透视和正交投影有什么区别

可视化演示

展示透视投影视锥体近大远小效果、正交投影平行保持特性、以及两种投影方式的并排对比分析。

投影的本质

老画师阿罗和老工程师老陈是邻居。阿罗给游客画肖像，老陈给工地画图纸。两人每天做同一件事：把立体的世界落在平面的纸上。可阿罗的画纸上，远处的山逐渐变小，铁轨汇聚成一个点；老陈的图纸上，柱子的间距分毫不差，平行线永远是平行线。两人用的都是“画”，却各有各的学问——差别从“投影”的第一步就开始了。

在 3D 图形学里，投影就是把三维空间中的点，按照某种规则映射到二维平面上。这个“规则”用数学语言描述，就是一个投影矩阵 \(M\)。物体每个顶点的三维坐标 \(p\)，经过矩阵乘法 \(p' = M \cdot p\)，得到投影后的坐标。投影的三大要素是：视点（眼睛或相机的位置）、投影面（画布或屏幕）、投影线（光线或视线）。若投影线从视点放射状射出，物体离视点越远成像越小，这就是透视投影；若投影线彼此平行，物体无论远近成像大小不变，这就是正交投影。

所以，阿罗和老陈之间的差异，从一开始就藏在那支“笔”——投影矩阵里。下一节，我们先看看阿罗的画笔是怎么工作的。

透视投影原理

阿罗站在铁轨中间，看着两条锃亮的钢轨伸向远方，最后在天边汇成一个点。他太熟悉这个现象了：枕木越远越密，电线杆越远越矮。他给这个现象起了个名字——近大远小。这正是透视投影的签名，也是人眼看世界的默认方式。

透视投影模拟人眼的成像。想象你站在窗前，透过玻璃看街道：近处的汽车在玻璃上的投影大，远处的楼宇投影小。玻璃是投影面，你的眼睛是视点，从眼睛射向物体每一点的视线必然穿过玻璃，这个交点就是物体在投影面上的像。数学上，透视投影的关键一步发生在裁剪空间：每个顶点的 \(w\) 分量不再恒为 1，而是等于观察空间深度的相反数 \(-z_{view}\)。随后 GPU 执行透视除法，把所有分量统一除以 \(w\)。

阿罗画布上铁轨的汇聚点叫灭点（Vanishing Point），在图形学中，所有平行于某个方向的直线，透视投影后都会收敛到同一个灭点。阿罗说：“我不是在画铁轨，我是在画光的汇聚。”

正交投影原理

老陈不画画，他画“三视图”：从正前方看，把建筑物的正面轮廓原原本本描下来；从正上方看，把楼顶平面图也描下来。在他的图纸上，相隔十米的柱子，远的那根绝不会比近的那根矮一毫米。老陈对阿罗的近大远小不屑一顾：“我要的是能拿去施工的尺寸。”

正交投影的成像方式，可以想象成一束来自无穷远处的平行光，垂直照射物体，把影子投在墙壁上。因为没有视点的放射效果，投影线彼此平行，无论物体距投影面多远，影子大小都不改变。在数学实现上，正交投影直接对坐标做线性搬移：把视域体——一个立方体盒子——的 \(x\)、\(y\) 线性映射到屏幕范围，整个过程不涉及除法，平行线的斜率关系因此原封不动。

老陈的尺子从不撒谎：十米就是十米，一毫米就是一毫米。正交投影正是这样一把“永不缩水”的尺子，把三维世界的尺寸忠实地复制到二维图纸上。

矩阵推导对比

现在，让我们把阿罗的画布和老陈的图纸摊开，用手电筒照着背面，看看层层叠叠的算法到底长什么样。原来两人各有一本“翻译词典”：阿罗的词典把深度翻译成缩小比例，老陈的词典把深度翻译成线性编号。两本词典的差异，集中在矩阵的最后一行。

要理解这两本词典，得先认识齐次坐标。所谓齐次坐标，就是在原有三维坐标后面补一个 \(w=1\)，变成四维向量，这样平移、缩放、旋转就能统一用矩阵乘法表达。正交投影矩阵保持 \(w = 1\) 不变，因此不做透视除法；透视投影矩阵则让 \(w = -z\)，从而触发随深度缩放的透视除法。正交投影矩阵（参数为视域体左右上下远近边界）：

而透视投影矩阵（参数为视场角、宽高比、近裁剪面、远裁剪面）：

阿罗的词典用“深度”控制“大小”的翻译；老陈的词典对深度视而不见。两本词典最后一行的那串数字，就是两位手艺人最核心的秘密。

投影参数选择

同一个街道，阿罗站在不同的位置、用不同焦距的望远镜观察，画出的街景宽窄各异。老陈虽然不关心站哪，却会在图纸角落标上“比例尺 1:100”和“图幅大小”。投影参数的调整，就是两位手艺人给自己的工具做的校准。

