [canvas.width / 2, 106]
const diameter = 100 // 直径
const hill1Points = {
start: [76, 0], // 起始点
top: [176, 100], // 顶点
end: [276, 0] // 终点
}
const hill2Points = {
start: [236, 0], // 起始点
top: [336, 100], // 顶点
end: [436, 0] // 终点
}
const hill1Options = {
roughness: 0.8,
stokeWidth: 2,
fill: 'pink'
}
const hill2Options = {
roughness: 0.8,
stokeWidth: 2,
fill: 'chocolate'
}
function createHillPath(point) {
const { start, top, end } = point
return `M${start[0]} ${start[1]}L${top[0]} ${top[1]}L${end[0]} ${end[1]}`
}
function paint() {
rc.path(createHillPath(hill1Points), hill1Options)
rc.path(createHillPath(hill2Points), hill2Options)
rc.circle(cSun[0], cSun[1], diameter, {
stroke: 'red',
strokeWidth: 4,
fill: 'rgba(255, 255, 0, 0.4)',
fillStyle: 'solid'
})
}
paint()
这里我们翻转了坐标系, 定义了 mountain1,mountain2,太阳 的各个点的坐标, 完全是参照直角坐标系的坐标。
最终的实现效果如下
(是不是也能在画展上卖个不错的价格)
向量
定义
说完直角坐标系的转换, 我们来讨论今天的正主, 向量(Vector)
向量的普遍定义是具有大小和方向的量, 我们这里讨论的向量是 几何向量, 是用一组平面直角坐标系的坐标表示的 例如 (1, 1), 意思是, 顶点坐标为 x 为 1,y 为 0 的一条有向线段, 向量的方向是由 原点(0, 0) 指向顶点(1,1)的方向。
换言之, 知道了向量的顶点, 就知道了向量的大小和方向
向量的模
向量的大小也叫向量的模,是向量坐标的平方和的算术平方根, length = Math.pow((x**2 + y**2), 0.5)。
向量的方向
向量的方向一方面可以使用向量的顶点表示。
另外一方面使用向量和 x 轴的夹角,也能够表示一个向量。
使用 javascript Math 的内置方法可以得到,计算方式:
// 构造函数在本文稍后的地方介绍
const v = new Vector2D(1, 10)
const dir = Math.atan2(v.y, v.x)
四则运算
加减法
示意图:
如图所示: 向量 v1(x1, y1)和向量 v2(x2, y2)相加得到的新的向量就是两个向量对应坐标之和, 用公式表达就是 v1(x1, y1) + v2(x2, y2) = v3(x1 + x2, y1 + y2)
反之就是减法 v3(x1 + x2, y1 + y2) – v2 (x2, y2)= v1(x1, y1)
乘除
向量乘法有 叉乘和点乘
点乘示意图:
物理意义是, 方向为 va 方向,大小为 va.length 的力, 沿 vb 方向拉动 vb.length 距离所做的功
va * vb = va.length * vb.length * cos(rad)
叉乘示意图:
va * vb = va.length * va.length * sin(rad)
也可以理解为长度为 va.length 的线段沿着 vb 方向移动到 vb 顶点扫过的面积, 反之就是除法
单位向量
长度为 1 的向量叫做单位向量, 满足这个条件的向量有无数条, 一个非 0 的向量除以他的模,就是这个向量的单位向量, 我们取与 x 轴夹角为 0 的向量:**[1, 0]**作为单位向量
向量的旋转
将一个向量转动一定的角度 rad 之后的向量该如何计算呢。 这里有比较复杂的推导过程, 因此可以直接记住结论。
具体代码在下面构造函数里面展示
构造器
// 用一个长度为2的数组表示一个向量, 下标为0的位置表示x 下标为1的位置表示 y
class Vector2D extends Array {
constructor(x = 1, y = 0) {
super(x, y)
}
get x() {
return this[0]
}
get y() {
return this[1]
}
set x(v) {
this[0] = v
}
set y(v) {
this[1] = v
}
add(v) {
this.x = this.x + v.x
this.y = this.y + v.y
return this
}
length() {
return Math.hypot(this.x, this.y)
}
rotate(rad) {
const c = Math.cos(rad)
const s = Math.sin(rad)
const [x, y] = this
this.x = x * c + y * -s
this.y = x * s + y * c
return this
}
}
至此,画出文章开头的那个图形的基本要素都已经准备好了。 下面, 让我们来见证一下世界名画的产生。
动手画图
- 准备一个 512 * 512 的画布
<html>
...