使用透视投影时，你需要调三组参数：视场角 FOV（镜头的广角程度）、宽高比 aspect（画布是宽屏还是竖屏）、近远平面 near/far（能看多远、舍掉多近）。其中视场角与“焦距” \(f\) 的关系非常直接：\(f = 1/\tan(fov/2)\)。FOV 越大，焦距越短，镜头越“广角”，画面边缘的拉伸畸变也越明显；FOV 越小，越像长焦镜头，物体看起来被“压扁”。宽高比必须与屏幕一致，否则圆形物体会被拉伸成椭圆。

更关键的是，近远平面的比值会直接影响深度缓冲（z-buffer）的精度。透视投影的深度映射是非线性的，大量精度集中在近平面附近，远平面附近两个很远的物体如果深度差很小，就可能映射到同一个值，产生 z-fighting 闪烁。正交投影的深度映射是线性的，完全没有这个烦恼。阿罗调的是“镜头的脾气”，老陈调的是“尺子的刻度”——选好参数，画才不歪。

应用场景对比

阿罗的画被挂在美术馆里，人们驻足赞叹“真像”；老陈的图纸被送进工地，工人们按它浇筑混凝土，分毫不差。两位手艺人各有各的战场，图形学里的选型也一样：追求视觉沉浸感就选透视投影，追求测量精确度就选正交投影。

游戏、VR、电影特效追求沉浸感，必须用透视投影——人眼就是这样看世界的，用透视渲染出的画面才自然。CAD、建筑制图、医学影像（CT/核磁）追求测量准确，必须用正交投影——医生和工程师需要从画面中读取真实比例，而不是被透视扭曲误导。实际工程中还会出现“混合使用”：游戏场景叠加 UI 界面时，UI 用正交投影、3D 场景用透视投影；一些 2.5D 视角的游戏也在固定角度下用正交投影来保持手绘感。理解深度映射的非线性，还能帮你诊断渲染中的视觉 bug：

所以下次打开游戏设置，看到 FOV 滑块时，你就知道那是阿罗在调“镜头的脾气”；打开 CAD 软件出三视图时，你也知道那是老陈在展示“尺子的刻度”。两者没有高下之分，只有是否适合当下的任务。

AI 应用场景

Python 演示

"""对比透视投影与正交投影对 3D 立方体的成像效果。"""import math def perspective_matrix(fov, aspect, near, far):    """构造透视投影矩阵（4x4，OpenGL 约定）。"""    f = 1.0 / math.tan(math.radians(fov) / 2.0)    return [        [f / aspect, 0, 0, 0],        [0, f, 0, 0],        [0, 0, (far + near) / (near - far), 2 * far * near / (near - far)],        [0, 0, -1, 0],    ] def orthographic_matrix(l, r, b, t, near, far):    """构造正交投影矩阵（4x4，OpenGL 约定）。"""    return [        [2 / (r - l), 0, 0, -(r + l) / (r - l)],        [0, 2 / (t - b), 0, -(t + b) / (t - b)],        [0, 0, -2 / (far - near), -(far + near) / (far - near)],        [0, 0, 0, 1],    ] def mul(mat, vec):    """4x4 矩阵乘以 4 维列向量。"""    return [sum(mat[i][j] * vec[j] for j in range(4)) for i in range(4)] def project(pts, mat):    """对顶点列表做投影，返回 NDC 二维坐标。"""    ndc = []    for p in pts:        clip = mul(mat, [p[0], p[1], p[2], 1.0])        w = clip[3]        ndc.append((clip[0] / w, clip[1] / w))    return ndc def main():    # 立方体 8 个顶点：x,y in [-1,1]，z 在相机前方 -3 与 -5 之间    pts = [        (-1, -1, -3), (1, -1, -3), (1, 1, -3), (-1, 1, -3),        (-1, -1, -5), (1, -1, -5), (1, 1, -5), (-1, 1, -5),    ]    persp = perspective_matrix(60.0, 1.5, 0.1, 100.0)    ortho = orthographic_matrix(-2, 2, -1.5, 1.5, 0.1, 10)    p_ndc = project(pts, persp)    o_ndc = project(pts, ortho)    names = ["左前下", "右前下", "右前上", "左前上",             "左后下", "右后下", "右后上", "左后上"]    print("顶点    透视投影 (x, y)        正交投影 (x, y)")    print("-" * 52)    for i, n in enumerate(names):        print(f"{n}: ({p_ndc[i][0]:+.4f}, {p_ndc[i][1]:+.4f})  "              f"({o_ndc[i][0]:+.4f}, {o_ndc[i][1]:+.4f})") if __name__ == "__main__":    main()

1. perspective_matrix(60.0, 1.5, 0.1, 100.0)构造 60° 视场角、1.5 宽高比的透视矩阵，近裁剪面 0.1，远裁剪面 100
2. orthographic_matrix(-2, 2, -1.5, 1.5, 0.1, 10)构造左右各 2、上下各 1.5 的立方体视域，深度范围 0.1 到 10
3. clip = mul(mat, [p[0], p[1], p[2], 1.0])把三维顶点补成齐次坐标后乘以投影矩阵，得到裁剪空间坐标
4. w = clip[3]取出 w 分量：透视投影时它等于 -z，正交投影时恒为 1
5. ndc.append((clip[0] / w, clip[1] / w))执行透视除法，这里透视与正交的命运分道扬镳

常见误区

面试题