<canvas width="512" height="512" style="display:block;margin:0 auto;background-color: #ccc" ></canvas>
...
</html>
- 翻转 canvas 坐标系
const canvas = document.querySelector('canvas')
const ctx = canvas.getContext('2d')
ctx.translate(0, canvas.height)
ctx.scale(1, -1)
- 定义绘制树枝的方法
/** * 1. ctx canvas ctx 上下文对象 * 2. 起始向量 * 3. length 向量长度(树枝长度) * 4. thickness 线段宽度 * 5. 单位向量 dir 旋转角度 * 6. bias 随机因子 */
const canvas = document.querySelector('canvas')
const ctx = canvas.getContext('2d')
ctx.translate(0, canvas.height)
ctx.scale(1, -1)
ctx.lineCap = 'round'
console.log(canvas.width)
const v0 = new Vector2D(canvas.width / 2, 0)
function drawBranch(ctx, v0, length, thickness, rad, bias) {
const v = new Vector2D().rotate(rad).scale(length)
console.log(v, rad, length)
const v1 = v0.copy().add(v)
ctx.beginPath()
ctx.lineWidth = thickness
ctx.moveTo(...v0)
ctx.lineTo(...v1)
ctx.stroke()
ctx.closePath()
}
// 定义好了之后我们先画一个树枝试试看
drawBranch(ctx, v0, 50, 10, Math.PI / 2, 1)
- 递归画图
// 先定义收缩系数
const LENGTH_SHRINK = 0.9
const THICKNESS_SHRINK = 0.8
const RAD_SHRINK = 0.5
const BIAS_SHRINK = 1
function drawBranch(ctx, v0, length, thickness, rad, bias) {
//....
if (thickness > 2) {
// 画左树枝
const left =
Math.PI / 4 +
RAD_SHRINK * (rad + 0.2) +
drawBranch(
ctx,
v1,
length * LENGTH_SHRINK,
thickness * THICKNESS_SHRINK,
left,
bias
)
// 画右树枝
const right = Math.PI / 4 + RAD_SHRINK * (rad - 0.2)
drawBranch(
ctx,
v1,
length * LENGTH_SHRINK,
thickness * THICKNESS_SHRINK,
right,
bias
)
}
}
drawBranch(ctx, v0, 50, 10, Math.PI / 2, 1)
这一步画出来的是一个比较规则的形状, 代码写到这一步,树的基本形状已经出来了,但是 为了展示效果, 向量翻转上加一些随机性来画一颗更加接近自然状态的树。代码如下:
function drawBranch(ctx, v0, length, thickness, rad, bias) {
// ...
if (thickness > 2) {
// 画左树枝
const left =
Math.PI / 4 + RAD_SHRINK * (rad + 0.2) + bias * (Math.random() - 0.5)
drawBranch(
ctx,
v1,
length * LENGTH_SHRINK,
thickness * THICKNESS_SHRINK,
left,
bias
)
// 画右树枝
const right =
Math.PI / 4 + RAD_SHRINK * (rad - 0.2) + bias * (Math.random() - 0.5)
drawBranch(
ctx,
v1,
length * LENGTH_SHRINK,
thickness * THICKNESS_SHRINK,
right,
bias
)
}
}
drawBranch(ctx, v0, 50, 10, Math.PI / 2, 1)
等等等等, 效果图:一棵光秃秃的树
效果图: (是不是有点艺术内味儿了)
剩下的就是添加一些点缀, 把果子挂上
function drawBranch(ctx, v0, length, thickness, rad, bias) {
// ...
if (thickness < 5 && Math.random() < 0.3) {
const th = 6 + Math.random()
ctx.save()
ctx.strokeStyle = '#e4393c'
ctx.lineWidth = th
ctx.beginPath()
ctx.moveTo(...v1)
ctx.lineTo(v1.x, v1.y + 2)
ctx.stroke()
ctx.closePath()
ctx.restore()
}
}
// 这里增大了随机因子, 让树枝更加分散
drawBranch(ctx, v0, 50, 10, Math.PI / 2, 1)
此时效果图就出来了:
总结
本文首先展示了如何将 canvas 的坐标系转化为直角坐标系
其次用一个例子演示了,向量在图形学内的基本运算。
向量运算的意义并不仅仅只是用来算点的位置和构造线段,这只是最初级的用法。
可视化呈现依赖于计算机图形学,而向量运算是整个计算机图形学的数学基础。而且,在向量运算中,除了加法表示移动点和绘制线段外,向量的点乘、叉乘运算也有特殊的意义。
今天的文章一棵树-可视化之图形化基础之向量分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/20684.html